Visualiser des matrices de corrélation

La matrice de corrélation générée à l'exercice précédent peut être représentée sous forme de carte thermique (heatmap). Pour ce faire, vous pouvez utiliser la fonction heatmap() de la bibliothèque seaborn, qui offre plusieurs paramètres pour personnaliser l'apparence de votre carte thermique.

df_corr = df.corr()

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

Vous pouvez utiliser les méthodes .xticks() et .yticks() pour faire pivoter les étiquettes des axes afin d'éviter qu'elles se chevauchent.

Pour connaître les paramètres de la fonction heatmap(), consultez cette page : https://seaborn.pydata.org/generated/seaborn.heatmap.html

Cette activité fait partie du cours

Visualiser des séries chronologiques en Python

Voir le cours

Instructions de l’exercice

Importez seaborn sous le nom sns.
Calculez la corrélation entre toutes les colonnes du DataFrame meat en utilisant la méthode de Spearman et assignez le résultat à une nouvelle variable appelée corr_meat.
Tracez la carte thermique de corr_meat.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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()

Modifier et exécuter le code