今回はSeabornのpairplotを利用して相関の概要を見てみる。ただし相関を見るためにはデータのクレンジングが必要。
まずはnullデータのヒートマップを確認してみる。
sns.heatmap(d_train.isnull(),yticklabels=False,cbar=False,cmap='viridis')
次にデータのクレンジング
d_train_w=d_train.fillna({'kcal':0})
d_train_w = d_train_w.drop('event', axis=1)
d_train_w = d_train_w.drop('remarks', axis=1)
d_train_w = d_train_w.drop('precipitation', axis=1)
d_train_w = d_train_w.drop('name', axis=1)
d_train_w = d_train_w.drop('payday', axis=1)
データのフォーマット確認
d_train_w.head()
もう一度ヒートマップで確認
sns.heatmap(d_train_w.isnull(),yticklabels=False,cbar=False,cmap='viridis')
ペアプロット作成
sns.pairplot(d_train_w) sns.pairplot(d_train_w, hue='weather')
