Je souhaite produire une carte thermique magnifiquement personnalisée de la matrice de corrélation. édition matplotlib

Aperçu

Avec Python + pandas + matplotlib, créez une ** heat map ** bien formatée à partir de la ** matrice de corrélation ** (une matrice de coefficients de corrélation entre chaque variable).

Ici, à titre d'exemple, je voudrais créer une carte de chaleur pour la matrice de corrélation ** 5 matières ** suivante.

fig2.png

Environnement d'exécution

Nous avons confirmé l'exécution et le fonctionnement avec Google Colab (Python 3.6.9). C'est presque le même que Jupyter Notebook.

!pip list 
matplotlib               3.1.2   
numpy                    1.17.4 
pandas                   0.25.3    

Préparation à l'utilisation du japonais avec matplotlib

Rendre le japonais disponible dans le diagramme de sortie de matplotlib.

!pip install japanize-matplotlib
import japanize_matplotlib

Avec ce qui précède, japanize-matplotlib-1.0.5 sera installé et importé, et même si vous utilisez le japonais pour les étiquettes, etc., les caractères ne seront pas déformés (tofu).

Trouvez la matrice de corrélation et créez une carte thermique pour le moment

La matrice de corrélation peut être facilement obtenue avec la fonction de pandas.

import pandas as pd

#Données factices
langue nationale= [76, 62, 71, 85, 96, 71, 68, 52, 85, 91]
société= [71, 85, 64, 55, 79, 72, 73, 52, 84, 84]
Math= [50, 78, 48, 64, 66, 62, 58, 50, 50, 60]
Science= [37, 90, 45, 56, 59, 56, 84, 86, 51, 61]
Anglais= [59, 97, 71, 85, 58, 82, 70, 61, 79, 70]
df = pd.DataFrame( {'langue nationale':langue nationale, 'société':société, 'Math':Math, 'Science':Science, 'Anglais':Anglais} )
#Calculer le coefficient de corrélation
df2 = df.corr() 
display(df2)

table1.png

Chaque élément de la matrice prend une valeur comprise entre $ -1,0 $ et 1,0 $. Plus cette valeur est proche de 1,0 $, plus la corrélation est ** positive **, et plus elle est proche de -1,0 $, la ** corrélation négative **. Dans la plage de -0,2 $ à 0,2 $, il est jugé comme ** non corrélé (non corrélé) **.

Puisque les éléments diagonaux sont le coefficient de corrélation entre les mêmes éléments, ce sera 1,0 $ (= il y a une corrélation positive parfaite).

Même si le coefficient de corrélation est organisé comme une valeur numérique comme indiqué ci-dessus, il est difficile de saisir l'ensemble, alors visualisons-le à l'aide d'une carte thermique.

Tout d'abord, créons une carte thermique avec le code minimum nécessaire sans ajuster l'apparence.

%reset -f
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.colors

#Données factices
langue nationale= [76, 62, 71, 85, 96, 71, 68, 52, 85, 91]
société= [71, 85, 64, 55, 79, 72, 73, 52, 84, 84]
Math= [50, 78, 48, 64, 66, 62, 58, 50, 50, 60]
Science= [37, 90, 45, 56, 59, 56, 84, 86, 51, 61]
Anglais= [59, 97, 71, 85, 58, 82, 70, 61, 79, 70]
df = pd.DataFrame( {'langue nationale':langue nationale, 'société':société, 'Math':Math, 'Science':Science, 'Anglais':Anglais} )

#Calculer le coefficient de corrélation
df2 = df.corr() 
display(df2)

#Sortie de la matrice des coefficients de corrélation sous forme de carte thermique
plt.figure(dpi=120)
plt.imshow(df2,interpolation='nearest',vmin=-1.0,vmax=1.0)
plt.colorbar()

#Réglage des noms d'éléments de sortie (langue nationale, société, mathématiques, sciences, anglais) sur l'axe
n = len(df2.columns) #Nombre d'objets
plt.gca().set_xticks(range(n))
plt.gca().set_xticklabels(df2.columns)
plt.gca().set_yticks(range(n))
plt.gca().set_yticklabels(df2.columns)

Résultat d'exécution

Vous pouvez obtenir la sortie suivante: Sur la base de la barre de couleur sur le côté droit, il y a une ** corrélation négative ** où se trouvent les couleurs violet foncé et bleu, et une ** corrélation positive où se trouvent les couleurs jaune vif et vert. Je vais lire s'il y a **.

fig1.png

Pour être honnête, il n'est pas possible de créer une carte thermique facile à comprendre avec les paramètres par défaut.

Magnifiquement sortie

Nous allons le personnaliser pour obtenir une belle carte de chaleur intuitive. Les principaux points sont les suivants.

――Les composantes diagonales sont blanches et ombrées.

Une fois codé, cela ressemble à ceci:

%reset -f
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patheffects as path_effects
import matplotlib.ticker as ticker
import matplotlib.colors

#Données factices
langue nationale= [76, 62, 71, 85, 96, 71, 68, 52, 85, 91]
société= [71, 85, 64, 55, 79, 72, 73, 52, 84, 84]
Math= [50, 78, 48, 64, 66, 62, 58, 50, 50, 60]
Science= [37, 90, 45, 56, 59, 56, 84, 86, 51, 61]
Anglais= [59, 97, 71, 85, 58, 82, 70, 61, 79, 70]
df = pd.DataFrame( {'langue nationale':langue nationale, 'société':société, 'Math':Math, 'Science':Science, 'Anglais':Anglais} )
#Calculer le coefficient de corrélation
df2 = df.corr()
for i in df2.index.values :
  df2.at[i,i] = 0.0

#Sortie de la matrice des coefficients de corrélation sous forme de carte thermique
plt.figure(dpi=120)

#Carte de couleurs personnalisée
cl = list()
cl.append( ( 0.00, matplotlib.colors.hsv_to_rgb((0.6, 1.  ,1))) )
cl.append( ( 0.30, matplotlib.colors.hsv_to_rgb((0.6, 0.1 ,1))) )
cl.append( ( 0.50, matplotlib.colors.hsv_to_rgb((0.3, 0.  ,1))) )
cl.append( ( 0.70, matplotlib.colors.hsv_to_rgb((0.0, 0.1 ,1))) )
cl.append( ( 1.00, matplotlib.colors.hsv_to_rgb((0.0, 1.  ,1))) )
ccm = matplotlib.colors.LinearSegmentedColormap.from_list('custom_cmap', cl)

plt.imshow(df2,interpolation='nearest',vmin=-1.0,vmax=1.0,cmap=ccm)

#Réglage de la barre de couleur à afficher sur le côté gauche
fmt = lambda p, pos=None : f'${p:+.1f}$' if p!=0 else '  $0.0$'
cb = plt.colorbar(format=ticker.FuncFormatter(fmt))
cb.set_label('Coefficient de corrélation', fontsize=11)

#Paramètres liés à la sortie des éléments (langue nationale, société, mathématiques, sciences, anglais)
n = len(df2.columns) #Nombre d'objets
plt.gca().set_xticks(range(n))
plt.gca().set_xticklabels(df.columns)
plt.gca().set_yticks(range(n))
plt.gca().set_yticklabels(df.columns)

plt.tick_params(axis='x', which='both', direction=None, 
                top=True, bottom=False, labeltop=True, labelbottom=False)
plt.tick_params(axis='both', which='both', top=False, left=False )

#Paramètres de la grille
plt.gca().set_xticks(np.arange(-0.5, n-1), minor=True);
plt.gca().set_yticks(np.arange(-0.5, n-1), minor=True);
plt.grid( which='minor', color='white', linewidth=1)

#Ligne diagonale
plt.plot([-0.5,n-0.5],[-0.5,n-0.5],color='black',linewidth=0.75)

#Afficher le coefficient de corrélation (texte avec bordure)
tp = dict(horizontalalignment='center',verticalalignment='center')
ep = [path_effects.Stroke(linewidth=3, foreground='white'),path_effects.Normal()]
for y,i in enumerate(df2.index.values) :
  for x,c in enumerate(df2.columns.values) :
    if x != y :
      t = plt.text(x, y, f'{df2.at[i,c]:.2f}',**tp)
      t.set_path_effects(ep) 

Résultat d'exécution

fig2.png

Recommended Posts

Je souhaite produire une carte thermique magnifiquement personnalisée de la matrice de corrélation. édition matplotlib
Keras Je veux obtenir la sortie de n'importe quelle couche !!
Je veux sortir le début du mois prochain avec Python
Je veux créer un histogramme et superposer la courbe de distribution normale dessus. édition matplotlib
Je souhaite trier une liste dans l'ordre des autres listes
Python: je souhaite mesurer proprement le temps de traitement d'une fonction
Je souhaite résoudre le problème de fuite de mémoire lors de la sortie d'un grand nombre d'images avec Matplotlib
Je veux faire de matplotlib un thème sombre
Je souhaite personnaliser l'apparence de zabbix
Je souhaite définir un cycle de vie dans la définition de tâche d'ECS
Je veux ajouter du silence pendant 1 seconde au début d'un fichier wav
Je souhaite voir une liste de fichiers WebDAV dans le module Requêtes
J'ai essayé d'afficher le degré d'infection par le virus corona sur la carte thermique Seaborn
Je veux grep le résultat de l'exécution de strace
Je veux bien comprendre les bases de Bokeh
Je souhaite installer un package de Php Redis
[Python] Comment créer une matrice de corrélation et une carte thermique
Je souhaite créer manuellement une légende avec matplotlib
Je souhaite augmenter la sécurité de la connexion SSH
Je veux démarrer beaucoup de processus à partir de python
Je souhaite utiliser uniquement le traitement de normalisation SudachiPy
Je veux obtenir des informations sur le fonctionnement de Yahoo Route
J'ai fait une fonction pour vérifier le modèle de DCGAN
Je veux trouver l'intersection d'une courbe de Bézier et d'une ligne droite (méthode de découpage de Bézier)
Je veux déterminer l'authenticité d'un élément du tableau numpy
Je veux connaître la nature de Python et pip
Je souhaite mapper le code EDINET et le numéro de valeur
Je veux connaître la légende du monde des technologies informatiques
Je veux créer un Dockerfile pour le moment.
Lors de la génération d'un grand nombre de graphiques avec matplotlib, je ne souhaite pas afficher le graphique à l'écran (environnement jupyter)
Je veux créer un graphique avec des lignes ondulées au milieu avec matplotlib (je veux manipuler l'impression)
[Twitter] Je veux faire des tweets téléchargés (de mon compte) dans un beau CSV
Je veux clarifier la question de la méthode "__init__" et de l'argument "self" de la classe Python.
Je souhaite extraire les informations d'étiquette (titre et artiste) d'un fichier de musique (flac, wav).
Je veux obtenir le nom de la fonction / méthode en cours d'exécution
Je souhaite enregistrer l'heure d'exécution et conserver un journal.
Je veux lire la version html de la version "OpenCV-Python Tutorials" OpenCV 3.1
[Introduction à StyleGAN] J'ai joué avec "The Life of a Man" ♬
Je veux créer un système pour éviter d'oublier de serrer la clé 1
Comment afficher le résultat de sortie de la commande man Linux dans un fichier
Je veux vérifier la position de mon visage avec OpenCV!
Je veux connaître la population de chaque pays du monde.
J'ai essayé de trier les objets de l'image du plat de steak --③ Image similaire Détection de carte de chaleur
Je veux utiliser quatre règles compliquées dans l'instruction IF du modèle Django! → Utilisez un modèle personnalisé
Je veux changer la couleur en cliquant sur le point de dispersion dans matplotlib
Je souhaite envoyer un signal uniquement du sous-thread au thread principal
(Matplotlib) Je veux dessiner un graphique avec une taille spécifiée en pixels
Je ne veux pas l'admettre ... Représentation dynamique du système de Neural Network
Je veux convertir par lots le résultat de "chaîne de caractères" .split () en Python
Je veux expliquer en détail la classe abstraite (ABCmeta) de Python
Je veux exprimer mes sentiments avec les paroles de Mr. Children
Je veux colorer une partie de la chaîne Excel avec Python
Je veux analyser les sentiments des gens qui veulent se rencontrer et trembler
Je veux prédire le succès des joueurs NBA utilisant le SDK Qore
Je souhaite laisser une commande arbitraire dans l'historique des commandes de Shell