Visualisera korrelationsmatriser

Korrelationsmatrisen som skapades i föregående övning kan visualiseras med en värmekarta. Du kan använda funktionen heatmap() från biblioteket seaborn, som har flera argument för att anpassa utseendet på värmekartan.

df_corr = df.corr()

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

Du kan använda metoderna .xticks() och .yticks() för att rotera axeletiketterna så att de inte överlappar varandra.

Läs mer om argumenten till funktionen heatmap() på den här sidan.

Den här övningen är en del av kursen

Visualisering av tidsseriedata i Python

Visa kurs

Övningsinstruktioner

Importera seaborn som sns.
Beräkna korrelationen mellan alla kolumner i DataFrame:en meat med Spearmans metod och tilldela resultatet till en ny variabel som heter corr_meat.
Rita värmekartan för corr_meat.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# 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()

Redigera och kör kod