11.Pythonでデータ分析を始めよう！初心者向けガイド-ヒートマップ編-

どうもニコイチです｡改めて可視化についてご紹介します｡今回は相関係数を表示する上で欠かすことができないヒートマップについてです｡下記コードを具体的に説明していますのでぜひごらんください｡

# 必要なライブラリのインポート
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# データの読み込み
df = pd.read_csv('定期貯金契約データ.csv')

# 相関係数の計算
correlation_matrix = df.corr()

# グラフのサイズを設定（見やすい大きさに）
plt.figure(figsize=(10, 8))

# ヒートマップの作成
# annot=True で数値を表示、fmt='.2f' で小数点2桁まで表示
# cmap='Reds' で赤系統の色を使用
# vmin=-1, vmax=1 で相関係数の範囲を-1から1に設定
sns.heatmap(correlation_matrix, 
            annot=True,      # 数値を表示
            fmt='.2f',       # 小数点2桁まで
            cmap='Reds',     # 赤系統の色を使用
            vmin=-1,         # 最小値
            vmax=1,          # 最大値
            square=True)     # マスを正方形に

# タイトルの設定
plt.title('定期貯金データの相関関係（ヒートマップ）')

# グラフの表示
plt.show()

ではこのコードについて、初心者の方向けに詳しく解説していきます｡

1. ライブラリのインポートについて

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

📌 例え話：

• これは料理で言えば「調理器具の準備」のような作業です
• pandas (pd) : データを扱うための「まな板」
• matplotlib (plt) : 基本的な図を描く「包丁」
• seaborn (sns) : より綺麗な図を描くための「高級な包丁」

2. ヒートマップとは？

ヒートマップは「熱分布図」とも呼ばれ、数値の大きさを色の濃さで表現します。

📌 例え話：

• サーモグラフィー（温度分布を色で表す）のようなもの
• 天気予報の気温分布図のように、数値を色で表現

3. 重要なオプションの説明

sns.heatmap(correlation_matrix, 
            annot=True,      # 数値を表示
            fmt='.2f',       # 小数点2桁まで
            cmap='Reds')     # 赤系統の色を使用

よく使うオプション：

1. annot=True

• 各マスに数値を表示する
• False にすると数値が非表示になり、色だけの表示

1. fmt='.2f'

• .2f は「小数点2桁」という意味
• 例：0.12345 → 0.12

1. cmapの色の選択肢：

• ‘Reds’: 赤系統
• ‘Blues’: 青系統
• ‘Greens’: 緑系統
• ‘coolwarm’: 赤と青のグラデーション

4. よくあるつまずきポイント

1. グラフが表示されない

• 原因：plt.show()を忘れている
• 解決：必ずコードの最後に追加する

1. 数値が見切れる

• 原因：グラフのサイズが小さすぎる
• 解決：plt.figure(figsize=(10, 8))でサイズを調整

1. 色の濃さがわかりにくい

• 原因：データの範囲が適切に設定されていない
• 解決：vmin=-1, vmax=1で範囲を明示的に設定

5. 実践的なコツ

1. データの前処理

   # 数値データのみを選択
   numerical_columns = df.select_dtypes(include=['float64', 'int64']).columns
   correlation_matrix = df[numerical_columns].corr()

2. グラフの見やすさ改善

   # 軸ラベルの回転
   plt.xticks(rotation=45)
   plt.yticks(rotation=0)

このようなヒートマップを使うことで、相関関係を視覚的に素早く把握することができます。色が濃いところに注目することで、強い相関関係がある変数のペアを簡単に見つけることができます。