聚类热图

热图非常适合可视化相关系数矩阵，但聚类热图更胜一筹。Clustermap 通过生成按层次聚类的热图，能够揭示相关系数矩阵中的结构：

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)

为防止坐标轴标签重叠，您可以从底层的 fig 对象中引用 Axes，并指定旋转角度。您可以在此处了解 clustermap() 函数的参数：here。

本练习是课程的一部分

用 Python 可视化时间序列数据

查看课程

练习说明

导入 seaborn 并命名为 sns。
使用 Pearson 方法计算 meat DataFrame 各列之间的相关系数，并将结果赋给新变量 corr_meat。
绘制 corr_meat 的聚类热图。

交互式实操练习

通过完成这段示例代码来试试这个练习。

# 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()

编辑并运行代码