Shlukované heatmapy

Heatmapy jsou skvělým nástrojem pro vizualizaci korelační matice, ale clustermapy jdou ještě dál. Clustermap odhaluje strukturu v korelační matici tím, že vytvoří hierarchicky shlukovanou heatmapu:

df_corr = df.corr()

fig = sns.clustermap(df_corr)
plt.setp(fig.ax_heatmap.xaxis.get_majorticklabels(), rotation=90)
plt.setp(fig.ax_heatmap.yaxis.get_majorticklabels(), rotation=0)

Aby se popisky os nepřekrývaly, můžeš odkazovat na Axes z podkladového objektu fig a nastavit jejich rotaci. Více o argumentech funkce clustermap() najdeš zde.

Toto cvičení je součástí kurzu

Vizualizace dat časových řad v Pythonu

Zobrazit kurz

Pokyny k cvičení

Importuj seaborn jako sns.
Vypočítej korelaci mezi všemi sloupci DataFramu meat pomocí Pearsonovy metody a výsledek ulož do nové proměnné corr_meat.
Vykresli clustermapu proměnné corr_meat.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Import seaborn library
____

# Get correlation matrix of the meat DataFrame
corr_meat = ____(____)

# Customize the heatmap of the corr_meat correlation matrix and rotate the x-axis labels
fig = ____(corr_meat,
                     row_cluster=True,
                     col_cluster=True,
                     figsize=(10, 10))

plt.setp(fig.ax_heatmap.xaxis.get_majorticklabels(), rotation=90)
plt.setp(fig.ax_heatmap.yaxis.get_majorticklabels(), rotation=0)
plt.show()

Upravit a spustit kód