Ma trận tương quan và heatmap với seaborn (sns.heatmap)
Bài 7/10 · Chương 3
Biểu đồ thống kê với seaborn
- 8 phút
- Cơ bản
- Python 3.14
- Cập nhật
Trong bài này · 12
Ma trận tương quan là bảng vuông ghi hệ số tương quan của mọi cặp cột, và với năm, sáu cột trở lên thì một bảng số khó đọc. Heatmap của seaborn tô mỗi ô một màu theo hệ số, sns.heatmap() ghi số lên ô, đặt màu trung tính ở 0 và che nửa bảng lặp lại để mắt chỉ phải đọc một lần.
Cần biết trước: tương quan là gì, màu sắc trong Matplotlib, seaborn khác Matplotlib ở đâu và mặt nạ boolean trong NumPy.
Từ ma trận tương quan đến sns.heatmap()
Bài trước tính ma trận tương quan của năm chỉ số không khí bằng df.corr(). Lần này bạn đổi tên cột sang chữ có dấu trước, vì tên cột sẽ thành nhãn hai trục của hình, rồi đưa thẳng ma trận vào sns.heatmap():
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
kk = pd.read_csv("khong_khi.csv")
TEN = {"pm25": "PM2.5", "pm10": "PM10", "nhiet_do": "Nhiệt độ",
"do_am": "Độ ẩm", "mua_mm": "Lượng mưa"}
r = kk[list(TEN)].rename(columns=TEN).corr()
fig, ax = plt.subplots(figsize=(6.4, 5), layout="constrained")
sns.heatmap(r, ax=ax)
ax.set_title("Tương quan giữa năm chỉ số không khí")
plt.show()Mỗi ô là một cặp: dòng và cột cho biết hai chỉ số nào, màu cho biết r lớn hay nhỏ. Thanh màu bên phải là thang đọc: ô càng sáng thì r càng lớn. Cặp PM2.5 và PM10 sáng gần bằng đường chéo, vì r của chúng gần 1. Nhưng thang màu mặc định chạy một chiều từ tối tới sáng, nên ô -0,64 tối hơn ô 0,13 dù nó cho thấy một mối liên hệ mạnh hơn nhiều. Hai mục sau sửa điều đó.
Ghi số lên ô bằng annot=True
annot=True ghi giá trị của mỗi ô lên chính ô đó, fmt=".2f" giữ hai chữ số sau dấu chấm. Màu cho cái nhìn tổng thể, số cho độ chính xác:
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
kk = pd.read_csv("khong_khi.csv")
TEN = {"pm25": "PM2.5", "pm10": "PM10", "nhiet_do": "Nhiệt độ",
"do_am": "Độ ẩm", "mua_mm": "Lượng mưa"}
r = kk[list(TEN)].rename(columns=TEN).corr()
fig, ax = plt.subplots(figsize=(6.4, 5), layout="constrained")
sns.heatmap(r, annot=True, fmt=".2f", ax=ax)
ax.set_title("Tương quan giữa năm chỉ số không khí, kèm hệ số")
print(len(ax.texts), ax.texts[1].get_text())
plt.show()KẾT QUẢ
25 0.9925 ô, 25 con số, mỗi ô một chuỗi chữ nằm trong ax.texts. seaborn tự chọn chữ trắng trên ô tối và chữ đen trên ô sáng. Không có fmt=, seaborn dùng dạng .2g, hai chữ số có nghĩa: hệ số 0,0034 sẽ hiện 0.0034 bên cạnh 0.13, các ô dài ngắn khác nhau. fmt=".2f" giữ các ô cùng hai chữ số sau dấu chấm.
Colormap phân kỳ với center=0
Hệ số tương quan có hai phía: dương và âm, và 0 là chỗ "không có gì". Colormap phân kỳ như "coolwarm" có hai màu ở hai đầu, xanh và đỏ, nhạt dần về giữa. center=0 đặt màu nhạt nhất đúng ở r = 0:
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
kk = pd.read_csv("khong_khi.csv")
TEN = {"pm25": "PM2.5", "pm10": "PM10", "nhiet_do": "Nhiệt độ",
"do_am": "Độ ẩm", "mua_mm": "Lượng mưa"}
r = kk[list(TEN)].rename(columns=TEN).corr()
fig, ax = plt.subplots(figsize=(6.4, 5), layout="constrained")
sns.heatmap(r, annot=True, fmt=".2f", cmap="coolwarm", center=0,
ax=ax)
ax.set_title("Bụi đi ngược nhiệt độ, độ ẩm và mưa")
plt.show()Giờ hình kể chuyện ngay: ô đỏ là cùng chiều, ô xanh là ngược chiều, ô nhạt là gần như không liên quan. Hàng PM2.5 có ba ô xanh với nhiệt độ, độ ẩm và mưa. Thiếu center=0, seaborn đặt màu nhạt nhất ở giữa khoảng dữ liệu, khoảng 0,18, nên một ô r = 0 trông hơi xanh như thể có tương quan âm.
Che nửa tam giác trên bằng np.triu
Ma trận đối xứng: ô (PM2.5, Độ ẩm) bằng ô (Độ ẩm, PM2.5), còn đường chéo luôn là 1. Một nửa bảng là thừa. mask= nhận một mảng boolean cùng hình với ma trận, ô nào True thì bị che. np.triu() giữ phần từ đường chéo trở lên của mảng toàn True và đặt phần dưới thành False:
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
kk = pd.read_csv("khong_khi.csv")
TEN = {"pm25": "PM2.5", "pm10": "PM10", "nhiet_do": "Nhiệt độ",
"do_am": "Độ ẩm", "mua_mm": "Lượng mưa"}
r = kk[list(TEN)].rename(columns=TEN).corr()
che = np.triu(np.ones_like(r, dtype=bool))
fig, ax = plt.subplots(figsize=(6.4, 5), layout="constrained")
sns.heatmap(r, mask=che, annot=True, fmt=".2f", cmap="coolwarm",
center=0, ax=ax)
ax.set_title("Bụi đi ngược nhiệt độ, độ ẩm và mưa")
print(len(ax.texts))
plt.show()KẾT QUẢ
10Còn 10 ô, đúng 5 × 4 / 2 cặp khác nhau, mỗi cặp hiện một lần. Dòng PM2.5 và cột Lượng mưa trống vì mọi ô của chúng nằm trên đường chéo hoặc phía trên nó. np.ones_like(r, dtype=bool) tạo mảng 5 × 5 toàn True; np.triu() giữ True ở đường chéo và phía trên, nên đúng phần đó bị che. Đổi np.triu(np.ones_like(r, dtype=bool)) thành np.triu(np.ones_like(r, dtype=bool), k=1) rồi chạy lại: dòng in ra thành 15, vì đường chéo toàn 1.00 hiện lại.
Kiểm tra nhanh
Trong ví dụ annot=True,
fmt=".2f"làm gì?- Làm tròn chính ma trận
rvề hai chữ số - Ghi số trên mỗi ô với đúng hai chữ số sau dấu chấm
- Đổi thang màu sang hai màu
- Làm tròn chính ma trận
Vì sao ma trận tương quan nên dùng
cmap="coolwarm", center=0?- Vì
coolwarmlà colormap duy nhất seaborn hỗ trợ - Để ô đường chéo luôn có màu đỏ đậm nhất
- Để dương một màu, âm một màu, và r = 0 có màu nhạt nhất
- Vì
Sau
import numpy as np,int(np.triu(np.ones((6, 6), dtype=bool)).sum())cho kết quả gì?153621
Trong khung bẫy, vì sao ô Lý và Sử là
NaN?- Vì hai môn có tương quan đúng bằng 0
- Vì không thí sinh nào có cả điểm Lý lẫn điểm Sử
- Vì cột
sulà chữ, không phải số
Bài tập
Heatmap nửa dưới của ma trận tương quan
Bảng bang chỉ có cột số, như các cột chỉ số của file khong_khi.csv, có thể có ô trống. Viết thân hàm ve_ma_tran(bang):
tính ma trận tương quan của bảng bằng
corr();vẽ bằng
sns.heatmap()trên một axes mới, ghi số hai chữ số sau dấu chấm (annot=True, fmt=".2f"),cmap="coolwarm"vàcenter=0;che đường chéo và nửa tam giác trên bằng
mask=dựng từnp.triu();tiêu đề đúng là
Ma trận tương quan.
Hàm không sửa bảng nó nhận.
Trả về: axes đã vẽ heatmap, một Axes.
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
def ve_ma_tran(bang):
pass # Viết thân hàm thay cho dòng nàyTóm tắt
sns.heatmap(r)tô mỗi ô của ma trận tương quan một màu; tên cột thành nhãn hai trục, nên đổi tên có dấu trước.annot=True, fmt=".2f"ghi hệ số hai chữ số lên mỗi ô.Ma trận tương quan dùng colormap phân kỳ như
"coolwarm"vớicenter=0: dương một màu, âm một màu.mask=np.triu(np.ones_like(r, dtype=bool))che đường chéo và nửa trên; n cột còn n × (n - 1) / 2 ô.Ô
NaNhiện thành ô trắng: kiểm các cặp cột không có dòng chung trước khi đọc.
Câu hỏi thường gặp
Muốn giữ cả đường chéo thì làm sao?
Thêm k=1 vào np.triu(): mask chỉ che phần trên đường chéo, đường chéo 1.00 hiện lại. Phần lớn báo cáo bỏ đường chéo vì nó không mang thông tin, nhưng giữ nó giúp người mới nhận ra đâu là các ô của cùng một biến.
Heatmap có dùng cho dữ liệu khác ngoài tương quan không?
Có. Bảng hai chiều nào cũng vẽ được: doanh thu theo tháng và chi nhánh, số đơn theo giờ và thứ trong tuần. Khi đó số không có hai phía quanh 0, nên dùng colormap tuần tự như "Blues" và bỏ center=, theo cách chọn màu ở bài màu sắc.
Có nên đặt vmin=-1, vmax=1 không?
Nên, khi bạn so nhiều heatmap tương quan với nhau. vmin=-1, vmax=1 cố định thang màu theo toàn khoảng của r, để cùng một màu luôn mang cùng một giá trị giữa các hình. Với một hình đơn lẻ, center=0 đã đủ để hai phía cân nhau.
Bảng có hai mươi cột thì heatmap còn đọc được không?
Khó: 190 ô có số, chữ chồng lên nhau. Bỏ annot=True và chỉ đọc màu, hoặc chọn trước các cột liên quan tới câu hỏi của bạn, như các cột có r lớn với cột mục tiêu theo bài tương quan.
Chủ đề
Dữ liệu của bài
Bài này có hữu ích?
Hỏi đáp
Tham vấn chuyên môn
Nhà sáng lập AIDev và VietPlatform · Thạc sĩ AI MSE
- Tốt nghiệp thủ khoa xuất sắc Thạc sĩ AI MSE.
- Đồng sáng lập, CTO E-University, SVOnline: số hóa 10+ đại học, 40.000+ sinh viên.
- Xây hệ thống AI cho doanh nghiệp tại VietPlatform.