[Pandas] seaborn - heatmap을 사용한 데이터 상관관계 시각화

 

사용 데이터

MovieLens 영화 데이터 -> ml-latest-small.zip -> movies.csv

https://grouplens.org/datasets/movielens/

 

import pandas as pd

movies = pd.read_csv('[파일 경로]/movies.csv', index_col='movieId')

genres_dummies = movies['genres'].str.get_dummies(sep='|')

 

영화 별로 어떤 장르에 속하는지에 대한 데이터

 

corr()

genres_dummies.corr()

데이터의 상관관계를 알 수 있다.

 

<결과>

각 장르별 상관관계를 상관계수로서 표현한다.

 

두 장르의 관계가 1에 가깝다는 것은: 두 장르가 자주 같이 출현한다는 것

두 장르의 관계가 -1에 가깝다는 것은: 두 장르가 아주 드물게 출현 혹은 겹치는 영역이 없다는 것

 

-> 장르 A와 장르 B의 상관관계: 어떤 영화가 장르 A를 갖고 있을 때, 장르 B도 갖고 있는 정도를 의미한다.

 

seaborn - heatmap

앞선 출력 데이터가 보기 어려우니 이를 시각화해보자.

 

Seaborn은 matplotlib 기반의 파이썬 시각화 라이브러리이다.

matplotlib보다 쉽고, 직관적으로 시각화를 할 수 있어서 데이터 분석가들에게 인기가 좋다.

Official seaborn tutorial

User guide and tutorial — seaborn 0.11.2 documentation

 

%matplotlib inline

import seaborn as sns
import matplotlib.pyplot as plt # seaborn figure 크기 조절을 위해서

seaborn 라이브러리를 import한다.

 

 

plt.figure(figsize=(30, 15)) 
sns.heatmap(genres_dummies.corr(), annot=True)

먼저 그래프의 size를 설정한다.

seaborn 라이브러리 중 데이터 상관관계를 보기 좋은 heatmap이라는 도구를 사용할 것이다.

 

<결과>

+) annot=True 옵션은 데이터의 색 뿐만 아니라 수치도 함께 보여주는 옵션이다.