4. 热图简介：数学原理与可视化作用

热图这东西，第一次接触的人往往会把它当成“彩色表格”。这种理解不算错，但太窄了。我在做ADMET预测的时候，经常用手里的数据矩阵直接画热图，一眼就能看出哪些分子结构片段跟毒性、吸收率高度相关。说白了，热图就是把冰冷的数据矩阵“翻译”成眼睛能秒懂的彩色棋盘。

这一节我们不走纯理论，我把数学原理揉碎了讲，外加我踩过的坑和一些实用经验。

4.1 热图到底在干什么？

你可以把热图想象成一张数字矩阵的照片。矩阵里每个格子存了一个数值，热图把数值映射成颜色。值大一个颜色，值小另一个颜色。

举个例子，ADMET预测里我们经常算分子描述符之间的皮尔逊相关系数。一个矩阵可能长这样：

          LogP    MW    HBA    HBD    TPSA
LogP     1.00   0.65  -0.32  -0.41  -0.58
MW       0.65   1.00  -0.21  -0.35  -0.49
HBA     -0.32  -0.21   1.00   0.78   0.88
HBD     -0.41  -0.35   0.78   1.00   0.72
TPSA    -0.58  -0.49   0.88   0.72   1.00

光看数字你很难快速抓住规律。但把每个数字替换成一个色块，0.88 用深红，-0.58 用深蓝，视觉上立马就能看到两块：HBA/HBD/TPSA 这一组高度正相关（红成一片），它们跟 LogP/MW 则是负相关（蓝色区域）。不需要一行一行扫数字，大脑花不到 0.5 秒就完成模式识别了。

嗯，这就是热图的核心价值——把定量关系变成视觉直觉。

4.2 数学原理：颜色是怎么算出来的？

热图的数学部分其实就三个步骤：

1. 原始数据准备——通常是矩阵形式，行和列都有实际意义
2. 相似性/相关性计算——这一步决定了最终热图的信息质量
3. 颜色映射——把数值通过映射函数转成 RGB 色值

4.2.1 相似度度量：热图的基础

我一开始做热图时，直接把原始数据丢进去，画出来一片乱七八糟。后来才反应过来——你需要先定义“像不像”。ADMET 场景里最常用的是以下三种：

度量方法	公式（简写）	适用场景
皮尔逊相关系数	r = cov(X,Y)/(σXσY)	评估描述符之间的线性关系强度
欧几里得距离	d = √Σ(xi−yi)²	比较两个分子的整体特征差异
斯皮尔曼秩相关	ρ = 1 − (6Σdi²)/n(n²−1)	数据不满足正态分布时替代皮尔逊

我个人的习惯是：先算皮尔逊，画个初版热图；如果发现数据分布比较偏，换成斯皮尔曼重新跑一遍。两者差距越大，说明数据里的非线性特征越明显，这本身就是重要信息。

4.2.2 颜色映射函数

这一步最容易被忽视。但我在项目里吃过亏——有一次用默认的彩虹色映射，结果组里一个色盲同事完全看不出差别。

颜色映射公式本质是一个分段函数：

给定数值范围 [min, max]
归一化：t = (value - min) / (max - min)   → t ∈ [0, 1]
颜色映射：RGB = f(t)

f(t) 的具体形式决定了配色方案。常见的包括：

• 顺序映射：从浅到深单一色系，比如浅蓝→深蓝，适合表示单一方向强度
• 发散映射：中间色（白/浅灰）代表零或均值，两端用对比色，比如蓝→白→红，相关性热图最常用
• 定性映射：离散色的切换，适合类别数据

4.3 可视化作用：为什么热图比表格管用？

这不是玄学，背后有认知心理学依据。人的视觉系统对颜色块和空间位置极度敏感，但对密集的数字串很迟钝。热图正是利用了这一点。

我把热图在 ADMET 预测里的核心用途归纳成四点：

作用	解释
模式发现	一眼看出哪些特征区块高度相关，形成“聚类块”
异常检测	本应相关的变量却出现冷色块，说明数据或假设有问题
特征筛选	冗余特征成片同色，可以考虑降维或删除
结果沟通	给非技术同事展示时，热图比数字矩阵直观得多

4.4 一张图看懂热图工作流

下面的 SVG 图总结了从原始数据到最终热图的全流程。我每次做热图都会在心里过一遍这个流程，不跳步。这样做出来的图才经得起推敲。

你看，从原始数据到最终热图，核心只有 三个必经环节：计算相似度、做颜色映射、可视化渲染。聚类重排虽然可选，但做了之后热图会更有结构感，我一般都会加上。

4.5 实操避坑：我踩过的三个坑

多年实战下来，我总结了几条铁律：

• 坑一：忘记归一化——不同尺度的特征放在一起，大数值吃掉小数值。解决：算相关系数前先做 z-score 或 min-max 归一化。
• 坑二：忽略缺失值——NaN 会在热图上形成白色空洞，这空洞不是信息而是缺失。解决：用均值填充、中位数填充或者干脆删掉缺失率超过 30% 的特征。
• 坑三：配色选错——彩虹色、热力色容易让大脑产生错觉，以为颜色变化代表有特殊含义。解决：ADMET 场景一律用发散配色（蓝-白-红），这是业界共识。