### 动态热力图的实现 动态热力图可以通过 `matplotlib` 和 `seaborn` 的结合来实现，也可以使用其他专门的库如 `plotly` 或 `pyecharts` 来完成更复杂的交互式可视化[^1]。以下是一个基于 `matplotlib` 和 `FuncAnimation` 的动态热力图示例代码： ```python import numpy as np import matplotlib.pyplot as plt from matplotlib.animation import FuncAnimation # 生成随机数据 def generate_data(): return np.random.rand(10, 10) # 初始化热力图 fig, ax = plt.subplots() data = generate_data() cax = ax.matshow(data, cmap='coolwarm') # 添加颜色条 cbar = fig.colorbar(cax) # 更新函数 def update(frame): data = generate_data() cax.set_data(data) # 更新数据 return cax, # 创建动画 ani = FuncAnimation(fig, update, frames=range(100), interval=200, blit=True) plt.show() ``` 上述代码通过 `FuncAnimation` 实现了动态更新热力图的效果，其中每一帧都会重新生成一组随机数据并更新到热力图中[^1]。 如果需要更高级的交互功能，可以使用 `plotly` 库，它支持动态、交互式的热力图绘制。以下是基于 `plotly` 的动态热力图示例： ```python import plotly.graph_objects as go import numpy as np # 生成动态数据 frames = [] for i in range(50): z_data = np.random.rand(10, 10) frame = go.Frame(data=[go.Heatmap(z=z_data, colorscale='Viridis')], name=f'frame{i}') frames.append(frame) # 创建初始热力图 fig = go.Figure( data=go.Heatmap(z=np.random.rand(10, 10), colorscale='Viridis'), frames=frames ) # 添加播放按钮 steps = [] for i in range(len(frames)): step = dict(method="animate", args=[["frame{}".format(i)], {"mode": "immediate", "frame": {"duration": 300, "redraw": True}}], label=str(i)) steps.append(step) sliders = [dict(steps=steps)] fig.update_layout(sliders=sliders) fig.show() ``` 此代码利用 `plotly` 的 `Frame` 功能实现了动态热力图，并且提供了滑块控件以手动控制动画的播放[^2]。 此外，还可以使用 `seaborn` 绘制静态热力图，并结合外部工具（如 `ipywidgets`）实现动态效果[^3]。 ---