Heatmaps com cluster

Heatmaps são muito úteis para visualizar uma matriz de correlação, mas os clustermaps são ainda melhores. Um clustermap permite revelar a estrutura em uma matriz de correlação ao produzir um heatmap com agrupamento hierárquico:

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)

Para evitar sobreposição dos rótulos dos eixos, você pode acessar os Axes a partir do objeto fig e especificar a rotação. Você pode conhecer os argumentos da função clustermap() aqui.

Este exercício faz parte do curso

Visualizing Time Series Data in Python

Ver curso

Instruções do exercício

Importe seaborn como sns.
Calcule a correlação entre todas as colunas do DataFrame meat usando o método de Pearson e atribua o resultado a uma nova variável chamada corr_meat.
Plote o clustermap de corr_meat.

Exercício interativo prático

Experimente este exercício completando este código de exemplo.

# 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()

Editar e executar o código