seaborn matrxi plot
Data Visualization, Python

Tutorial Seaborn : Mengenal Matrix plot

Matrixplot adalah plot yang berbentuk matrix umumnya digunakan untuk melihat korelasi antar variabel

Untuk menggunakan matrixplot() pertama kita harus cari korelasi antar atribut data dengan fungsi corr()

dari hasil korelasi kita dapat membuat matrixplot untuk melihat data lebih dalam misalnya korelasi bisa dilihat dari perbedaan atau kedalaman warna

untuk dataset kita gunakan dataset tips

tips = sns.load_dataset('tips')
tips_corr = tips.corr()
tips_corr

Hasil korelasinya adalah

Hubungan ketiga atribut ini cukup tinggi. korelasi atribut tip dengan total_bill adalah 0.67 dan dengan atribut size adalah 0.48

Gunakan fungsi heatmap() untuk membuat matrixplot

sns.heatmap(tips_corr)

Kita bisa gunakan argumen annot=True untuk menampilkan korelasi antar atribut. Jika nilai korelasi mendekati 1 maka hubungan antar atribut semakin tinggi

Kita juga bisa merubah warna korelasi dari matrixplot dengan mengubah argumen cmap

Kita bisa ubah argumen cmap menjadi YlGnBu, coolwarm, magma

Custom Pallate

Kita juga bisa gunakan light_palette() atau dark_palette() untuk merubah matrixplot menjadi 1 warna yang mempunyai gradasi warna

Kita cukup masukkan parameter warna di dalam fungsi light_palette() atau dark_palette()

Kita lihat gradasi warna dengan palplot()

sns.palplot(sns.light_palette("green"))
sns.palplot(sns.light_palette("blue"))
sns.palplot(sns.light_palette("yellow"))
sns.palplot(sns.light_palette("pink"))
sns.palplot(sns.light_palette("red"))

Hasilnya adalah

Sekarang kita akan coba implementasikan di dataset tips

warna = sns.light_palette("green")
sns.heatmap(tips_corr, annot=True, cmap=warna)
warna = sns.dark_palette("red")
sns.heatmap(tips_corr, annot=True, cmap=warna)

Oke.. berakhir sudah perjalanan seaborn.. selamat bereksplorasi lebih lanjut

Leave a Reply

Your email address will not be published. Required fields are marked *