
Eine publikationsreife Korrelations-Heatmap erstellen
Laden Sie Ihre Datentabelle hoch. Yila wählt ein passendes Korrelationsmaß, korrigiert für die Zahl der Tests, ordnet die Variablen so an, dass Muster sichtbar werden, und speichert die Abbildung samt vollständiger Matrix und Skript.
Erstellen Sie eine publikationsreife Korrelations-Heatmap für auf Basis der Korrelation nach : Zeigen Sie die Koeffizienten in den Zellen, korrigieren Sie die p-Werte nach Benjamini–Hochberg, markieren Sie die Korrelationen, die danach signifikant bleiben (p < 0,05), und ordnen Sie die Variablen per hierarchischem Clustering an. Speichern Sie die Abbildung als PNG und SVG, die Tabellen mit den Korrelationen und den adjustierten p-Werten sowie das Skript.
Öffnet sich in der Yila-Arbeitsumgebung, wo Sie im Gespräch alles anpassen können.
Eine fertige Korrelations-Heatmap
Ein offizieller Durchlauf mit einem offenen klinischen Datensatz. Hier sehen Sie die gespeicherte Abbildung; der Download enthält sie zusammen mit beiden Matrizen und dem Python-Skript.

Das erhalten Sie
- Heatmap
- Eine um null zentrierte, divergierende Farbskala, die Koeffizienten in jeder Zelle, markierte signifikante Paare und die Variablen in geclusterter Reihenfolge.
- Korrelationsmatrix
- Alle Koeffizienten als Tabelle, die Sie zitieren oder für eine andere Abbildung weiterverwenden können.
- Adjustierte p-Werte
- Rohe und korrigierte p-Werte für jedes Paar, nach Stärke sortiert, mit Angabe des Korrekturverfahrens.
- Das Skript
- Die vollständige Analyse in Python (oder auf Wunsch in R), damit sich die Abbildung mit neuen Daten neu erstellen lässt.
So funktioniert es

Tabelle hochladen und Variablen wählen
Geben Sie Yila eine CSV- oder Excel-Datei und sagen Sie, welche Variablen einbezogen werden sollen, oder lassen Sie Yila alle stetigen Spalten verwenden.

Yila prüft zuerst die Variablen
Yila sieht sich die Verteilungen und die Zahl fehlender Werte an, damit schiefe oder ordinale Variablen eine Rangkorrelation erhalten und binäre Variablen nicht versehentlich mit einfließen.

Abbildung, Tabellen und Skript erhalten
Die Heatmap wird gerendert, auf Lesbarkeit geprüft und mit beiden Tabellen und dem Skript gespeichert. Eine Darstellung nur des unteren Dreiecks, eine andere Farbpalette oder eine andere Korrektur können Sie im selben Gespräch anfordern.
Geeignet für
Einen neuen Datensatz erkunden
Sehen Sie auf einen Blick, welche Messwerte sich gemeinsam verändern, bevor Sie die Modelle planen.
Kollinearität prüfen
Finden Sie Prädiktoren, die zu stark zusammenhängen, um gemeinsam in dieselbe Regression einzugehen.
Eine Abbildung für das Supplement
Eine übersichtliche Darstellung der Korrelationen, die Gutachter neben den Hauptergebnissen oft verlangen.
Häufige Fragen
Weitere Aufgaben

Datenanalyse-Assistent
Eine CSV/XLSX-Datei hochladen und im Chat Daten prüfen, statistische Auswertungen durchführen und publikationsreife Diagramme erstellen.

Eine PCA durchführen und sauber darstellen
Laden Sie eine Tabelle mit Messwerten hoch. Yila standardisiert die Variablen, führt die Hauptkomponentenanalyse durch und zeichnet Score-Plot, Scree-Plot und einen gut lesbaren Biplot, samt Ladungen und Skript.

Die Table 1 für Ihr Manuskript erstellen
Laden Sie den Datensatz hoch und nennen Sie die Gruppen. Yila prüft die Verteilung jeder Variablen, fasst sie so zusammen, wie Gutachter es erwarten, wählt den Test Zeile für Zeile und speichert eine bearbeitbare Word-Tabelle.
Machen Sie die Zusammenhänge in Ihren Daten sichtbar
Laden Sie die Tabelle hoch und nennen Sie die Variablen. Yila wählt die Methode, korrigiert die Tests und liefert das Skript mit.
Mit Ihren Daten beginnen