R语言绘制热图Heatmap

热图，适合二维数据表的可视化，数值用颜色显示。

细活在于调颜色，给人感性的、辨识度高的认识。

nba <- read.csv("d:/ppg2015.csv", sep=",")

nba <- nba[order(nba$PTS),]; #按场均得分排名

row.names(nba) <- nba$PLAYER;#行名为球星名

nba <- nba[,-c(1:4,8,10,12)]

nba_matrix <- data.matrix(nba)

nba_heatmap <- heatmap(nba_matrix, Rowv=NA, Colv=NA, col = topo.colors(16),scale="column", margins=c(5,10))

Heatmap颜色的设置还是很关键的，直接体现你这幅图的效果了。

R中颜色调色板很多：

（1）简单的

heat.colors(n, alpha = 1)

terrain.colors(n, alpha = 1)

topo.colors(n, alpha = 1)

cm.colors(n, alpha = 1)

比如，col=cm.colors(256)) #这里的颜色设置为n=256种，如果为2，做出的图就有两种颜色，不是你颜色设置越多越好，根据自己的需要而定（即合理的设置n）。

（2）复杂的

rainbow(n, s = 1, v = 1, start = 0, end = max(1,n - 1)/n, alpha = 1)

其中n代表颜色的种类，Start是起始的颜色，end是结束的颜色。可以设置为red=0, yellow=1/6, green=2/6, cyan=3/6, blue=4/6 and magenta=5/6.

热图的优缺点：

优点：

1. 与实景结合，数据表达更直观

2. 用形状和色彩传递信息，更易理解

人对事物的认知是感性的基于某种基模的，人对形、色、声、味、温度、压力…等可直接感知内容的理解要比数字容易的多。

热图之所以为“热图”是用人们熟知的火焰色彩传达温度感，借助形、色和温度三种基模传递原本难以理解的数量信息，非常之给力。

3. 柔化视觉效果更好，对非精确信息表达更合理

摄影爱好者一定知道柔光摄影技巧，照出来的照片更漂亮。

柔化之所以更舒服是因为较为平滑的色彩过渡让人感觉更柔和。

有时候我们更希望得到数据的平均值或近似值，而不是精确值，比如我们点击网页上的内容时并不是精确到某一像素，而是一个区域。因此模糊处理后可以更合理的解释用户比较喜欢点击的区域。

缺点：

1. 柔化效果，对精确信息表达不准确

2. 色彩传递感性化信息，不容易分辨具体值

热图的应用场景：

（1）足球比赛中，可以用来呈现队员在场上的活动热图；

（2）超市或商店里呈现顾客的移动和驻足的热图，用来优化商品和货架布局；

（3）统计房屋租金价格，与地图结合看租房热度；

（4）统计程序中的字幕频度，用键盘和热图呈现，来看不同编程语言的常用字符：