heatmapvisualisointeihin

Heatmap-visualisoinnit ovat visuaalisia esityksiä, joissa yksittäisten arvojen suuruus esitetään värin voimakkuudella. Väriä käyttämällä voidaan tunnistaa kuviot, klusterit ja poikkeamat suurissa datamäärissä ilman jokaisen luvun lukemista.

Rakenteeltaan heatmap on yleensä matriisi: rivit ja sarakkeet vastaavat kategorioita tai ajanjaksoja, ja jokainen solu kuvaa näiden arvojen voimakkuutta värin avulla. Suunnittelussa käytetään usein jatkuvia väriskaaloja (esim. sininen–punainen) tai divergereita skaaloja, joissa keskellä on neutraali väri. Datan normalisointi tai skaalaus (min–max, z-scores) parantaa vertailua eri sarakkeiden välillä. Puuttuvat tiedot voidaan merkitä erikseen.

Tyypeissä erotellaan sekä matriisi-heatmapit että maantieteelliset heatmapit. Matriisissa kuvaa arvoja taulukon soluissa; ajalliset heatmapit asettavat ajan akselille, jolloin värin vaihtelu kuvaa ajankohtaisia muutoksia. Maantieteelliset heatmapit tai choropleth-kartat esittävät arvoja maantieteellisillä alueilla; muita variaatioita ovat tiheyskartat ja vasteiden tai tapahtumien intensiteetin kartoitus.

Käyttökohteita ovat bioinformatiikka, verkkosivustojen käyttöanalytiikka, kliininen tutkimus, ilmasto- ja ympäristötiedot sekä liiketoiminnan suorituskyvyn seuranta. Tutkija ei tee syy-seuraussuhteita pelkästään heatmapeilla; arvojen väri heijastaa tilastollista suuretta tai ilmiön tiheyttä, mutta ei osoita syytä.

Hyvä käytäntö on tarjota selkeä legenda, otsikot ja akselit sekä huomioida värisokeus. Valitut värit tulee olla luettavissa sekä pienillä että suurilla näytöillä. Työkaluina käytetään esimerkiksi Pythonin matplotlib ja seaborn, Plotly, R:n ggplot2, JavaScriptin D3.js sekä liiketoimintatyökaluja kuten Tableau tai Power BI.