Visualiser des matrices de corrélation
La matrice de corrélation générée à l’exercice précédent peut être visualisée avec une carte thermique. Pour cela, vous pouvez utiliser la fonction heatmap() de la bibliothèque seaborn, qui propose plusieurs arguments pour personnaliser l’apparence de votre carte.
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 et éviter qu’elles ne se chevauchent.
Pour découvrir les arguments de la fonction heatmap(), consultez cette page : https://seaborn.pydata.org/generated/seaborn.heatmap.html.
Cet exercice fait partie du cours
Visualiser des séries temporelles en Python
Instructions
- Importez
seabornsous le nomsns. - Calculez la corrélation entre toutes les colonnes du DataFrame
meaten utilisant la méthode Spearman et affectez le résultat à une nouvelle variable nomméecorr_meat. - Tracez la carte thermique de
corr_meat.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
# 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()