数据可视化原理-腾讯-3D热力图

在做数据分析类的产品功能设计时，经常用到可视化方式，挖掘数据价值，表达数据的内在规律与特征展示给客户。
可是作为一个产品经理，（1）如果不能够掌握各类可视化图形的含义，就不知道哪类数据该用哪个图形。光知道可视化图形的含义还不够，（2）还要掌握该类可视化图形需要的后台数据结构是怎样的，才能指导数据处理人员或后端开发在现有数据结构的基础上，处理数据，供各类可视化图形调用。

下面，将以腾讯的数据可视化API为案例，学习可视化图形的原理，方便后续正确使用这些图形，进行数据可视化表达。如果有理解错误的地方，欢迎大家及时反馈，避免误导他人，多谢啦。

热力图

热力图以颜色来表现数据强弱大小及分布趋势。

热力图的属性

radius：最大辐射半径，默认为50。
该属性将影响热力图的“连片”程度，辐射半径越大，热力图表现的越连续；辐射半径越小，热力图表现的越分散。如下图：


height： 峰值高度，默认为100。
该属性将影响热力图的显示高度，值越大，热力图的高度越高。



min：热力最弱阈值，小于该值的不显示，默认为0。
max：热力最强阈值，大于该值的显示为最强色，默认为数据中的最大值。
热力阈值 = 热力区域内 各个热力点的权重值总和。
热力阈值将影响各个热力区域内，不同颜色的面积占比。

热力点数据结构

{"lng":116.413605,"lat":40.04902,"count":81}
{"lng":116.239012,"lat":39.904288,"count":82}
{"lng":116.408522,"lat":40.016971,"count":90}
{"lng":116.475833,"lat":39.947107,"count":12}
{"lng":116.43476,"lat":39.901671,"count":85}
{"lng":116.40229,"lat":39.869205,"count":18}
{"lng":116.226013,"lat":40.213485,"count":87}
{"lng":116.689042,"lat":39.889192,"count":74}
{"lng":116.377252,"lat":39.873622,"count":89}
{"lng":116.53061,"lat":40.103146,"count":28}
{"lng":116.416271,"lat":39.905187,"count":91}
{"lng":116.531169,"lat":39.91276,"count":92}
{"lng":116.17849,"lat":40.075692,"count":65}
{"lng":116.188616,"lat":40.102413,"count":94}

如何设置各个点的权重值

（1）假如你有一份 “XX省景点数据”，想通过热力图，表达景点的分布密度。由于各个景点在地理空间上并无差别，权重值可以都设置为同一个值，比如设置为1。

{"lng":116.531169,"lat":39.91276,"count":1} //景点1
{"lng":116.17849,"lat":40.075692,"count":1} //景点2
{"lng":116.188616,"lat":40.102413,"count":1} //景点3.....

(2)假如你有一份“XX省各小区的房价”数据，想通过热力图，表达房价高低的分布情况。由于各个小区的房价不同，因此各个点的权重值也应该不同，这样才能通过热力图体现房价高低的分布情况。权重值可以设置为各小区的房价。

{"lng":116.531169,"lat":39.91276,"count":8000} //小区1房价
{"lng":116.17849,"lat":40.075692,"count":12000} //小区2房价
{"lng":116.188616,"lat":40.102413,"count":9400} //小区3房价......