Matrisdiagram
Datavisualisering med Seaborn – fortsättningskurs
Chris Moffitt
Instructor
Förbered data i rätt format
- Seaborns
heatmap()-funktion kräver data i rutnätsformat - pandas
crosstab()används ofta för att omforma data
pd.crosstab(df["mnth"], df["weekday"],
values=df["total_rentals"],aggfunc="mean").round(0)
Skapa en heatmap
sns.heatmap(pd.crosstab(df["mnth"], df["weekday"],
values=df["total_rentals"], aggfunc="mean")
)
Anpassa en heatmap
sns.heatmap(df_crosstab, annot=True, fmt="d",
cmap="YlGnBu", cbar=False, linewidths=.5)
Centrera en heatmap
- Seaborn stöder centrering av heatmapens färger kring ett specifikt värde
sns.heatmap(df_crosstab, annot=True, fmt="d",
cmap="YlGnBu", cbar=True,
center=df_crosstab.loc[9, 6])
Rita en korrelationsmatris
- pandas
corr-funktion beräknar korrelationer mellan kolumner i en dataframe - Resultatet kan omvandlas till en heatmap med Seaborn
cols = ['total_rentals', 'temp', 'casual', 'hum', 'windspeed']
sns.heatmap(df[cols].corr(), cmap='YlGnBu')
