Вопрос или проблема
У меня есть изображение тепловой карты (корреляция между всеми столбцами матрицы), и я не могу выполнить все изменения, указанные ниже, в одном и том же изображении:
- Цвета столбцов должны быть симметричны относительно нуля (например, корреляция 1 и -1 должна быть одного цвета)
- Измените корреляционную матрицу на диагональную матрицу, так как значения корреляции симметричны, и покажите только верхний треугольник матрицы (замаскируйте нижний треугольник)
- Покажите значения корреляции в каждой ячейке диагональной матрицы
- Подписи осей x, y – покажите названия столбцов (вместо.serial номера)
Вот код:
def generate_heatmap(X):
"""
График тепловой карты корреляции Пирсона
:return:
"""
print("Начало построения тепловой карты корреляции Пирсона .. ", datetime.now())
plt.figure(figsize=(10,8))
plt.title('Корреляция Пирсона miRNAs', y=1.05, size=15)
# Корреляционная матрица для тепловой карты
corr = np.corrcoef(X.transpose())
plt.imshow(corr, cmap='BuPu', interpolation='nearest')
plt.colorbar()
plt.show()
Это то, как я получил желаемый график:
def generate_heatmap(X):
"""
График тепловой карты корреляции Пирсона
:return:
"""
#from matplotlib import cm as CM
from matplotlib.colors import LinearSegmentedColormap
print("Начало построения тепловой карты корреляции Пирсона .. ", datetime.now())
# получение имен столбцов
cols = X.columns
# определите график для тепловой карты
fig, ax = plt.subplots(figsize=(16,16))
# ------------------------------------------------------------
# Корреляционная матрица для тепловой карты. Транспонирование, потому что нам нужна матрица pxp (а не nxn)
corr = np.corrcoef(X, rowvar=False)
# показываем только верхний треугольник матрицы - замаскируем нижний треугольник данных корреляции
corr = np.triu(corr, k=0)
# ------------------------------------------------------------
# Редактирование графики графика
plt.title('Корреляция Пирсона ' + str(len(cols)) + ' miRNAs', y=1.05, size=15, fontsize=32)
# цвета столбцов должны быть симметричны относительно нуля!
colors = [(1, 0, 0), 'w', (1, 0, 0)]
cm = LinearSegmentedColormap.from_list('heatmap', colors, N=20)
# ------------------------------------------------------------
# Тепловая карта на основе матрицы корреляции, которую мы предоставили
c = plt.pcolor(corr, edgecolors="w", linewidths=2, cmap=cm, vmin=-1.0, vmax=1.0)
# ------------------------------------------------------------
# Редактирование дополнительной графики графика (если она не слишком большая)
if len(cols) < 50:
# установка названий меток осей
ax.set_xticks(np.arange(len(cols)))
ax.set_xticklabels(labels=cols, rotation=45, fontsize=12, ha="center")
ax.set_yticks(np.arange(len(cols)))
ax.set_yticklabels(labels=cols, rotation=45, fontsize=12)
# показ значений корреляции в каждой ячейке
for (i, j), z in np.ndenumerate(corr):
# в симметричных значениях не аннотируем ячейку значением корреляции
if (i > j):
continue
else:
# va и ha не работают, мы добавляем +0.4, чтобы обойти центровку значений
ax.text(j+0.4, i+0.4, '{:0.2f}'.format(z), ha="center", va="bottom", fontsize=11)
plt.colorbar(c)
plt.show()
#generate_heatmap(miRNA_data[selected_mir_columns])
Ответ или решение
Для создания изменённого графика тепловой карты (heatmap) корреляции между столбцами матрицы, следует внести несколько точечных изменений в исходный код. Давайте разберём каждый из пунктов требований.
1. Симметричные цвета для значений
Чтобы цвета на тепловой карте были симметричными относительно нуля (т.е. корреляция +1 и -1 имела бы одинаковый цвет), необходимо изменить цветовую карту, используя градиент от красного через белый к красному. Этот градиент будет указывать на положительные и отрицательные корреляции.
2. Отображение только диагональных значений
Смещение для отображения только позвоночных значений матрицы корреляции можно достичь с помощью функции np.triu, которая маскирует нижнюю триугольную часть матрицы. Таким образом, мы будем отображать только верхнюю треугольную часть, где находятся все интересные значения, сохраняющие симметрию.
3. Показ значений в каждой ячейке
Для отображения значений корреляции в каждом соответствующем элементе диагональной матрицы необходимо использовать функцию для аннотирования графика. Однако нужно убедиться, что аннотация происходит только для верхней части матрицы.
4. Подписи осей и отображение названий столбцов
Этикетки по оси X и Y следует настроить таким образом, чтобы они отображали названия соответствующих колонок из оригинального датафрейма.
Итоговый код
Вот обновлённый код функции generate_heatmap, который включает все вышеперечисленные требования:
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap
from datetime import datetime
def generate_heatmap(X):
"""
Построение тепловой карты корреляции Пирсона.
:param X: Входные данные (DataFrame)
:return: Отображение тепловой карты
"""
print("Начало построения тепловой карты корреляции Пирсона ..", datetime.now())
# Получаем названия колонок
cols = X.columns
# Определяем график для тепловой карты
fig, ax = plt.subplots(figsize=(16, 16))
# Корреляционная матрица
corr = np.corrcoef(X, rowvar=False)
# Маскируем нижнюю треугольную матрицу
corr = np.triu(corr, k=0)
# Заголовок графика
plt.title('Корреляция Пирсона для ' + str(len(cols)) + ' miRNA', y=1.05, size=15, fontsize=32)
# Симметричные цвета
colors = [(1, 0, 0), 'w', (1, 0, 0)]
cm = LinearSegmentedColormap.from_list('heatmap', colors, N=20)
# Построение тепловой карты
c = plt.pcolor(corr, edgecolors="w", linewidths=2, cmap=cm, vmin=-1.0, vmax=1.0)
# Изменение графических настроек
if len(cols) < 50:
# Настройка меток осей
ax.set_xticks(np.arange(len(cols)))
ax.set_xticklabels(labels=cols, rotation=45, fontsize=12, ha="center")
ax.set_yticks(np.arange(len(cols)))
ax.set_yticklabels(labels=cols, rotation=45, fontsize=12)
# Показ значений корреляции в каждой ячейке
for (i, j), z in np.ndenumerate(corr):
if i > j:
continue
ax.text(j + 0.4, i + 0.4, '{:0.2f}'.format(z), ha="center", va="bottom", fontsize=11)
plt.colorbar(c)
plt.show()
# Применение функции на вашем наборе данных
# generate_heatmap(miRNA_data[selected_mir_columns])Заключение
С этим обновлённым кодом вы получите тепловую карту с цветами, симметричными относительно нуля, отображением только верхней части корреляционной матрицы, значениями в ячейках и четкими названиями колонок на осях. Каждое из этих изменений повышает информативность визуализации и делает её более удобной для анализа корреляций между фичами в ваших данных.