Matris Grafikler
Seaborn ile Orta Düzey Veri Görselleştirme
Chris Moffitt
Instructor
Veriyi doğru biçime getirmek
- Seaborn
heatmap()işlevi veriyi ızgara biçiminde ister - Veriyi düzenlemek için sıkça pandas
crosstab()kullanılır
pd.crosstab(df["mnth"], df["weekday"],
values=df["total_rentals"],aggfunc="mean").round(0)
Bir ısı haritası oluştur
sns.heatmap(pd.crosstab(df["mnth"], df["weekday"],
values=df["total_rentals"], aggfunc="mean")
)
Isı haritasını özelleştir
sns.heatmap(df_crosstab, annot=True, fmt="d",
cmap="YlGnBu", cbar=False, linewidths=.5)
Isı haritasını ortalamak
- Seaborn, ısı haritası renklerini belirli bir değere göre ortalamayı destekler
sns.heatmap(df_crosstab, annot=True, fmt="d",
cmap="YlGnBu", cbar=True,
center=df_crosstab.loc[9, 6])
Korelasyon matrisini görselleştirmek
- pandas
corrişlevi bir dataframe'deki sütunlar arasındaki korelasyonları hesaplar - Çıktı seaborn ile ısı haritasına dönüştürülebilir
cols = ['total_rentals', 'temp', 'casual', 'hum', 'windspeed']
sns.heatmap(df[cols].corr(), cmap='YlGnBu')
