Heatmap phân cụm

Heatmap rất hữu ích để trực quan hóa ma trận tương quan, nhưng clustermap còn tốt hơn. Clustermap giúp bạn khám phá cấu trúc trong ma trận tương quan bằng cách tạo ra một heatmap được phân cụm theo kiểu phân cấp:

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)

Để tránh chồng chéo nhãn trục, bạn có thể tham chiếu đến Axes từ đối tượng fig bên dưới và chỉ định góc xoay. Bạn có thể tìm hiểu về các tham số của hàm clustermap() tại đây.

Bài tập này là một phần của khóa học

Trực quan hóa dữ liệu chuỗi thời gian trong Python

Xem khóa học

Hướng dẫn bài tập

Import seaborn với bí danh sns.
Tính tương quan giữa tất cả các cột trong DataFrame meat bằng phương pháp Pearson và gán kết quả cho biến mới tên corr_meat.
Vẽ clustermap của corr_meat.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

# 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()

Chỉnh sửa và Chạy Mã