
在城市規(guī)劃、公共衛(wèi)生管理和醫(yī)療資源優(yōu)化等領(lǐng)域,直觀展示醫(yī)療機(jī)構(gòu)的空間分布特征具有重要意義。熱力圖作為一種通過顏色梯度反映地理要素密度的可視化工具,能清晰呈現(xiàn)城市醫(yī)療機(jī)構(gòu)的集聚程度、分布熱點(diǎn)及資源缺口。當(dāng)獲取到醫(yī)療機(jī)構(gòu)的經(jīng)緯度數(shù)據(jù)后,如何將其轉(zhuǎn)化為直觀的熱力圖?本文將系統(tǒng)介紹從數(shù)據(jù)處理到可視化呈現(xiàn)的完整流程,涵蓋工具選擇、操作步驟及應(yīng)用場景。
熱力圖通過將地理坐標(biāo)點(diǎn)的密度轉(zhuǎn)化為色彩漸變(通常以紅 - 黃 - 藍(lán)表示從高密度到低密度),直觀反映要素在空間上的集聚特征。在城市醫(yī)療機(jī)構(gòu)分析中,其核心價(jià)值體現(xiàn)在:
資源分布評估:快速識(shí)別醫(yī)療資源密集區(qū)(如市中心醫(yī)院集群)與薄弱區(qū)(如郊區(qū)或偏遠(yuǎn)社區(qū));
公共衛(wèi)生決策:為應(yīng)急醫(yī)療設(shè)施選址、疫情防控資源調(diào)配提供空間依據(jù);
民生服務(wù)優(yōu)化:輔助判斷居民就醫(yī)可達(dá)性,推動(dòng)醫(yī)療資源均衡配置。
基于經(jīng)緯度的熱力圖尤其適合展示點(diǎn)數(shù)據(jù)的空間分布規(guī)律,相比傳統(tǒng)的散點(diǎn)圖,能更清晰地凸顯 “熱點(diǎn)區(qū)域” 的范圍和強(qiáng)度。
生成熱力圖的前提是獲取準(zhǔn)確的醫(yī)療機(jī)構(gòu)經(jīng)緯度數(shù)據(jù),且需經(jīng)過規(guī)范預(yù)處理以確??梢暬Ч?。
醫(yī)療機(jī)構(gòu)經(jīng)緯度數(shù)據(jù)的常見來源包括:
政府公開數(shù)據(jù)庫(如衛(wèi)健委發(fā)布的醫(yī)療機(jī)構(gòu)名錄);
實(shí)地調(diào)研采集(通過 GPS 設(shè)備或手機(jī)定位記錄)。
數(shù)據(jù)格式需包含至少三列核心信息:
機(jī)構(gòu)名稱 | 緯度(Latitude) | 經(jīng)度(Longitude) |
---|---|---|
某三甲醫(yī)院 | 39.9042°N | 116.4074°E |
社區(qū)衛(wèi)生服務(wù)中心 | 39.9142°N | 116.4174°E |
注意:緯度范圍為 - 90°~90°(北半球?yàn)檎?,?jīng)度范圍為 - 180°~180°(東經(jīng)為正),需統(tǒng)一采用十進(jìn)制格式(避免度分秒格式)。
去重處理:剔除重復(fù)記錄(如同一機(jī)構(gòu)被多次錄入),可通過 “機(jī)構(gòu)名稱 + 經(jīng)緯度” 組合判斷;
坐標(biāo)校驗(yàn):檢查異常值(如緯度>90°、經(jīng)度>180°),通過地圖工具(如 Google 地圖)手動(dòng)驗(yàn)證可疑坐標(biāo);
坐標(biāo)轉(zhuǎn)換:若數(shù)據(jù)采用非 WGS84 坐標(biāo)系(如百度地圖使用 BD09 坐標(biāo)系、高德使用 GCJ02 坐標(biāo)系),需通過轉(zhuǎn)換工具(如 coordconvert 庫)統(tǒng)一為 WGS84(國際通用坐標(biāo)系),避免地圖偏移。
根據(jù)用戶的技術(shù)背景和需求,可選擇不同工具生成熱力圖,以下為三類主流工具的實(shí)操步驟:
Tableau 作為輕量型數(shù)據(jù)分析工具,支持通過拖拽快速生成熱力圖,步驟如下:
導(dǎo)入數(shù)據(jù):點(diǎn)擊 “數(shù)據(jù)→新建數(shù)據(jù)連接”,導(dǎo)入包含經(jīng)緯度的 Excel 或 CSV 文件;
設(shè)置地理角色:右鍵 “緯度” 字段,選擇 “地理角色→緯度”;同理將 “經(jīng)度” 設(shè)置為 “經(jīng)度”,Tableau 會(huì)自動(dòng)識(shí)別地理坐標(biāo);
生成熱力圖:
將 “經(jīng)度” 拖至行 shelves,“緯度” 拖至列 shelves;
在 “標(biāo)記” 卡中選擇 “密度”(Density),自動(dòng)生成基礎(chǔ)熱力圖;
通過 “顏色” 調(diào)整熱力強(qiáng)度梯度(推薦使用 “紅 - 黃 - 淺灰” 色系);
在 “分析” 菜單中修改 “密度半徑”(Radius):半徑越大,熱點(diǎn)區(qū)域越模糊(適合展示宏觀分布);半徑越小,細(xì)節(jié)越清晰(適合微觀分析)。
優(yōu)勢:無需編程,5 分鐘內(nèi)可完成可視化;支持聯(lián)動(dòng)分析(如按醫(yī)療機(jī)構(gòu)類型篩選熱力圖)。
ArcGIS 作為專業(yè)地理信息系統(tǒng),能實(shí)現(xiàn)更精細(xì)的熱力圖制作,步驟如下:
導(dǎo)入經(jīng)緯度數(shù)據(jù),通過 “文件→添加數(shù)據(jù)” 加載表格;
右鍵表格選擇 “顯示 XY 數(shù)據(jù)”,將緯度、經(jīng)度分別關(guān)聯(lián)至 X、Y 字段,生成點(diǎn)要素圖層;
打開 “工具箱→空間分析工具→密度分析→核密度”;
輸入要素選擇點(diǎn)圖層,設(shè)置 “輸出單元格大小”(如 50 米,精度越高計(jì)算量越大);
調(diào)整 “搜索半徑”(如 500 米,根據(jù)城市規(guī)模設(shè)定,大城市可增至 1000 米);
在 “符號(hào)系統(tǒng)” 中選擇 “分級(jí)色彩”,將密度值分為 5-7 級(jí);
采用 “藍(lán) - 綠 - 黃 - 紅” 漸變色系,突出高值區(qū)(紅色)。
優(yōu)勢:支持疊加行政區(qū)劃、道路網(wǎng)等底圖,適合專業(yè)空間分析;可導(dǎo)出高精度矢量圖用于學(xué)術(shù)報(bào)告。
Python 通過folium
(交互式地圖)或matplotlib
(靜態(tài)圖)庫生成熱力圖,靈活性最高,以交互式熱力圖為例:
# 安裝必要庫
pip install folium pandas
import folium
from folium.plugins import HeatMap
import pandas as pd
# 1. 讀取數(shù)據(jù)
data = pd.read_csv("medical_institutions.csv") # 包含lat(緯度)、lng(經(jīng)度)列
# 2. 數(shù)據(jù)清洗(剔除空值)
data = data.dropna(subset=["lat", "lng"])
# 3. 構(gòu)建坐標(biāo)列表
locations = data[["lat", "lng"]].values.tolist()
# 4. 初始化地圖(以城市中心為起點(diǎn),如北京市中心)
m = folium.Map(location=[39.9042, 116.4074], zoom_start=12) # zoom_start控制初始縮放級(jí)別
# 5. 添加熱力圖層
HeatMap(
  locations,
  radius=20, # 影響半徑,單位像素
  blur=15, # 模糊程度,值越大越平滑
  gradient={0.4: 'blue', 0.65: 'lime', 0.8: 'yellow', 1: 'red'} # 顏色梯度
).add_to(m)
# 6. 保存為HTML
m.save("medical_heatmap.html")
生成的 HTML 文件可在瀏覽器中打開,支持縮放、平移,鼠標(biāo)懸??刹榭创笾旅芏戎?,適合網(wǎng)頁展示或動(dòng)態(tài)匯報(bào)。
熱力圖的可視化效果高度依賴參數(shù)設(shè)置,需結(jié)合研究目標(biāo)調(diào)整:
搜索半徑 / 影響半徑:
小城市或精細(xì)化分析(如社區(qū)級(jí))建議設(shè)為 100-300 米;大城市或宏觀分析(如市級(jí))設(shè)為 500-1000 米。半徑過大會(huì)掩蓋局部差異(如誤將分散的醫(yī)院合并為一個(gè)熱點(diǎn)),過小則導(dǎo)致熱點(diǎn)碎片化。
顏色梯度:
避免使用過多顏色分級(jí)(建議 5-7 級(jí)),高值區(qū)(紅色)應(yīng)突出但不刺眼,低值區(qū)(藍(lán)色)需保證與底圖區(qū)分度。
樣本量適配:
若醫(yī)療機(jī)構(gòu)數(shù)量較少(<100 個(gè)),建議增大半徑以強(qiáng)化集聚特征;數(shù)量龐大(>1000 個(gè))時(shí)可減小半徑,保留細(xì)節(jié)。
以某省會(huì)城市熱力圖為例:
核心發(fā)現(xiàn):紅色高值區(qū)集中在老城區(qū)(3 家三甲醫(yī)院 + 多個(gè)社區(qū)衛(wèi)生服務(wù)中心),東部新城區(qū)呈黃色(中等密度),西部郊區(qū)為藍(lán)色(低密度);
分析結(jié)論:新城區(qū)人口導(dǎo)入速度快但醫(yī)療資源配套滯后,需規(guī)劃新增社區(qū)醫(yī)院;郊區(qū)可通過 “醫(yī)聯(lián)體” 優(yōu)化資源覆蓋。
坐標(biāo)偏移問題:國內(nèi)商業(yè)地圖的經(jīng)緯度多經(jīng)過加密(如 GCJ02 偏移),直接用于國際坐標(biāo)系地圖(如 Google Maps)會(huì)導(dǎo)致點(diǎn)位偏離,需提前轉(zhuǎn)換;
忽略數(shù)據(jù)質(zhì)量:剔除 “僵尸機(jī)構(gòu)”(已注銷但數(shù)據(jù)未更新)和重復(fù)點(diǎn)位,否則會(huì)夸大局部密度;
過度解讀相關(guān)性:熱力圖僅反映空間分布,需結(jié)合人口密度、交通可達(dá)性等數(shù)據(jù)綜合分析(如某區(qū)域醫(yī)療資源密集可能因人口密集而非資源過剩)。
動(dòng)態(tài)熱力圖:結(jié)合時(shí)間維度(如分時(shí)段急診量),用 Python 的folium
+time_slider_choropleth
插件制作隨時(shí)間變化的熱力動(dòng)畫;
多維度疊加:在 ArcGIS 中疊加人口密度圖層,計(jì)算 “每萬人床位數(shù)” 熱力圖,更精準(zhǔn)反映資源供需匹配度;
政策模擬:通過調(diào)整假設(shè)新增醫(yī)院的經(jīng)緯度,預(yù)測熱力圖變化,輔助選址決策。
基于經(jīng)緯度數(shù)據(jù)生成城市醫(yī)療機(jī)構(gòu)熱力圖,是空間數(shù)據(jù)分析從 “抽象數(shù)字” 到 “直觀圖形” 的關(guān)鍵一步。無論是通過 Tableau 快速出圖、ArcGIS 精細(xì)分析,還是 Python 自定義開發(fā),核心都在于理解數(shù)據(jù)特征、優(yōu)化參數(shù)設(shè)置,并結(jié)合業(yè)務(wù)場景解讀結(jié)果。隨著智慧醫(yī)療的發(fā)展,熱力圖將進(jìn)一步與大數(shù)據(jù)、AI 結(jié)合,為醫(yī)療資源優(yōu)化、公共衛(wèi)生應(yīng)急等領(lǐng)域提供更精準(zhǔn)的空間決策支持。掌握這一技能,能讓數(shù)據(jù)背后的空間規(guī)律 “看得見、用得上”。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10CDA 數(shù)據(jù)分析師:商業(yè)數(shù)據(jù)分析實(shí)踐的落地者與價(jià)值創(chuàng)造者 商業(yè)數(shù)據(jù)分析的價(jià)值,最終要在 “實(shí)踐” 中體現(xiàn) —— 脫離業(yè)務(wù)場景的分 ...
2025-09-10機(jī)器學(xué)習(xí)解決實(shí)際問題的核心關(guān)鍵:從業(yè)務(wù)到落地的全流程解析 在人工智能技術(shù)落地的浪潮中,機(jī)器學(xué)習(xí)作為核心工具,已廣泛應(yīng)用于 ...
2025-09-09SPSS 編碼狀態(tài)區(qū)域中 Unicode 的功能與價(jià)值解析 在 SPSS(Statistical Product and Service Solutions,統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案 ...
2025-09-09