近日，由事件视界望远镜（EHT）捕获的类首张黑洞照片问世。

而我们也成为宇宙中第一批亲眼看到黑洞的人类！

其实在这张照片问世前，黑洞的模样只存在于人的想象中。有句话说得好，一千个人眼里就有一千个黑洞。而随着黑洞照片的曝光，黑洞终于揭开神秘面纱。这样历史性的时刻，网友们也不淡定了……纷纷留言，写下了自己的看法↓

大家还在社交平台上，展开了首届#黑洞PS大赛#……

然而作为一名数据人，在关键时刻还是要保持自己的专业素养，甜甜圈什么的肯定是不合适了，不过看着黑洞我也有种似曾相识的赶脚......

emmmmm没错，看着黑洞，我脑海里浮现出的第一个词就是：热力地图！！

什么是热力地图？

热力地图，又称等值线地图（choropleth map），就像天气预报的降雨分布，高低冷暖气压带。是根据不同区域的位置（经纬度）数据，进行不同程度的颜色填充，从而反映各个区域的不同分布。但是热力地图远不止这么些应用，任何和地理信息相关的数据都能通过热力地图玩出花来。

如何快速制作热力地图？

写代码？记得几年前我还是个傻小子的时候，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：

手写代码做地图真的是比黑洞还恐怖的事...

好在现在的数据分析已经进化到新高度，通过BI工具，不需要写代码，也不需要懂数据库，只需简单的拖拽操作，就可以完成数据处理+数据可视化。

比如我就只花了2分钟的时间做出了如下的“黑洞”地图，用FineBI一共6步。

第一步：下载安装

在官网下载FineBI（下载：「链接」），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。

第二步：数据准备

在中国，如果有一样物品的价格牵扯着所有人的神经，那么这个东西一定是房子。小编我作为买房的刚需群体，对房价也是十分关注的，因此我选择了中国房地产业协会公布的《2019年3月份全国城市房价排名 》作为数据来源，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。

当然最骚的操作，还是直连数据库，数据发生变化也能跟着变，有些大家看到的动态可视化其实就是数据在实时更新。

以下是FineBI支持的30多种数据源：

第三步：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，同时自动在仪表板中创建一个可视化组件。这里我给仪表板起名为1903房价数据。

第四步：地理信息识别

FineBI里数地图里怎么定位?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。这里，FineBI能将城市名转为经纬度（提醒：匹配好之后检查一下）。

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。

第五步：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。

热力图已经生成出来了，但现在热力图并没有和数据绑定，没什么意义，接下来我们让热力图依据房价平均数据进行展示。

第六步：美化调整

将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，看了一眼表，嗯，1分59秒，果然没有超过两分钟~

通过拖动控制房价范围，可以看到随着房价变高，区域也逐渐缩小到了北京-上海-广州-深圳，也比较符合我们的认知。

令我比较意外的是，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，后续值得继续分析。

最后是使用FineBI完成房价热力图的技术总结：

读取数据：可以是导入Excel或者连接数据库；处理数据：省市信息数据识别转化，或者经纬度数据匹配；制作图表：拖拽数据字段，系统自动进行经纬度或者行政区名的匹配确认，一键生成地图；美化：根据自己的小趣味或者分析目标，加数据警示、点线面的颜色大小处理，或者酷炫的动态效果。

其实，只要选对了工具，数据分析没有想象中的那么难。就像昨天才露出真容的黑洞，照片曝光后，不少人惊呼“黑洞原来没有想象中的那么可怕，反而有点可爱”。

当你开始迈出数据分析的第一步，你也会发现，数据分析其实很简单~

最后，关于源数据Excel和工具，大家可私·信我【房价数据】获得。