Gráficos de matriz
Visualização intermediária de dados com a Seaborn
Chris Moffitt
Instructor
Colocando os dados no formato certo
- A função
heatmap()do Seaborn exige dados em formato de grade crosstab()do pandas é usada com frequência para preparar os dados
pd.crosstab(df["mnth"], df["weekday"],
values=df["total_rentals"],aggfunc="mean").round(0)
Criar um heatmap
sns.heatmap(pd.crosstab(df["mnth"], df["weekday"],
values=df["total_rentals"], aggfunc="mean")
)
Personalizar um heatmap
sns.heatmap(df_crosstab, annot=True, fmt="d",
cmap="YlGnBu", cbar=False, linewidths=.5)
Centralizar um heatmap
- O Seaborn permite centralizar as cores do heatmap em um valor específico
sns.heatmap(df_crosstab, annot=True, fmt="d",
cmap="YlGnBu", cbar=True,
center=df_crosstab.loc[9, 6])
Plotar uma matriz de correlação
- A função
corrdo pandas calcula correlações entre colunas de um dataframe - A saída pode virar um heatmap com seaborn
cols = ['total_rentals', 'temp', 'casual', 'hum', 'windspeed']
sns.heatmap(df[cols].corr(), cmap='YlGnBu')
