[seaborn] heatmap과 pairplot으로 상관계수 시각화

seaborn의 heatmap과 pairplot으로 상관계수 시각화

In [1]:

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

In [2]:

test_df = pd.DataFrame({"v1":[100,200,300,400], "v2":[400,200,100,250], "v3":[40,60,60,100]})
test_df

Out[2]:

	v1	v2	v3
0	100	400	40
1	200	200	60
2	300	100	60
3	400	250	100

 

corr함수는 상관계수를 구하는 함수이며 pearson은 상관계수를 구하는 계산 방법 중 하나

In [3]:

corr = test_df.corr(method='pearson')
corr

Out[3]:

	v1	v2	v3
v1	1.000000	-0.568038	0.923381
v2	-0.568038	1.000000	-0.291397
v3	0.923381	-0.291397	1.000000

 

v1과 v1, v2와 v2, v3와 v3가 모두 1인 것을 확인할 수 있는데, 이처럼 대각선에 있는 값은 자기 자신과의 상관계수를 구하는 것이기 때문에 1이다.

그렇기 때문에 대각선을 기준으로 위의 삼각존을 보던지 아니면 아래의 삼각존을 보면 된다.

In [4]:

corr_column_names = ['ver1', 'ver2', 'ver3']

 

heatmap

In [5]:

sns.set(font_scale=2.0) # 레이블의 폰트 사이즈를 조정

test_heatmap = sns.heatmap(corr.values,# 데이터
                          cbar = True, # 오른쪽 컬러 막대 출력 여부
                          annot = True, # 차트에 상관계수 값을 보여줄 것인지 여부
                          annot_kws={'size' : 20}, # 숫자 출력 시 숫자 크기 조절
                           fmt = '.3f', # 숫자의 출력 소수점자리 개수 조절
                           square = 'True', # 차트를 정사각형으로 할 것인지
                          yticklabels=corr_column_names, # y축에 컬럼명 출력
                          xticklabels=corr_column_names) # x축에 컬럼명 출력
plt.tight_layout()
plt.show()

 

 

• cbar : 오른쪽에 있는 막대(범주)를 표시
• annot : 상관계수를 표시
• square : 정사각형으로 지정하는 것이며, False로 설정 시 직사각형이 됨
• fmt : 상관계수의 소수점 자리수를 지정
• annot_kws : 상관계수의 글자 크기를 지정
• yticklabels : y축 레이블 값
• xticklabels : x축 레이블 값

 

 

pairplot

In [6]:

sns.set(style='whitegrid') # whitegrid = 배경에 하얀 선
sns.pairplot(test_df)
plt.show()

 

 

주류 데이터의 상관계수

In [7]:

url = 'https://raw.githubusercontent.com/justmarkham/DAT8/master/data/drinks.csv'
drink_df = pd.read_csv(url, ',')

In [8]:

drink_df.columns

Out[8]:

Index(['country', 'beer_servings', 'spirit_servings', 'wine_servings',
       'total_litres_of_pure_alcohol', 'continent'],
      dtype='object')

In [9]:

cols = ['beer_servings', 'spirit_servings', 'wine_servings', 'total_litres_of_pure_alcohol']
corr = drink_df[cols].corr(method='pearson')
corr

Out[9]:

	beer_servings	spirit_servings	wine_servings	total_litres_of_pure_alcohol
beer_servings	1.000000	0.458819	0.527172	0.835839
spirit_servings	0.458819	1.000000	0.194797	0.654968
wine_servings	0.527172	0.194797	1.000000	0.667598
total_litres_of_pure_alcohol	0.835839	0.654968	0.667598	1.000000

 

상관계수가 가장 높은 것은 beer_servings와 total_litres_of_pure_alcohol의 상관계수 값이다.

In [10]:

corr_column_names = ['beer', 'spirit', 'wine', 'alcohol']

In [11]:

sns.set(font_scale=1.5)
hm = sns.heatmap(corr.values,
                    cbar=True,
                    annot=True, 
                    square=True,
                    fmt='.2f',
                    annot_kws={'size': 15},
                    yticklabels=corr_column_names,
                    xticklabels=corr_column_names)
plt.title('Drink Correlation Coefficient')
plt.tight_layout()
plt.show()

 

 

피어슨의 상관계수는 일반적으로,

• 값이 -1.0 ~ -0.7 이면, 강한 음적 상관관계
• 값이 -0.7 ~ -0.3 이면, 뚜렷한 음적 상관관계
• 값이 -0.3 ~ -0.1 이면, 약한 음적 상관관계
• 값이 -0.1 ~ +0.1 이면, 없다고 할 수 있는 상관관계
• 값이 +0.1 ~ +0.3 이면, 약한 양적 상관관계
• 값이 +0.3 ~ +0.7 이면, 뚜렷한 양적 상관관계
• 값이 +0.7 ~ +1.0 이면, 강한 양적 상관관계

로 해석

 

In [12]:

sns.set(style='whitegrid')
sns.pairplot(drink_df[['beer_servings', 'spirit_servings', 
                     'wine_servings', 'total_litres_of_pure_alcohol']])
#plt.title('Drink Pair Plot')
plt.show()

 

 

 

 

 

출처 : 핀테크 Pre-인턴십 코스 - 금융 데이터 분석