python 상관계수 그래프 그리기

python 상관계수 그래프를 그리는 방법을 상세하게 소개하려고 합니다.

해당 코드를 실습할수 있는 데이터는

캐글 데이터 페이지를 통해서 다운로드 부탁드리겠습니다.

import warnings
warnings.filterwarnings(action='ignore')

import numpy as np
import pandas as pd

import seaborn as sns
from operator import itemgetter

%matplotlib inline
import matplotlib.pyplot as plt
from matplotlib.patches import Rectangle

data = pd.read_csv("2019_kbo_for_kaggle_v2.csv")
print(data.shape)
data.head()

(1913, 37)

	batter_name	age	G	PA	AB	R	H	2B	HR	...	tp	1B	FBP	avg	OBP	SLG	OPS	p_year	YAB	YOPS
0	백용환	24.0	26.0	58.0	52.0	4.0	9.0	4.0	0.0	...	포수	5.0	6.0	0.173	0.259	0.250	0.509	2014	79.0	0.580
1	백용환	25.0	47.0	86.0	79.0	8.0	14.0	2.0	4.0	...	포수	8.0	5.0	0.177	0.226	0.354	0.580	2015	154.0	0.784
2	백용환	26.0	65.0	177.0	154.0	22.0	36.0	6.0	10.0	...	포수	20.0	20.0	0.234	0.316	0.468	0.784	2016	174.0	0.581
3	백용환	27.0	80.0	199.0	174.0	12.0	34.0	7.0	4.0	...	포수	23.0	20.0	0.195	0.276	0.305	0.581	2017	17.0	0.476
4	백용환	28.0	15.0	20.0	17.0	2.0	3.0	0.0	0.0	...	포수	3.0	3.0	0.176	0.300	0.176	0.476	2018	47.0	0.691

5 rows × 37 columns

추가 데이터 처리 후 corr 그래프

데이터의 컬럼이 많아 데이터 중 일부 컬럼만 사용하도록 하겠습니다.

regular_y2 = data.copy()
regular_y2 = regular_y2[['age', 'AB', 'HR',
                         'BB', 'SO', 'avg', 'OPS', 'YAB', 'YOPS']]

corrlation 그래프는 seaborn에서의 heatmap을 통해서 그릴 수 있는데

먼저 데이터에 상관계수 값을 구해줍니다.

cor = regular_y2.corr()
cor

	age	AB	HR	BB	SO	avg	OPS	YAB	YOPS
age	1.000000	0.295713	0.265501	0.298501	0.255230	0.197390	0.227824	0.152473	0.173237
AB	0.295713	1.000000	0.708748	0.872795	0.871873	0.489783	0.542863	0.719471	0.479462
HR	0.265501	0.708748	1.000000	0.737227	0.751261	0.366961	0.540203	0.561271	0.471787
BB	0.298501	0.872795	0.737227	1.000000	0.789912	0.441878	0.547978	0.640951	0.480934
SO	0.255230	0.871873	0.751261	0.789912	1.000000	0.400740	0.506455	0.610473	0.435305
avg	0.197390	0.489783	0.366961	0.441878	0.400740	1.000000	0.923942	0.409053	0.344919
OPS	0.227824	0.542863	0.540203	0.547978	0.506455	0.923942	1.000000	0.464115	0.412618
YAB	0.152473	0.719471	0.561271	0.640951	0.610473	0.409053	0.464115	1.000000	0.616505
YOPS	0.173237	0.479462	0.471787	0.480934	0.435305	0.344919	0.412618	0.616505	1.000000

상관계수 값을 구한 다음에는 heatmap에 cor 값을 넣으면 자동으로 default 설정에 따라 그려집니다.

여기서 annot는 그래프 칸 하나 하나에 숫자를 입력해주는 것을 할 것인지에 대한 것입니다.

sns.set(style="white")

cor = regular_y2.corr()

f, ax = plt.subplots(figsize=(12, 12))
sns.heatmap(cor, annot=True)

plt.title('baseball data correlation', size=30)
ax.set_xticklabels(list(regular_y2.columns), size=15, rotation=90)
ax.set_yticklabels(list(regular_y2.columns), size=15, rotation=0);

absolute

위의 코드에서는 기본 설정만으로 그리고, plt.subplots를 통해서 x축을 90도 회전 해보았습니다.

다만 세로가 길어보이는 느낌이 들고 색깔이 중구 난방이라 수정을 해주고 싶어집니다.

아래의 코드에서는 색깔 기준점인 center를 0.5에 두고, square=True를 통해서 정사각형 모양으로 바꿨습니다.

그리고 linewidths=0.5를 통해서 각 사각형 마다 흰 색 선을 추가해 줬으며,

cbar_kws={“shrink”: 0.75}를 통해서 오른쪽 막대의 크기를 살짝 줄여주었습니다.

sns.set(style="white")

cor = regular_y2.corr()

f, ax = plt.subplots(figsize=(12, 12))
sns.heatmap(cor, center=0.5, square=True,
            linewidths=0.5, cbar_kws={"shrink": 0.75}, annot=True)

plt.title('baseball data correlation', size=30)
ax.set_xticklabels(list(regular_y2.columns), size=15, rotation=90)
ax.set_yticklabels(list(regular_y2.columns), size=15, rotation=0);

absolute

중심을 0.5로 두니 값이 0.5에 가까우면 검정색,

1에 가까울수록 빨간색쪽으로

0에 가까울수록 파란색쪽으로 나타나게 됩니다.

하지만 이를 검정색이 아닌 흰색으로 하고 싶을때는 아래의 코드를 활용해줘야 합니다.

heatmap에서 cmap이라는 항목에 해당 객체를 추가하게 된다면

center 값이 검정색이 아닌 흰색으로 지정이 됩니다.

cmap = sns.diverging_palette(200, 10, as_cmap=True)
cmap

absolute

sns.set(style="white")

cor = regular_y2.corr()

f, ax = plt.subplots(figsize=(12, 12))
cmap = sns.diverging_palette(200, 10, as_cmap=True)
sns.heatmap(cor, cmap=cmap, center=0.5, 
            square=True, linewidths=0.5, cbar_kws={"shrink": 0.75}, annot=True)

plt.title('baseball data correlation', size=30)
ax.set_xticklabels(list(regular_y2.columns), size=15, rotation=90)
ax.set_yticklabels(list(regular_y2.columns), size=15, rotation=0);

absolute

cmap에서 확인한 색깔 설정처럼 0.5에 가까우면 흰색이 되고

전보다는 색깔이 파스텔 톤으로 바뀐 것을 확인할 수 있습니다.

center를 0으로 설정하게 된다면 아래와 같이 모든 값이 0보다 크기 때문에

빨간색으로만 명암이 구분되고 그래프가 그려지게 됩니다

sns.set(style="white")

cor = regular_y2.corr()

f, ax = plt.subplots(figsize=(12, 12))
cmap = sns.diverging_palette(200, 10, as_cmap=True)
sns.heatmap(cor, cmap=cmap, center=0, 
            square=True, linewidths=0.5, cbar_kws={"shrink": 0.75}, annot=True)

plt.title('baseball data correlation', size=30)
ax.set_xticklabels(list(regular_y2.columns), size=15, rotation=90)
ax.set_yticklabels(list(regular_y2.columns), size=15, rotation=0);

absolute

위에 코드에서는 기본적인 설정에서 코드 수정을 통해 그래프 자체의 가시성을 개선하고

색깔을 자유롭게 바꾸고 색깔의 기준점을 자유롭게 설정하는 방법을 소개해드렸습니다.

위 그림도 좋을수 있지만, 저는 개인적으로 같은 변수일때 나타나는 1의 값과

윗 부분과 아래 부분의 값이 같은 것 특성 때문에 아래 부분만 보여주는 것을

코드를 통해서 추가로 구현하고자 합니다.

먼저 correlation 값을 저장한 객체를 통해서 같은 크기의 False array를 만들어냅니다.

mask = np.zeros_like(cor, dtype=np.bool)
mask

array([[False, False, False, False, False, False, False, False, False],
       [False, False, False, False, False, False, False, False, False],
       [False, False, False, False, False, False, False, False, False],
       [False, False, False, False, False, False, False, False, False],
       [False, False, False, False, False, False, False, False, False],
       [False, False, False, False, False, False, False, False, False],
       [False, False, False, False, False, False, False, False, False],
       [False, False, False, False, False, False, False, False, False],
       [False, False, False, False, False, False, False, False, False]])

그리고 대각선 영역과 대각성 영역 윗 부분에 True를 설정해줍니다.

mask[np.triu_indices_from(mask)] = True
mask

array([[ True,  True,  True,  True,  True,  True,  True,  True,  True],
       [False,  True,  True,  True,  True,  True,  True,  True,  True],
       [False, False,  True,  True,  True,  True,  True,  True,  True],
       [False, False, False,  True,  True,  True,  True,  True,  True],
       [False, False, False, False,  True,  True,  True,  True,  True],
       [False, False, False, False, False,  True,  True,  True,  True],
       [False, False, False, False, False, False,  True,  True,  True],
       [False, False, False, False, False, False, False,  True,  True],
       [False, False, False, False, False, False, False, False,  True]])

그리고 이를 heatmap안에서 mask안에 넣어주면 False 영역만 나타나게 됩니다.

sns.set(style="white")

cor = regular_y2.corr()

f, ax = plt.subplots(figsize=(12, 12))
cmap = sns.diverging_palette(200, 10, as_cmap=True)

mask = np.zeros_like(cor, dtype=np.bool)
mask[np.triu_indices_from(mask)] = True

sns.heatmap(cor, mask=mask, cmap=cmap, center=0.5, square=True,
            linewidths=0.5, cbar_kws={"shrink": 0.75}, annot=True)

plt.title('baseball data correlation', size=30)
ax.set_xticklabels(list(regular_y2.columns), size=15, rotation=90)
ax.set_yticklabels(list(regular_y2.columns), size=15, rotation=0);

absolute

이렇게 마무리를 해도 좋지만, 이렇게 대각선 영역을 빼고 그리게 되면

변수가 많이 존재할때에는 변수들을 찾아가면서 보기가 힘든 경우가 생겼습니다.

그렇기에 마지막 영역에 plt의 Rectangle를 통해서 각 대각선 마다 작은 사각형을 추가해 주었습니다.

sns.set(style="white")

cor = regular_y2.corr()

f, ax = plt.subplots(figsize=(12, 12))
cmap = sns.diverging_palette(200, 10, as_cmap=True)

mask = np.zeros_like(cor, dtype=np.bool)
mask[np.triu_indices_from(mask)] = True

sns.heatmap(cor, mask=mask, cmap=cmap, center=0.5, square=True,
            linewidths=0.5, cbar_kws={"shrink": 0.75}, annot=True)

plt.title('baseball data correlation', size=30)
ax.set_xticklabels(list(regular_y2.columns), size=15, rotation=90)
ax.set_yticklabels(list(regular_y2.columns), size=15, rotation=0)

for temp_num in range(len(regular_y2.columns)):
    ax.add_patch(Rectangle((temp_num, temp_num), 1, 1, fill=False,
                 edgecolor='black', lw=1, clip_on=False, alpha=0.5))

absolute

python 상관계수 그래프를 그리는 방법을 상세하게 소개하려고 합니다.

추가 데이터 처리 후 corr 그래프

Share this post