当我们想判断不同的变量时，我们会分析它们之间的联系。这个概念也被用于实例生活中，最常见的是制作一个地理热图。很多人对绘制热图的方法不是很清楚。我们可以安装相关工具，了解一些使用参数，然后在实例中绘制热图的实例体验。让我们来看看具体的方法。

1.导入相关的packages

importseabornassns
%matplotlibinline
sns.set(font_scale=1.5)

2.参数

vmax：设置颜色带的值

vmin：设置颜色带的最小值

cmap：设置色带的色系

center：设置颜色带的分界线

annot：数值注释是否显示

fmt：format的缩写，设置数值的格式化形式

linewidths：控制每个小方格之间的间距

linecolor：控制分割线的颜色

cbar_kws：关于色带的设置

mask：如果传入布尔型矩阵为True，热力图相应位置的数据将被屏蔽（通常用于绘制相关系数矩阵图）

3.实例

用Python生成heatmap相对简单，导入gooonGlmap然后将经纬度plot放在地图上。最后，将heatmap生成可以放大和缩小的html文件。

importgmplot#plotthelocationsongooglemap
importnumpyasnp#linearalgebra
importpandasaspd#dataprocessing,CSVfileI/O(e.g.pd.read_csv())
importmatplotlib.pyplotasplt#datavisualization
importseabornassns#datavisualization


df=pd.read_csv("data.csv")
df=pd.DataFrame(df)
df_td=pd.read_csv("datacopy.csv")
df_td=pd.DataFrame(df_td)
#printdf.dtypes
print(df.shape)
print(df_td.shape)

defplot_heat_map(data,number):
latitude_array=data['INTPTLAT'].values
latitude_list=latitude_array.tolist()
print(latitude_list[0])

Longitude_array=data['INTPTLONG'].values
longitude_list=Longitude_array.tolist()
print(longitude_list[0])

#Initializethemaptothefirstlocationinthelist
gmap=gmplot.GoogleMapPlotter(latitude_list[0],longitude_list[0],10)

#gmap.scatter(latitude_list,longitude_list,edge_width=10)
gmap.heatmap(latitude_list,longitude_list)

#WritethemapinanHTMLfile
#gmap.draw('Paths_map.html')
gmap.draw('{}_Paths_map.html'.format(number))


plot_heat_map(df,'4')

以上就是实现python热力图的原理，您可以先跟随代码进行测试，看看是否可以运行相关的热力图，然后学习一些知识点。