Glissez pour afficher le menu

Carte Thermique

Définition

Une carte thermique est une méthode de visualisation de données bidimensionnelles utilisant des couleurs pour représenter l'intensité de chaque valeur.

Cet exemple utilise une carte thermique pour représenter les corrélations par paires entre les variables d'un ensemble de données.

Création d'une carte thermique simple

seaborn possède une fonction appelée heatmap(). Son seul paramètre obligatoire est data, qui doit être un ensemble de données 2D (rectangulaire).

L'utilisation la plus courante d'une carte thermique concerne une matrice de corrélation comme dans l'exemple ci-dessus. Étant donné un DataFrame, il convient d'appeler d'abord sa méthode corr() pour obtenir une matrice de corrélation, puis de passer cette matrice en argument à la fonction heatmap() :

Un cas d'utilisation fréquent d'une carte thermique est l'affichage d'une matrice de corrélation. Étant donné un DataFrame, appeler d'abord sa méthode corr() pour obtenir la matrice de corrélation, puis passer cette matrice en argument à la fonction heatmap().


              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()

La matrice de corrélation a été créée en utilisant uniquement les colonnes numériques du DataFrame. Les colonnes contenant des chaînes de caractères ont été exclues en définissant numeric_only=True.

Annotation et couleurs

Cette carte thermique peut être rendue plus informative en affichant la valeur appropriée (coefficient de corrélation dans notre cas) dans chaque cellule. Cela peut être réalisé simplement en définissant le paramètre annot sur True.

Remarque

Il est également possible de modifier les couleurs de notre carte thermique en définissant le paramètre cmap (vous pouvez l'explorer dans l'article "Choisir des palettes de couleurs").


              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()

La barre de couleur à droite peut être supprimée en définissant cbar=False.

Approfondir

Dans la plupart des cas, cela couvrira l'essentiel de la personnalisation de la carte thermique. Cependant, il est toujours possible d'explorer davantage dans la documentation de heatmap().

Amélioration de la lisibilité

L'élément final permettant d'améliorer la lisibilité de notre carte thermique consiste à faire pivoter les graduations à l'aide des fonctions déjà connues xticks() et 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()

Tâche

Swipe to start coding

Utiliser la méthode appropriée pour créer une matrice de corrélation.
Définir l'argument de la méthode pour inclure uniquement les variables numériques.
Utiliser la fonction appropriée pour créer une carte thermique (heatmap).
Définir correlation_matrix comme données pour la carte thermique en le spécifiant comme premier argument.
Ajouter les valeurs dans chaque cellule de la matrice en spécifiant le second argument.
Définir la palette (carte de couleurs) de la carte thermique sur 'crest' en la spécifiant comme troisième (dernier) argument.
Faire pivoter les graduations des axes x et y de 15 degrés dans le sens antihoraire en spécifiant un argument clé dans xticks() et yticks().

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 5. Chapitre 7

Demandez à l'IA

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

Carte Thermique

Définition

Une carte thermique est une méthode de visualisation de données bidimensionnelles utilisant des couleurs pour représenter l'intensité de chaque valeur.

Cet exemple utilise une carte thermique pour représenter les corrélations par paires entre les variables d'un ensemble de données.

Création d'une carte thermique simple

seaborn possède une fonction appelée heatmap(). Son seul paramètre obligatoire est data, qui doit être un ensemble de données 2D (rectangulaire).


              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()

Annotation et couleurs

Remarque

Il est également possible de modifier les couleurs de notre carte thermique en définissant le paramètre cmap (vous pouvez l'explorer dans l'article "Choisir des palettes de couleurs").


              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()

La barre de couleur à droite peut être supprimée en définissant cbar=False.

Approfondir

Dans la plupart des cas, cela couvrira l'essentiel de la personnalisation de la carte thermique. Cependant, il est toujours possible d'explorer davantage dans la documentation de heatmap().

Amélioration de la lisibilité

L'élément final permettant d'améliorer la lisibilité de notre carte thermique consiste à faire pivoter les graduations à l'aide des fonctions déjà connues xticks() et 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()

Tâche

Swipe to start coding

Utiliser la méthode appropriée pour créer une matrice de corrélation.
Définir l'argument de la méthode pour inclure uniquement les variables numériques.
Utiliser la fonction appropriée pour créer une carte thermique (heatmap).
Définir correlation_matrix comme données pour la carte thermique en le spécifiant comme premier argument.
Ajouter les valeurs dans chaque cellule de la matrice en spécifiant le second argument.
Définir la palette (carte de couleurs) de la carte thermique sur 'crest' en la spécifiant comme troisième (dernier) argument.
Faire pivoter les graduations des axes x et y de 15 degrés dans le sens antihoraire en spécifiant un argument clé dans xticks() et yticks().

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 5. Chapitre 7

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous