Python의 Seaborn에서 상관 관계를 아름답게 시각화

변수의 Correlation을 깨끗하게

우선 pandas나 numpy, seaborn등의 필요한 라이브러리를 import해, 이번 사용하는 잘 알려진 데이터 세트의 iris를 데이터 프레임으로 읽어들인다.



그리고이 키의 SepalLengthCm, SepalWidthCm, PetalLengthCm, PetalWidthCm의 상관 관계를 seaborn의 heatmap으로 시각화.

seaborn

# correlation between それぞれの変数
cr = ['SepalLengthCm', 'SepalWidthCm', 'PetalLengthCm','PetalWidthCm']
cr_matrix = iris[cr].corr()
heatmap = sns.heatmap(cr_matrix,cbar=True,annot=True,square=True,fmt='.2f',annot_kws={'size': 15},yticklabels=cr,xticklabels=cr,cmap='Accent')

이제 상관도를 얻을 수 있습니다. 위의 상관도를 보면 PetalLengthCm과 PetalWidthCm이 높은 상관 관계에 있음을 알 수 있습니다.

아래는 heatmap 내의 변수의 의미이다.

heatmap 내의 변수 요약

cbar
cbar는 상관도의 오른쪽에 있는 수치의 크고 작은 것을 나타내기 쉽게 하기 위해 삽입할 수 있는 막대기. True로 삽입할 수 있다.

annot
이 annot를 True로 하는 것으로 하나하나가 어울리는 box안에 수치를 표시시킬 수 있다.

square
square를 True로 하면, 하나하나의 테두리가 정사각형이 되어 보기 쉬워지므로 추천.

fmt
테두리의 문자열에 주는 규칙입니다. 상기에서는 .2f로 하고, 소수 제2점까지를 표시시키고 있다.

annot_kws
annot이 True 일 때 문자열 조작.

yticklabels
y축의 값. 여기에서는 correlation(상관)을 보므로 x, y 모두 iris 내의 키를 넣는다.

xticklabels
마찬가지로 x 축의 값.

cmap
matplotlib에서도 사용되는 컬러 코드를 seaborn에서도 사용할 수 있다. 컬러 코드 목록은 아래 링크를 참조하십시오. 이번에는 'Accent'의 컬러 코드를 사용.

cmap을 사용할 때는 이 중에서 선택해 참조한다