クラスター化ヒートマップ

ヒートマップは相関行列の可視化にとても便利ですが、クラスタマップはさらに優れています。クラスタマップは、階層的にクラスタリングしたヒートマップを作成し、相関行列の構造を明らかにします。

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)

軸ラベルの重なりを防ぐには、背後にある fig オブジェクトから Axes を参照し、回転角度を指定します。clustermap() 関数の引数についてはこちらをご覧ください。

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。
meat DataFrame のすべての列間の相関を Pearson 法で計算し、結果を corr_meat という新しい変数に代入します。
corr_meat のクラスタマップを描画します。

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
____

# 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()

コードを編集して実行