HeatMap熱圖原理

熱圖簡(jiǎn)介

成都創(chuàng)新互聯(lián)公司專注于烏恰網(wǎng)站建設(shè)服務(wù)及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗(yàn)。 熱誠(chéng)為您提供烏恰營(yíng)銷型網(wǎng)站建設(shè)，烏恰網(wǎng)站制作、烏恰網(wǎng)頁(yè)設(shè)計(jì)、烏恰網(wǎng)站官網(wǎng)定制、重慶小程序開(kāi)發(fā)公司服務(wù)，打造烏恰網(wǎng)絡(luò)公司原創(chuàng)品牌,更為您提供烏恰網(wǎng)站排名全網(wǎng)營(yíng)銷落地服務(wù)。

通過(guò)熱圖可以簡(jiǎn)單地聚合大量數(shù)據(jù)，并使用一種漸進(jìn)的色帶來(lái)優(yōu)雅地表現(xiàn)，最終效果一般優(yōu)于離散點(diǎn)的直接顯示，可以很直觀地展現(xiàn)空間數(shù)據(jù)的疏密程度或頻率高低。但也由于很直觀，熱圖在數(shù)據(jù)表現(xiàn)的準(zhǔn)確性并不能保證。

生成原理

其生成的原理簡(jiǎn)單概括為四個(gè)步驟：

（1）為離散點(diǎn)設(shè)定一個(gè)半徑，創(chuàng)建一個(gè)緩沖區(qū)；

（2）對(duì)每個(gè)離散點(diǎn)的緩沖區(qū)，使用漸進(jìn)的灰度帶（完整的灰度帶是0~255）從內(nèi)而外，由淺至深地填充；

（3）由于灰度值可以疊加（值越大顏色越亮，在灰度帶中則顯得越白。在實(shí)際中，可以選擇ARGB模型中任一通道作為疊加灰度值），從而對(duì)于有緩沖區(qū)交叉的區(qū)域，可以疊加灰度值，因而緩沖區(qū)交叉的越多，灰度值越大，這塊區(qū)域也就越“熱”；

（4）以疊加后的灰度值為索引，從一條有256種顏色的色帶中（例如彩虹色）映射顏色，并對(duì)圖像重新著色，從而實(shí)現(xiàn)熱點(diǎn)圖。

（1）灰度帶和彩虹色帶

（2）單熱點(diǎn)顯示

單熱點(diǎn)的顯示，至少要確定它的中心灰度值、半徑，當(dāng)然還有xy和色帶。中心灰度值默認(rèn)設(shè)為50（太小顯示效果不好）。根據(jù)半徑的大小（一般是25，屏幕坐標(biāo)），由中心（50）到邊界（0）漸進(jìn)地填充灰度。我使用黑色（任何顏色都可以）的Alpha通道來(lái)進(jìn)行灰度值的累加，填充后中心位置的ARGB值是(50,0,0,0)，邊界處是(0,0,0,0)，這樣就能得到上圖左邊的灰度圖了。最后根據(jù)灰度值映射色帶得到彩虹帶中對(duì)應(yīng)位置的顏色。50的灰度值，只能映射到彩虹帶的前1/5處，因而上圖右邊單熱點(diǎn)的顏色以藍(lán)色為主，略帶青色。 每個(gè)單一熱點(diǎn)有一個(gè)Weight，默認(rèn)設(shè)為1，目前暫時(shí)沒(méi)有用到（ArcGIS Flex的熱圖實(shí)現(xiàn)中，Weight用來(lái)在地圖縮小時(shí)累加多個(gè)離散點(diǎn)聚合后中心灰度值的大小。）。Weight不是類似通常二維空間數(shù)據(jù)中的第三維屬性數(shù)據(jù)，熱圖只能表現(xiàn)離散點(diǎn)空間上的頻率，而不能表現(xiàn)其屬性在空間上的分布。例如地震震源的熱圖，并不能表示其震級(jí)大小的空間分布，而只能表現(xiàn)地震次數(shù)的多少。

（3）多熱點(diǎn)疊加顯示

疊加顯示，點(diǎn)位置及權(quán)重是隨機(jī)給的，半徑是指定的。圖中有422個(gè)點(diǎn)，半徑是50。點(diǎn)越密集的的區(qū)域，疊加的灰度也就越多，映射后也顯得比較“熱”。

參考文獻(xiàn)

complexheatmap繪制熱圖

通過(guò) Heatmap 我們就可以形成單個(gè)熱圖。

PS： colorRamp2 默認(rèn)的使用的配色方案是 LAB 的。如果想使用RGB的則可以通過(guò)其中的space參數(shù)進(jìn)行修改。

*1、 即使出現(xiàn)了異常值，在制定的顏色當(dāng)中，異常值也只是顯示最大值而不是說(shuō)是把整體的顏色分布給破壞了。我們可以比較一下pheatmap和Heatmap的結(jié)果

如果數(shù)據(jù)當(dāng)中含有缺失值，如果我們不想去掉想要可視化的話，可以通過(guò)na_col來(lái)指定顏色

通過(guò)上圖，我們可以使用對(duì)熱圖的四周都可以進(jìn)行標(biāo)題注釋。

無(wú)監(jiān)督的聚類屬于熱圖的可視化的一個(gè)重要組成部分。

分類聚類只要包括兩步：計(jì)算距離矩陣以及應(yīng)用聚類。一般來(lái)說(shuō)計(jì)算距離的方式包括pearson, spearman以及kendall。這個(gè)計(jì)算方式是通過(guò)1 - - cor(x, y, method)來(lái)實(shí)現(xiàn)的。在函數(shù)當(dāng)中則是通過(guò) clustering_distance_rows/columns 來(lái)進(jìn)行實(shí)現(xiàn)的。

*2、 cluster_rows 分開(kāi)設(shè)置不同的顏色

我們可以通過(guò) column/row_dend_reorder 來(lái)對(duì)聚類的結(jié)果進(jìn)行重新排序

一般情況下，熱圖當(dāng)中各個(gè)觀測(cè)值的順序是基于聚類的分組來(lái)進(jìn)行排列的。有時(shí)候我們想要自己排序順序。這個(gè)時(shí)候就可以自定義去順序。通過(guò)row_order/column_order可以來(lái)定義其排序。 PS：當(dāng)我們自定義順序之后，聚類的順序就隨之關(guān)閉了。

默認(rèn)情況下對(duì)于列名和行名都是顯示的。我們可以對(duì)其進(jìn)行自定義

熱圖的分割主要包括多種方式

一般的熱圖上都是方塊形的顏色的變化。我們可以通過(guò)cell_fun參數(shù)來(lái)對(duì)熱圖本身進(jìn)行自定義。這個(gè)參數(shù)本質(zhì)是一個(gè)for循環(huán)的函數(shù)。這個(gè)接受7個(gè)參數(shù)分別是： - j矩陣當(dāng)中行的索引。 - i矩陣當(dāng)中的列的索引。 - x在熱圖當(dāng)中測(cè)量點(diǎn)的X坐標(biāo) - y在熱圖當(dāng)中測(cè)量點(diǎn)單元格Y的坐標(biāo) - width 單元格的寬度。默認(rèn)值是unit(1/nrow(sub_mat), "npc") - height單元格的高度。默認(rèn)值是unit(1/nrow(sub_mat), "npc") - fill單元格的顏色。 通過(guò)一個(gè)簡(jiǎn)單的例子我們來(lái)詳細(xì)說(shuō)一下具體的含義

上述兩個(gè)熱圖的區(qū)別就在于增加了一個(gè)cell_fun參數(shù)。通過(guò)比較兩個(gè)熱圖可以明白cell_fun本質(zhì)上就是給單元格自定義。這個(gè)例子當(dāng)中，通過(guò)自定義函數(shù)，我們?nèi)mall_mat1的數(shù)據(jù)放到熱圖上。放的位置及基于i,j,x,y來(lái)決定的。這個(gè)例子當(dāng)中四個(gè)參數(shù)都沒(méi)有變化。所以默認(rèn)熱圖的數(shù)據(jù)集和自定義的數(shù)據(jù)集和變化是一樣的。即：在small_data[1,1]的位置放置small_data1[1,1]的內(nèi)容。以此類推。

由于是函數(shù)嘛，所以可以更加的自定義數(shù)據(jù)了。比如加入if來(lái)篩選數(shù)據(jù)

同樣的由于自定義繪圖也是基于grid系統(tǒng)的。所以grid系統(tǒng)另外一些繪圖參數(shù)也是可以使用的。所以我們可以隱藏默認(rèn)的熱圖顯示來(lái)定義不同的圖形。

我們可以通過(guò)width和height來(lái)調(diào)整整體圖片的大小。通過(guò)heatmap_width以及heatmap_height來(lái)調(diào)整熱圖部分的大小。

生活很好，等你超越

Python 數(shù)據(jù)可視化：數(shù)據(jù)分布統(tǒng)計(jì)圖和熱圖

本課將繼續(xù)介紹 Seaborn 中的統(tǒng)計(jì)圖。一定要牢記，Seaborn 是對(duì) Matplotlib 的高級(jí)封裝，它優(yōu)化了很多古老的做圖過(guò)程，因此才會(huì)看到一個(gè)函數(shù)解決問(wèn)題的局面。

在統(tǒng)計(jì)學(xué)中，研究數(shù)據(jù)的分布情況，也是一個(gè)重要的工作，比如某些數(shù)據(jù)是否為正態(tài)分布——某些機(jī)器學(xué)習(xí)模型很在意數(shù)據(jù)的分布情況。

在 Matplotlib 中，可以通過(guò)繪制直方圖將數(shù)據(jù)的分布情況可視化。在 Seaborn 中，也提供了繪制直方圖的函數(shù)。

輸出結(jié)果：

sns.distplot 函數(shù)即實(shí)現(xiàn)了直方圖，還順帶把曲線畫出來(lái)了——曲線其實(shí)代表了 KDE。

除了 sns.distplot 之外，在 Seaborn 中還有另外一個(gè)常用的繪制數(shù)據(jù)分布的函數(shù) sns.kdeplot，它們的使用方法類似。

首先看這樣一個(gè)示例。

輸出結(jié)果：

① 的作用是設(shè)置所得圖示的背景顏色，這樣做的目的是讓下面的 ② 繪制的圖像顯示更清晰，如果不設(shè)置 ①，在顯示的圖示中看到的就是白底圖像，有的部分看不出來(lái)。

② 最終得到的是坐標(biāo)網(wǎng)格，而且在圖中分為三部分，如下圖所示。

相對(duì)于以往的坐標(biāo)網(wǎng)格，多出了 B 和 C 兩個(gè)部分。也就是說(shuō)，不僅可以在 A 部分繪制某種統(tǒng)計(jì)圖，在 B 和 C 部分也可以繪制。

繼續(xù)操作：

輸出結(jié)果：

語(yǔ)句 ③ 實(shí)現(xiàn)了在坐標(biāo)網(wǎng)格中繪制統(tǒng)計(jì)圖的效果，jp.plot 方法以兩個(gè)繪圖函數(shù)為參數(shù)，分別在 A 部分繪制了回歸統(tǒng)計(jì)圖，在 B 和 C 部分繪制了直方圖，而且直方圖分別表示了對(duì)應(yīng)坐標(biāo)軸數(shù)據(jù)的分布，即：

我們把有語(yǔ)句 ② 和 ③ 共同實(shí)現(xiàn)的統(tǒng)計(jì)圖，稱為聯(lián)合統(tǒng)計(jì)圖。除了用 ② ③ 兩句可以繪制這種圖之外，還有一個(gè)函數(shù)也能夠“兩步并作一步”，具體如下：

輸出結(jié)果：

當(dāng)前文章：數(shù)據(jù)熱圖php,熱力圖數(shù)據(jù)分析
文章地址：http://chinadenli.net/article18/dsgicgp.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供ChatGPT、全網(wǎng)營(yíng)銷推廣、商城網(wǎng)站、Google、外貿(mào)網(wǎng)站建設(shè)、網(wǎng)站收錄

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)