Wizualizacja macierzy korelacji

Macierz korelacji wygenerowaną w poprzednim ćwiczeniu można zwizualizować za pomocą mapy ciepła. Możesz do tego wykorzystać funkcję heatmap() z biblioteki seaborn, która oferuje szereg argumentów pozwalających dostosować wygląd wykresu.

df_corr = df.corr()

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

Metody .xticks() i .yticks() pozwalają obrócić etykiety osi, dzięki czemu nie będą się na siebie nakładać.

Aby dowiedzieć się więcej o argumentach funkcji heatmap(), zajrzyj na tę stronę.

To ćwiczenie jest częścią kursu

Wizualizacja danych szeregów czasowych w Pythonie

Zobacz kurs

Instrukcje do ćwiczenia

Zaimportuj seaborn jako sns.
Oblicz korelację między wszystkimi kolumnami w ramce danych meat, używając metody Spearmana, i przypisz wynik do nowej zmiennej o nazwie corr_meat.
Narysuj mapę ciepła dla corr_meat.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# 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()

Edytuj i uruchom kod