Heatmap berkelompok (clustered)

Heatmap sangat berguna untuk memvisualisasikan matriks korelasi, tetapi clustermap lebih baik. Clustermap memungkinkan Anda menemukan struktur dalam matriks korelasi dengan menghasilkan heatmap yang dikelompokkan secara hierarkis:

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)

Untuk mencegah label sumbu saling tumpang tindih, Anda dapat mereferensikan Axes dari objek fig yang mendasari dan menentukan rotasinya. Anda dapat mempelajari argumen untuk fungsi clustermap() di sini.

Latihan ini merupakan bagian dari kursus

Memvisualisasikan Data Deret Waktu di Python

Lihat Kursus

Instruksi latihan

Impor seaborn sebagai sns.
Hitung korelasi antar semua kolom dalam DataFrame meat menggunakan metode Pearson dan simpan hasilnya ke variabel baru bernama corr_meat.
Plot clustermap dari corr_meat.

Latihan interaktif langsung praktik

Cobalah latihan ini dengan melengkapi kode contoh ini.

# 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()

Edit dan Jalankan Kode