Korrelationsmatrizen visualisieren

Die im vorherigen Schritt erzeugte Korrelationsmatrix lässt sich mit einer Heatmap darstellen. Dafür kannst du die heatmap()-Funktion aus der Bibliothek seaborn verwenden, die mehrere Argumente bietet, um das Aussehen deiner Heatmap anzupassen.

df_corr = df.corr()

sns.heatmap(df_corr)
plt.xticks(rotation=90)
plt.yticks(rotation=0)

Mit den Methoden .xticks() und .yticks() kannst du die Achsenbeschriftungen drehen, damit sie sich nicht überlappen.

Um mehr über die Argumente der Funktion heatmap() zu erfahren, schau dir diese Seite an.

Diese Übung ist Teil des Kurses

Zeitreihendaten in Python visualisieren

Kurs anzeigen

Anleitung zur Übung

Importiere seaborn als sns.
Berechne die Korrelation zwischen allen Spalten im DataFrame meat mit der Methode Spearman und speichere das Ergebnis in einer neuen Variablen corr_meat.
Plotte die Heatmap von corr_meat.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import seaborn library
import ____ as ____

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

# Customize the heatmap of the corr_meat correlation matrix
____(corr_meat,
            annot=True,
            linewidths=0.4,
            annot_kws={"size": 10})

plt.xticks(rotation=90)
plt.yticks(rotation=0) 
plt.show()

Code bearbeiten und ausführen