[Python] 상관관계 시각화 히트맵, 클러스터 (ft. Jupyter Notebook)

 

 

 

쥬피터 노트북 Files에  data 폴더를 만들고 그 안에 

아래 csv 파일을 넣고 코드 따라해보세요 :)

 

 

 

[ 예시 1 ]

 

exam.csv

0.07MB

 

 

 

 

 

 

 

%matplotlib 은 Rich Outputs 출력 옵션.   (Rich Outputs : 도표, 그림, 소리, 애니메이션 등의 outputs )
파이썬에서 데이터를 차트나 플롯(Plot)으로 그려주는 라이브러리 패키지로서 가장 많이 사용되는 패키지. 
브라우저에서 바로 그림을 볼 수 있게 해주는 데이터 시각화(Data Visualization) 패키지.

 

%matplotlib inline  
이 명령어를 사용하면  플로팅 명령의 출력이 Jupyter Notebook과 같은 프론트에서 실행하면 결과를 셀 아래 inline으로 표시

 

 

 

 

import pandas as pd

pandas 라이브러리를 import 한다. 

이름은 pd 로 명명한다. 

 

 

import seaborn as sns

seaborn 라이브러리를 import 한다.  (seaborn은 시각화 테마들 사용하겠다고 불러오는 것)

이름은 sns 로 명명한다. 

 

 

pd.read_csv('파일경로')

read_csv 명령어로 파일을 가져올 수 있다.

엑셀을 가져올땐 read_excel 명령어로 가져오기.

엑셀에서 특정시트를 열고 싶다면 read_excel ( 파일명, sheet_name = '시트명')  

 

 

 

df. corr() 

데이터프레임 df의 상관계수를 계산

corr() 함수로 간단하게 상관계수 구할 수 있다. 

 

 

 

df. head()

데이터프레임 df 의 0~4행 까지 보여달라는 의미 

 

참고로 df. info() 명령어로 데이터 타입 살펴볼 수 있다

 

 

 

 

 

 

sns.heatmap(시각화할 데이터)

seaborn 라이브러리의 히트맵을 이용해서 시각화 할것이다.

 

 

 

 

 

 

[ 예시 2 ]

 

 

 

young_survey.csv

0.62MB

 

 

 

쥬피터 노트북에 아래와 같이 코드를 작성한다.

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

plt.rcParams['figure.figsize'] = [8, 5] # [width, height] (inches) 밑에나올 그래프 크기지정
df = pd.read_csv('data/young_survey.csv')  # csv 읽어들임

df.corr()   # 데이터프레임 df 상관관계 구하기

  

 

 

실행화면>

 

 

 

 

코드작성

music = df.iloc[:, :19]     #로우는 전부 선택,  칼럼은 0부터 19까지만 선택해서  music 에다가 넣음
music.head()  # 상위 5 row 보여줘

 

 

실행화면 >

 

 

 

 

코드작성

sns.heatmap(music.corr())   # music 데이터 상관관계를 구하고 그걸 히트맵으로 표현

# x축 45도 각도로 기울이고 싶으면  plt.xticks(rotation=45)

 

 

 

실행화면 >

 

 

 

코드작성

df.corr()['Age'].sort_values(ascending=False)   #Age 와 상관관계가 높은 순으로 정렬

 

 

 

실행화면 >

 

 

 

 

코드작성

interests = df.loc[:, 'History':'Pets']    # df 에서 row는 전부 선택하고 column은 History 부터 Pets 까지 선택해서  interests 에 넣음
interests.head()

 

 

실행화면 >

 

 

 

 

 

코드작성

corr = interests.corr()
corr

 

 

실행화면 >

.

.

.

 

 

 

 

 

코드작성

corr['History'].sort_values(ascending=False)

 

 

실행화면 >

 

 

 

코드작성

sns.clustermap(corr)    # 클러스터는 서로 유사한 것 끼리 묶어줌

 

 

실행화면 >