相関行列を可視化する

前の演習で作成した相関行列は、ヒートマップとしてプロットできます。これには、seaborn ライブラリの heatmap() 関数を使います。見た目を調整するための引数もいくつか用意されています。

df_corr = df.corr()

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

軸ラベルが重ならないようにするには、.xticks() と .yticks() を使ってラベルの向きを回転させます。

heatmap() 関数の引数については、このページを参照してください。

この演習はコースの一部です

Pythonで学ぶ時系列データの可視化

コースを見る

演習の手順

seaborn を sns としてインポートします。
Spearman 法を用いて、meat DataFrame のすべての列間の相関を計算し、結果を corr_meat という新しい変数に代入します。
corr_meat のヒートマップをプロットします。

実践的なインタラクティブ演習

このサンプルコードを完成させて、この演習に挑戦してみましょう。

# 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()

コードを編集して実行