إنشاء Correlation heatmap باستخدام Seaborn في بايثون؟

بالتأكيد يمكنك القيام بذلك فالارتباط هو أمر مهم جداً لعلماء البيانات، حيث يخبرنا كيف ترتبط المتغيرات في مجموعة البيانات ببعضها البعض وكيف تتحرك بالنسبة لبعضها البعض.
وتتراوح قيمة الارتباط من -1 إلى +1، مع العلم أن 0 تشير إلى أن المتغيرين مستقلين عن بعضهما البعض. والقيم أكبر  من 0 (أي الارتباط الموجب) إلى أن المتغيرات تتحرك في نفس الاتجاه أما السلبي إلى عكس ذلك.
ويمكنك رسم ال Correlation heatmap باستخدام seaborn بسهولة من خلال الدالة heatmap مع الاستعانة بالتابع corr الذي يُطبق على إطار بيانات ويُرجع correlation matrix أي مصفوفة الارتباط بالشكل التالي:

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
data = pd.DataFrame({"Day 1": [7,1,5,6,3,10,5,8],
                    "Day 2" : [1,2,8,4,3,9,5,2],
                    "Day 3" : [4,6,5,8,6,1,2,3],
                    "Day 4" : [5,8,9,5,1,7,8,9]})
# لعرض الارتباطات corr نستخدم الدالة 
print(data.corr())
"""
          Day 1     Day 2     Day 3     Day 4
Day 1  1.000000  0.377218 -0.605940  0.194795
Day 2  0.377218  1.000000 -0.373907  0.287647
Day 3 -0.605940 -0.373907  1.000000 -0.416863
Day 4  0.194795  0.287647 -0.416863  1.000000
"""

الآن لرسمها:

# plotting correlation heatmap
dataplot = sb.heatmap(data.corr(), cmap="YlGnBu", annot=True)

الخرج: