Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.Lernen Heatmap | Visualisierung Mit Seaborn
Ultimative Visualisierung mit Python

Swipe um das Menü anzuzeigen

book
Heatmap

Note
Definition

Eine Heatmap ist eine Methode zur Visualisierung zweidimensionaler Daten, bei der Farben verwendet werden, um die Größe jedes Wertes darzustellen.

In diesem Beispiel wird eine Heatmap verwendet, um paarweise Korrelationen zwischen Variablen in einem Datensatz darzustellen.

Erstellen einer einfachen Heatmap

seaborn bietet eine Funktion namens heatmap(). Ihr einziges erforderliches Argument ist data, das ein 2D-Datensatz (Rechteck) sein muss.

Der vielleicht häufigste Anwendungsfall einer Heatmap ist eine Korrelationsmatrix wie im obigen Beispiel. Bei einem DataFrame sollte zunächst die Methode corr() aufgerufen werden, um eine Korrelationsmatrix zu erhalten. Erst dann wird diese Matrix als Argument an die Funktion heatmap() übergeben:

Ein häufiger Anwendungsfall für eine Heatmap ist die Darstellung einer Korrelationsmatrix. Bei einem DataFrame wird zunächst die Methode corr() aufgerufen, um die Korrelationsmatrix zu erhalten, und anschließend wird diese Matrix als Argument an die Funktion heatmap() übergeben.


              
123456789101112131415

            
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# Loading the dataset with the countries data
url = 'https://staging-content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/countries_data.csv'
countries_df = pd.read_csv(url, index_col=0)

# Creating a correlation matrix with all numeric variables
correlation_matrix = countries_df.corr(numeric_only=True)

# Creating a heatmap based on the correlation matrix
sns.heatmap(correlation_matrix)

plt.show()
copy

Die Korrelationsmatrix wurde unter Verwendung nur der numerischen Spalten des DataFrame erstellt. Spalten mit Zeichenfolgen wurden durch Setzen von numeric_only=True ausgeschlossen.

Annotation und Farben

Diese Heatmap kann informativer gestaltet werden, indem in jede Zelle der entsprechende Wert (Korrelationskoeffizient in diesem Fall) geschrieben wird. Dies kann einfach durch Setzen des Parameters annot auf True erreicht werden.

Note
Hinweis

Es ist ebenfalls möglich, die Farben unserer Heatmap durch Setzen des Parameters cmap zu ändern (weitere Informationen finden Sie im "Choosing color palettes"-Artikel).


              
123456789101112131415

            
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# Loading the dataset with the countries data
url = 'https://staging-content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/countries_data.csv'
countries_df = pd.read_csv(url, index_col=0)

# Creating a correlation matrix with all numeric variables
correlation_matrix = countries_df.corr(numeric_only=True)

# Setting annotation and color palette
sns.heatmap(correlation_matrix, annot=True, cmap='viridis')

plt.show()
copy

Die Farbskala auf der rechten Seite kann durch Setzen von cbar=False entfernt werden.

Note
Mehr erfahren

In den meisten Fällen sind dies alle Anpassungen, die Sie für eine Heatmap benötigen. Weitere Möglichkeiten zur Anpassung finden Sie jedoch in der heatmap() Dokumentation.

Lesbarkeit verbessern

Der letzte Schritt zur Verbesserung der Lesbarkeit unserer Heatmap ist das Drehen der Achsenbeschriftungen mit den bereits bekannten Funktionen xticks() und yticks():


              
12345678910111213141516171819

            
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# Loading the dataset with the countries data
url = 'https://staging-content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/countries_data.csv'
countries_df = pd.read_csv(url, index_col=0)

# Creating a correlation matrix with all numeric variables
correlation_matrix = countries_df.corr(numeric_only=True)

# Creating a heatmap based on the correlation matrix
sns.heatmap(correlation_matrix, annot=True, cmap='viridis')

# Rotating the ticks by 20 degrees counterclockwise
plt.xticks(rotation=20)
plt.yticks(rotation=20)

plt.show()
copy
Aufgabe

Swipe to start coding

  1. Die korrekte Methode zur Erstellung einer Korrelationsmatrix verwenden.
  2. Das Argument der Methode so setzen, dass nur numerische Variablen einbezogen werden.
  3. Die richtige Funktion zur Erstellung einer Heatmap verwenden.
  4. correlation_matrix als Daten für die Heatmap festlegen, indem das erste Argument entsprechend angegeben wird.
  5. Die Werte in jeder Zelle der Matrix hinzufügen, indem das zweite Argument angegeben wird.
  6. Die Farbpalette (colormap) der Heatmap auf 'crest' setzen, indem das dritte (rechte) Argument angegeben wird.
  7. Die x- und y-Achsenbeschriftungen um 15 Grad gegen den Uhrzeigersinn drehen, indem ein Schlüsselwortargument in xticks() und yticks() angegeben wird.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 5. Kapitel 7
Wir sind enttäuscht, dass etwas schief gelaufen ist. Was ist passiert?

Fragen Sie AI

expand
ChatGPT

Fragen Sie alles oder probieren Sie eine der vorgeschlagenen Fragen, um unser Gespräch zu beginnen

book
Heatmap

Note
Definition

Eine Heatmap ist eine Methode zur Visualisierung zweidimensionaler Daten, bei der Farben verwendet werden, um die Größe jedes Wertes darzustellen.

In diesem Beispiel wird eine Heatmap verwendet, um paarweise Korrelationen zwischen Variablen in einem Datensatz darzustellen.

Erstellen einer einfachen Heatmap

seaborn bietet eine Funktion namens heatmap(). Ihr einziges erforderliches Argument ist data, das ein 2D-Datensatz (Rechteck) sein muss.

Der vielleicht häufigste Anwendungsfall einer Heatmap ist eine Korrelationsmatrix wie im obigen Beispiel. Bei einem DataFrame sollte zunächst die Methode corr() aufgerufen werden, um eine Korrelationsmatrix zu erhalten. Erst dann wird diese Matrix als Argument an die Funktion heatmap() übergeben:

Ein häufiger Anwendungsfall für eine Heatmap ist die Darstellung einer Korrelationsmatrix. Bei einem DataFrame wird zunächst die Methode corr() aufgerufen, um die Korrelationsmatrix zu erhalten, und anschließend wird diese Matrix als Argument an die Funktion heatmap() übergeben.


              
123456789101112131415

            
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# Loading the dataset with the countries data
url = 'https://staging-content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/countries_data.csv'
countries_df = pd.read_csv(url, index_col=0)

# Creating a correlation matrix with all numeric variables
correlation_matrix = countries_df.corr(numeric_only=True)

# Creating a heatmap based on the correlation matrix
sns.heatmap(correlation_matrix)

plt.show()
copy

Die Korrelationsmatrix wurde unter Verwendung nur der numerischen Spalten des DataFrame erstellt. Spalten mit Zeichenfolgen wurden durch Setzen von numeric_only=True ausgeschlossen.

Annotation und Farben

Diese Heatmap kann informativer gestaltet werden, indem in jede Zelle der entsprechende Wert (Korrelationskoeffizient in diesem Fall) geschrieben wird. Dies kann einfach durch Setzen des Parameters annot auf True erreicht werden.

Note
Hinweis

Es ist ebenfalls möglich, die Farben unserer Heatmap durch Setzen des Parameters cmap zu ändern (weitere Informationen finden Sie im "Choosing color palettes"-Artikel).


              
123456789101112131415

            
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# Loading the dataset with the countries data
url = 'https://staging-content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/countries_data.csv'
countries_df = pd.read_csv(url, index_col=0)

# Creating a correlation matrix with all numeric variables
correlation_matrix = countries_df.corr(numeric_only=True)

# Setting annotation and color palette
sns.heatmap(correlation_matrix, annot=True, cmap='viridis')

plt.show()
copy

Die Farbskala auf der rechten Seite kann durch Setzen von cbar=False entfernt werden.

Note
Mehr erfahren

In den meisten Fällen sind dies alle Anpassungen, die Sie für eine Heatmap benötigen. Weitere Möglichkeiten zur Anpassung finden Sie jedoch in der heatmap() Dokumentation.

Lesbarkeit verbessern

Der letzte Schritt zur Verbesserung der Lesbarkeit unserer Heatmap ist das Drehen der Achsenbeschriftungen mit den bereits bekannten Funktionen xticks() und yticks():


              
12345678910111213141516171819

            
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd

# Loading the dataset with the countries data
url = 'https://staging-content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/countries_data.csv'
countries_df = pd.read_csv(url, index_col=0)

# Creating a correlation matrix with all numeric variables
correlation_matrix = countries_df.corr(numeric_only=True)

# Creating a heatmap based on the correlation matrix
sns.heatmap(correlation_matrix, annot=True, cmap='viridis')

# Rotating the ticks by 20 degrees counterclockwise
plt.xticks(rotation=20)
plt.yticks(rotation=20)

plt.show()
copy
Aufgabe

Swipe to start coding

  1. Die korrekte Methode zur Erstellung einer Korrelationsmatrix verwenden.
  2. Das Argument der Methode so setzen, dass nur numerische Variablen einbezogen werden.
  3. Die richtige Funktion zur Erstellung einer Heatmap verwenden.
  4. correlation_matrix als Daten für die Heatmap festlegen, indem das erste Argument entsprechend angegeben wird.
  5. Die Werte in jeder Zelle der Matrix hinzufügen, indem das zweite Argument angegeben wird.
  6. Die Farbpalette (colormap) der Heatmap auf 'crest' setzen, indem das dritte (rechte) Argument angegeben wird.
  7. Die x- und y-Achsenbeschriftungen um 15 Grad gegen den Uhrzeigersinn drehen, indem ein Schlüsselwortargument in xticks() und yticks() angegeben wird.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 5. Kapitel 7
Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
Wir sind enttäuscht, dass etwas schief gelaufen ist. Was ist passiert?
some-alt