Heatmaps met lift
De oprichter is blij met de heatmap die je hebt gemaakt voor haar streamingdienst. Na verder overleg besluiten jullie echter dat het belangrijk is om ook andere statistieken te bekijken voordat je een definitieve keuze maakt welke films je gaat licentiëren. De oprichter stelt specifiek voor om een maat te kiezen die aangeeft of de supportwaarden hoger zijn dan je zou verwachten op basis van de individuele supportwaarden van de films.
Je herinnert je dat lift dit goed doet en besluit het als metric te gebruiken. Je weet ook dat lift een belangrijke drempel heeft bij 1,0 en besluit daarom de kleurenbalk te vervangen door annotaties, zodat je kunt zien of een waarde groter is dan 1,0. Let op: de regels uit de vorige oefening zijn beschikbaar als rules.
Deze oefening maakt deel uit van de cursus
Market Basket Analysis in Python
Oefeninstructies
- Importeer
seabornonder de standaardalias. - Zet het
DataFramemet regels om naar een matrix met de lift-metric. - Genereer een heatmap met annotaties aan en de kleurenbalk uit.
Praktische interactieve oefening
Probeer deze oefening eens door deze voorbeeldcode in te vullen.
# Import seaborn under its standard alias
____
# Transform the DataFrame of rules into a matrix using the lift metric
pivot = rules.____(index = 'consequents',
columns = 'antecedents', values= '____')
# Generate a heatmap with annotations on and the colorbar off
sns.heatmap(pivot, annot = ____, ____)
plt.yticks(rotation=0)
plt.xticks(rotation=90)
plt.show()