Heatmap con clustering

Le heatmap sono utilissime per visualizzare una matrice di correlazione, ma i clustermap sono ancora meglio. Un clustermap permette di far emergere la struttura in una matrice di correlazione producendo una heatmap con clustering gerarchico:

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)

Per evitare la sovrapposizione delle etichette degli assi, puoi fare riferimento agli Axes dall'oggetto fig sottostante e specificare la rotazione. Puoi approfondire gli argomenti della funzione clustermap() qui.

Questo esercizio fa parte del corso

Visualizzare dati di serie temporali in Python

Visualizza il corso

Istruzioni dell'esercizio

Importa seaborn come sns.
Calcola la correlazione tra tutte le colonne del DataFrame meat usando il metodo di Pearson e assegna il risultato a una nuova variabile chiamata corr_meat.
Traccia il clustermap di corr_meat.

Esercizio pratico interattivo

Prova a risolvere questo esercizio completando il codice di esempio.

# 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()

Modifica ed esegui il codice