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 como seaborn, los Heatmaps se pueden crear de manera rápida y sencilla utilizando métodos como sns.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.

Ejercicios Resueltos

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()