密度热图

密度热图是一种可视化技术,用于表示数据点在地理空间或二维空间中的分布。它对特定区域内数据点的密度或强度给出直观的汇总。

最后审阅

核心要点

密度热图是一种可视化技术,用于表示数据点在地理空间或二维空间中的分布。

本页内容
  1. 什么是密度热图?
  2. 何时使用密度热图?
  3. 正确使用密度热图的指南
  4. 替代方法:何时不宜使用密度热图
  5. 密度热图示例
  6. 如何创建密度热图

什么是密度热图?

密度热图是一种可视化技术,用于表示数据点在地理空间或二维空间中的分布。它对特定区域内数据点的密度或强度给出直观的汇总。

在密度热图中,每个数据点被赋予一个权重或强度值,通常基于其频率或密度。热力图再用颜色渐变表示空间中变化的强度。较高的密度通常用红色或橙色等暖色表示,较低的密度则用蓝色或绿色等冷色表示。

何时使用密度热图?

密度热图是一种可视化技术,用于显示特定区域内数据点的密度。它在以下场景中特别有用:

  • 空间分析:密度热图常用于空间分析任务,例如分析人口分布、犯罪率或疾病暴发。通过在地图上可视化数据点的密度,可以识别热点或活动、事件的聚集区。
  • 数据聚类:密度热图有助于识别数据集中的自然分组或聚类。通过观察数据点的密度,可以找到相似值或事件高度集中的区域。
  • 事件或活动可视化:密度热图可用于可视化特定区域内事件或活动的强度或频率。例如,可以创建密度热图来显示社交媒体帖子、出租车上客点或客户到访在不同地点的集中程度。
  • 交通分析:密度热图常用于交通分析,以可视化交通流量和拥堵情况。通过在地图上绘制车辆或交通事件的密度,可以识别交通流量大或交通问题反复出现的区域。
  • 资源配置:密度热图可根据某些事件或现象的密度辅助资源配置。例如,在零售业中,可以分析客户密度热图,以确定开设新店的理想位置或调整人员配置水平。
  • 环境研究:密度热图可协助分析环境数据,例如空气污染水平或野生动物目击情况。通过可视化特定现象的密度,可以识别模式、潜在来源或需要关注的区域。
  • 用户行为分析:密度热图可用于分析用户在网站或移动应用上的行为。通过跟踪点击或光标移动等用户交互并将其绘制为密度热图,可以识别高参与度区域或潜在的可用性问题。

正确使用密度热图的指南

  • 数据应至少包含两列数值或文本数据。
  • 各列的行数必须相同,含日期/时间数据的列除外。
  • 样本量较大时,数据中的模式更清晰。
  • 随机选取样本数据对于对总体进行概括或推断十分重要。
  • 随机抽样可确保结果准确代表总体。

替代方法:何时不宜使用密度热图

  • 箱线图:当数据偏斜或存在异常值时,箱线图是密度热图的一种替代方法。箱线图直观展示数据集的中位数、四分位数和异常值,更容易识别可能使数据发生偏斜的极端值。
  • 散点图:处理小型数据集时,散点图能清晰简洁地呈现每个数据点。此时热力图的信息量可能不足,也不一定必要,因为热力图更适合可视化大型数据集的密度或分布。

密度热图示例

一位流行病学家想调查某种病毒在四个不同地区的传播情况,跟踪六个月内每日的感染人数。在每个地区,感染人数按两个年龄组分类。她按以下步骤进行了分析:

  1. 她工作了一整天,收集了所需数据。
  2. 现在,她使用以下网址的工具分析数据:https://statsai.zometric.com/
  3. 在工具中,她输入数据及其他输入项,如下所示:
  4. 使用上述工具后,她得到如下输出:
Density Heatmap — figure 1Density Heatmap — figure 2

如何创建密度热图

操作步骤如下:

  1. 登录 Zometric Statistical Software,网址为 https://statsai.zometric.com/
  2. 在首页的 Graphical Analysis 下可以看到 Density Heatmap。
  3. 点击 Density Heatmap,进入工具界面。
  4. 接下来,手动更新数据,或从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。
  5. 接下来,将各参数映射到相应的列。
  6. 最后,点击页面底部的 calculate,即可得到所需结果。

密度热图的工具界面分为两部分。

Density Heatmap — figure 3

左侧为数据窗格(Data Pane)。在 Data Pane 中,每一行构成一个子组。可以手动输入数据,也可以从 Excel 表格中完整复制(Ctrl+C)数据并粘贴(Ctrl+V)到此处。

右侧提供以下选项:

  • Facet row: 在按行分面的热力图中,数据元素按某个分类变量分组并以行的形式显示。
  • Facet column: 在按列分面的热力图中,数据元素按某个分类变量分组并以列的形式显示。
  • Marginal plot: 可在探索两个变量之间关系的同时,直观显示它们各自的分布。
  • Histfunc: 决定每个单元格内的值如何聚合和呈现。常见的 histfunc 选项包括:
    • Sum: 对每个单元格内的值求和,得到聚合值。
    • Average: 计算每个单元格内值的均值(平均值)。
    • Min: 选取每个单元格内的最小值。
    • Max: 选取每个单元格内的最大值。
    • Count: 计算每个单元格内值的个数或频数。
  • Histnorm:
    • Percent: 每个分箱的高度表示其数据点占数据集中数据点总数的百分比。
    • Probability: 每个分箱的高度表示数据点落入该分箱的概率。所有分箱高度之和等于 1。
    • Density: 直方图的值按密度估计进行归一化。每个分箱的值除以分箱宽度和数据点总数,得到概率密度函数的估计值。
  • Bins: 在热力图中,“分箱(bins)”指热力图网格 x 轴和 y 轴上的离散区间或类别。热力图网格根据数据的范围和分布划分为设定个数的等距分箱或区间。

常见问题

什么是密度热图?

密度热图是一种可视化图形,显示数据点在地理空间或二维空间中的分布。颜色渐变表示变化的密度或强度:较高的密度通常用红色或橙色等暖色表示,较低的密度则用蓝色或绿色等冷色表示。

什么情况下应使用密度热图?

可用它在空间数据中发现热点或聚类,识别数据集中的自然分组,按位置可视化事件或活动的强度,以及用于交通、环境、资源配置或用户行为分析。它适用于大型数据集;对于小型数据集,散点图能更清晰地显示每个数据点。

密度热图中的 histfunc 和 histnorm 有什么作用?

Histfunc 设定每个单元格内的值如何聚合:求和、平均、最小值、最大值或计数。Histnorm 将值归一化为占所有数据点的百分比、概率(所有分箱高度之和为 1)或密度(每个分箱除以分箱宽度和点总数)。

密度热图需要什么数据?

至少两列数值或文本数据,行数相同,含日期/时间的列除外。随机选取的大样本能给出更清晰、能代表总体的模式。在 Zometric Statistical Software 中,还可以按分类变量添加分面行和列、边缘图以及设置分箱数。