青梅猪马

热点图，heat map 或 hotspot map，是在二维表面上通过颜色用图示化方法来表达二维数据的一种方式。 维基百科定义的翻译实在拗口，在Google Image（非谷歌）搜索“hotspot map” 或“heat map”可见诸多应用截图，简单明了。用LionGG的话来说，热点图图示化了离散数据（事件或事物）的分布及其相互关系，常常以一张具备显著颜色差异图片的方式呈现最终结果，亮色一般代表事件发生频率较高或事物分布密度较大，暗色反之。

在地图方面的利用，则是根据离散点数据集来源的地理位置坐标，进行相应的可视化表达。（也有人把连续场数据的插值，比如克里金插值，也归为热点图类别，但该部分不在本文讨论区间。）离散数据，点数据。本质上来看，这和点聚合（Marker Cluster）所适用的数据类型类似，只是表现方式不同罢了。

  

常见的应用有：基因热点图，点击热点图（显示了一个网页中哪些区域被点击的频率高低），HeatMap API（在豆友地图中应用过）等。具体的应用场比如交通事故发生率；犯罪发生率；电信基站分布；流行疾病发生分布；零售店分布等等。

  

利用热点图表达，不仅比单纯的点要素显示要时髦，（相关配色和地图相适应，炫目的效果更易吸引眼球。）还更容易发现事件发生频率或事物分布密度。相对关系对比更加明显，甚至可分析出未来趋势等。此外还可以提升性能，点标记太多，浏览器可能无法有效承载，生成图片则是好的选择方式。

     

算法：网上已经流传数个相似版本的各种语言的算法，比如Perl，ActionScript，C#等。原理大致如下：每个点给定一个缓冲半径（像素坐标系），每个像素的值根据距离从中心向外递减渐变；把每个像素所分配的值计算总和；然后再根据每个像素的值，赋予相应颜色即可。比较核心的就是如何确定距离递减函数，（术语：核函数），常用的可能是类似正态分布类似的，

对外而言，有4个重要的接口：点集合，颜色列表，缓冲半径（有buffer,size,resolution等之称）,强度(有scale,intensity之称)。

       

本文参考文献诸多，不再一一列出，请见 https://cang.baidu.com/LionGG/tag/Heat%20Map ，部分参考文献的参考文献也非常有价值，比如维基百科参考中的PDF，主要介绍了热点图在基因图谱中的应用历史。IDV博客也有数篇文章介绍。