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_corrHasil 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