Wykresy macierzowe
Wizualizacja danych z Seaborn – poziom średniozaawansowany
Chris Moffitt
Instructor
Przygotowanie danych
- Funkcja
heatmap()Seaborn wymaga danych w formacie siatki - pandas
crosstab()jest często używany do przekształcania danych
pd.crosstab(df["mnth"], df["weekday"],
values=df["total_rentals"],aggfunc="mean").round(0)
Tworzenie heatmapy
sns.heatmap(pd.crosstab(df["mnth"], df["weekday"],
values=df["total_rentals"], aggfunc="mean")
)
Dostosowywanie heatmapy
sns.heatmap(df_crosstab, annot=True, fmt="d",
cmap="YlGnBu", cbar=False, linewidths=.5)
Centrowanie heatmapy
- Seaborn obsługuje centrowanie kolorów heatmapy na określonej wartości
sns.heatmap(df_crosstab, annot=True, fmt="d",
cmap="YlGnBu", cbar=True,
center=df_crosstab.loc[9, 6])
Wykres macierzy korelacji
- Funkcja
corrpandas oblicza korelacje między kolumnami w DataFrame - Wynik można przekształcić w heatmapę za pomocą Seaborn
cols = ['total_rentals', 'temp', 'casual', 'hum', 'windspeed']
sns.heatmap(df[cols].corr(), cmap='YlGnBu')
