Visualiza matrices de correlación

La matriz de correlación generada en el ejercicio anterior se puede representar con un mapa de calor. Para ello, puedes usar la función heatmap() de la librería seaborn, que incluye varios argumentos para personalizar el aspecto del mapa de calor.

df_corr = df.corr()

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

Puedes usar los métodos .xticks() y .yticks() para rotar las etiquetas de los ejes y evitar que se solapen.

Para conocer los argumentos de la función heatmap(), consulta esta página.

Este ejercicio forma parte del curso

Visualización de datos temporales en Python

Ver curso

Instrucciones del ejercicio

Importa seaborn como sns.
Calcula la correlación entre todas las columnas del DataFrame meat usando el método de Spearman y asigna los resultados a una nueva variable llamada corr_meat.
Dibuja el mapa de calor de corr_meat.

Ejercicio interactivo práctico

Prueba este ejercicio y completa el código de muestra.

# 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()

Editar y ejecutar código