【深度学习】热力图绘制

        热力图（Heatmap）是一种数据可视化方法，通过颜色来表示数据矩阵中的数值大小，以便更直观地展示数据的分布和模式。热力图在许多领域中都有应用，尤其在统计分析、机器学习、数据挖掘等领域，能够帮助我们快速识别出数据中的潜在规律和关系。

        在热力图中，通常使用颜色来表示数据中的相关性强度。具体来说：

• 偏红色（暖色调）通常表示正相关（即两者之间的关系越强，值越高）。
• 偏蓝色（冷色调）通常表示负相关（即两者之间的关系越弱，值越低，甚至负相关时值可能为负数）。

        这两种颜色的映射方式是热力图的常见标准。例如，在 Python 的 seaborn 库中，heatmap 函数通常会根据数据矩阵的值自动映射成颜色，红色代表高值，蓝色代表低值。

import panda as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

sns.set()
sns.set_style('whitegrid',{'font.sans-serif':{'simhei','Arial'}})

实例1：模拟绘制北京景区热度图

df = pd.DataFrame(
    np.random.rand(4,7),
    index = ["天安门","故宫","奥林匹克森林公园","八达岭长城"],
    columns = ["周一","周二","周三","周四","周五","周六","周日"]
)
df

plt.figure(figsize=(10,4))
sns.heatmap(df, annot=True, fmt='.2f', cmp="coolwarm")

实例2：绘制泰坦尼克事件与存亡变量的关系

df = pd.concat(
    [
        pf.read_csv("./datas/titanic/titanic_train.csv"),
        pf.read_csv("./datas/titanic/titanic_test.csv")
    ]
)
df.head()

# pandas把字符串类型的列，变成分类数字编码
for field in ["Sex","Cabin","Embarked"]:
    df[field] = df[field].astype("category").cat.codes

# 计算不同变量之间，两两的相关系数
df.corr()

plt.figure(figsize=(12,6))
sns.heatmap(df.corr(), annot=True, fmt=".2f", cmap="coolwarm")

测量目的发送一张图片，然后经过信道估计之后的信道分布进行处理，能否得到一种信道偏移量，光流图？热力图？

参考资料：

科研笔记第13期——热力图绘制 - 知乎

深度学习中，模型可视化，特征图的可视化，CAM热力图可视化_哔哩哔哩_bilibili

热力图可以用于表示两个分类变量的强度关系分布，本视频使用seaborn的heatmap进行演示_哔哩哔哩_bilibili