热力地图可视化地图：最简单的数据热力地图
热力地图可视化地图：最简单的数据热力地图早知道有这么多工具，我勤快点百度搜一搜，也不至于这么神蠢了。我记得大学的时候做一个项目，导师给了一骡子的数据，让我做一张热力图出来。0编程基础的我对着博客啃了几天，费了九牛二虎之力找了张地图底图，用JS写了两页代码：总的来说，有这么几种方式，一种是在Excel的2013以上版本，下一个Power map组件。要么就是JS Echarts，能玩很多花样。还有也是最简单的方式，就是用自带数据地图功能的各种数据分析工具、可视化工具、BI工具。
还记得上周发布的首张黑洞照片吗？被网友各种玩坏！
然而作为一名数据人，看着黑洞我也有种似曾相识的赶脚......
啊，渐变明暗，这不是热力地图嘛！
热力地图就是依据地区数据的大小进行不程度的颜色填充，从而反应数据的分布，是一种很常用的地理可视化。如下面这张交通密度动图。
总的来说，有这么几种方式，一种是在Excel的2013以上版本，下一个Power map组件。
要么就是JS Echarts，能玩很多花样。
还有也是最简单的方式，就是用自带数据地图功能的各种数据分析工具、可视化工具、BI工具。
我记得大学的时候做一个项目，导师给了一骡子的数据，让我做一张热力图出来。0编程基础的我对着博客啃了几天，费了九牛二虎之力找了张地图底图，用JS写了两页代码：
早知道有这么多工具，我勤快点百度搜一搜，也不至于这么神蠢了。
好了，废话不多说。本文就来教你做一张类似黑洞效果的数据地图，希望大家能掌握数据地图的制作技巧。
这里我用了最简单的方式，通过BI工具（FineBI），花了两分钟，做了如下的地图：
1、下载安装
先去官网下载FineBI，介绍很多次了，它本质是BI商业智能工具，因为自带强大的可视化库，所以这里当可视化工具用，安装后打开。
2、数据准备
这里我下载了一份3月份全国个城市的房价交易数据作为数据源，来制作一张房价热力图。
部分数据如下（Excel格式）：
将数据导入分析，选择数据准备——点击添加业务包——在业务包下点击添加EXCEL——把上面这张Excel导入FineBI。
以下是FineBI支持的30多种数据源，如果你的数据在数据库里，也可以直接连，更方便。
3、新建组件
在导入好的excel数据集右上角点创建组件，就会新建一张仪表板，仪表板也就是dashboard，也可以做大屏，就是可视化看板。这里我们只做一个数据地图组件，同时自动在仪表板中创建一个可视化组件。
4、地理信息识别
FineBI里数据和地理位置怎么匹配？有两种方式。
一种是让系统根据城市名自动识别经纬度。选取城市字段——转化为地理角色——系统会自动根据城市名字识别创建经纬度。
另一种是直接读取经纬度数据进行匹配，大部分其他软件也是这个原理。
这里，我就偷懒，用FineBI直接将城市名转为经纬度。
在城市字段上选择地理角色，我这里使用的是城市级别的数据，因此地理角色选择城市。
点击确定，系统已经自动将城市名称转换为了对应的经纬度坐标，并生成了经度和纬度两个新的字段。
5、生成热力图
拖拉数据字段自动生成地图。把经度放在维度上，维度放在指标上，图表类型选择热力图。
到这里，图已经基本搞定，但是还没有和数据绑定。平均房价指标拖入热力色设定，让热力色根据平均房价进行展示。然后把配色调整成黑洞的感觉。
调整好配色，最后将背景图调为黑色，毕竟分析的是房价，还是要沉重一些，这样一张热力地图就大功告成。
房价的数据和我的预期差不多，北上广深最高。但让我大跌眼镜的事，三亚陵水和厦门的房价甚至超过了南京杭州这些新一线城市，谁来解释解释是什么鬼，海景房都这么贵么？
最后，这么简单的教程还不赶紧收藏，赶紧下个FineBI上手练习吧！
