在我们想要对不同变量进行判断的时候，会分析其中的之间的联系。这种理念同样也被用在实例生活中，最常见到的是做一个地理的热力图。很多人对画热力图的方法不是很清楚，我们可以先装好相关的工具，了解一些使用参数，然后在实例中进行画热力图的实例体验，下面就来看看具体的方法吧。
1.导入相关的packages
import seaborn as sns %matplotlib inline sns.set(font_scale=1.5)
2.参数
vmax：设置颜色带的最大值
vmin：设置颜色带的最小值
cmap：设置颜色带的色系
center：设置颜色带的分界线
annot：是否显示数值注释
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：关于颜色带的设置
mask：传入布尔型矩阵，若为矩阵内为True，则热力图相应的位置的数据将会被屏蔽掉（常用在绘制相关系数矩阵图）
3.实例
用Python生成heatmap比较简单，导入googlmap然后把经纬度plot在地图上就可以了。最后把heatmap生成为一个html文件，可以放大和缩小。
import gmplot # plot the locations on google map
import numpy as np # linear algebra
import pandas as pd # data processing, CSV file I/O (e.g. pd.read_csv())
import matplotlib.pyplot as plt # data visualization
import seaborn as sns # data visualization
df = pd.read_csv("data.csv")
df = pd.Dataframe(df)
df_td = pd.read_csv("datacopy.csv")
df_td = pd.Dataframe(df_td)
# print df.dtypes
print (df.shape)
print (df_td.shape)
def plot_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])
# Initialize the map to the first location in the list
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)
# Write the map in an HTML file
# gmap.draw('Paths_map.html')
gmap.draw('{}_Paths_map.html'.format(number))
plot_heat_map(df,'4')以上就是python热力图的原理实现，大家可以先跟着代码试验一下，看看是否能运行出相关的热力图，然后就其中的一些知识点进行学习。
