Lección 8.4: ¿Qué es un gráfico Heatmap, métodos , gráfico en pandas?
Lección 8.4: ¿Qué es un gráfico Heatmap, métodos, gráfico en pandas?
Introducción
En esta lección, Yuscu Mejía nos enseñará qué es un gráfico Heatmap, los métodos para crearlos y cómo generarlos directamente utilizando pandas
. Exploraremos los conceptos básicos y cómo aplicar estos métodos para visualizar relaciones y patrones en conjuntos de datos bidimensionales de manera efectiva.
Características
El uso de gráficos Heatmap en pandas
ofrece las siguientes características:
- Visualización de relaciones: Permiten visualizar relaciones entre variables utilizando colores para representar los valores de la matriz de datos.
- Fácil creación: Con
pandas
y librerías complementarias comoseaborn
, los Heatmaps se pueden crear de manera rápida y sencilla utilizando métodos comosns.heatmap()
. - Personalización: Ofrecen opciones para personalizar la apariencia del Heatmap, incluyendo escalas de colores, anotaciones y límites de ejes.
- Identificación de patrones: Ideales para detectar patrones, correlaciones y agrupaciones en datos multidimensionales.
Ejemplos
A continuación, Yuscu Mejía nos muestra algunos ejemplos de cómo utilizar pandas
y seaborn
para crear gráficos Heatmap:
- Generación de un Heatmap simple para visualizar la correlación entre variables numéricas.
- Creación de Heatmaps con anotaciones para mostrar los valores en cada celda.
- Personalización de Heatmaps, incluyendo la modificación de la paleta de colores y ajustes de formato.
# Importar pandas, seaborn y matplotlib
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# Cargar el DataFrame 'flights' de seaborn
df = sns.load_dataset('flights').pivot('month', 'year', 'passengers')
# Crear un Heatmap simple para mostrar la correlación entre variables
sns.heatmap(df)
plt.title('Heatmap de Pasajeros Mensuales por Año')
plt.show()
# Crear un Heatmap con anotaciones
sns.heatmap(df, annot=True, fmt='d', cmap='coolwarm')
plt.title('Heatmap Anotado de Pasajeros Mensuales por Año')
plt.show()
# Personalizar un Heatmap con diferentes escalas de colores y límites de ejes
sns.heatmap(df, annot=True, fmt='d', cmap='YlGnBu', cbar_kws={'label': 'Número de Pasajeros'})
plt.title('Heatmap Personalizado de Pasajeros Mensuales por Año')
plt.show()
Práctica
Aprende a utilizar pandas
y seaborn
para crear gráficos Heatmap siguiendo nuestro tutorial en video, presentado por Yuscu Mejía:
Ejercicio 1: Heatmap Simple
Utiliza pandas
y seaborn
para crear un Heatmap que muestre la correlación entre variables numéricas.
- a) Carga un DataFrame de ejemplo que contenga varias columnas numéricas.
- b) Visualiza la correlación entre estas variables utilizando
sns.heatmap()
.
Ejercicio 2: Heatmap con Anotaciones
Utiliza pandas
y seaborn
para crear un Heatmap anotado que visualice relaciones entre variables categóricas y numéricas.
- a) Carga un DataFrame con una estructura similar a ‘flights’ de seaborn.
- b) Crea un Heatmap con anotaciones para mostrar los valores en cada celda.
#Ejercicio 1
a) Heatmap Simple
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
# Cargar el DataFrame 'flights' de seaborn
df = sns.load_dataset('flights').pivot('month', 'year', 'passengers')
# Crear un Heatmap simple para mostrar la correlación entre variables
sns.heatmap(df)
plt.title('Heatmap de Pasajeros Mensuales por Año')
plt.show()
b) Heatmap con Anotaciones
# Crear un Heatmap con anotaciones
sns.heatmap(df, annot=True, fmt='d', cmap='coolwarm')
plt.title('Heatmap Anotado de Pasajeros Mensuales por Año')
plt.show()