如何创建中心值最高、用于热图绘制的n×n二维数组？

要生成符合要求的数组，核心逻辑是基于每个元素到数组中心的距离，映射出递减的数值。以下是具体实现思路和Python代码：

核心步骤 #

• 确定数组中心坐标：
  • 若n为奇数，中心是整数坐标 (center, center)，其中 center = n // 2
  • 若n为偶数，取四个中心位置的中点作为虚拟中心，坐标为 (center - 0.5, center - 0.5)，保证对称
• 计算每个元素到中心的距离：推荐用欧氏距离，得到的数值衰减更平滑；也可以用曼哈顿距离（计算更快）
• 距离转递减数值：常用两种方式：
  1. 高斯函数：exp(-distance²/(2σ²))，σ控制衰减速度，数值范围0~1，中心为1
  2. 倒数映射：1/(distance + 1)，计算简单，数值随距离增大逐渐趋近于0

Python 实现代码 #

方法1：高斯函数（平滑衰减） #

import numpy as np

def create_heatmap_array(n, sigma=1.0):
    # 生成坐标网格
    x = np.arange(n)
    y = np.arange(n)
    xx, yy = np.meshgrid(x, y)
    
    # 计算中心坐标
    center = n // 2 if n % 2 == 1 else (n / 2 - 0.5)
    
    # 计算欧氏距离
    distance = np.sqrt((xx - center)**2 + (yy - center)**2)
    
    # 高斯函数转换为递减数值
    heatmap = np.exp(-(distance**2) / (2 * sigma**2))
    return heatmap

方法2：简单倒数映射 #

import numpy as np

def create_heatmap_array(n):
    x = np.arange(n)
    y = np.arange(n)
    xx, yy = np.meshgrid(x, y)
    
    center = n // 2 if n % 2 == 1 else (n / 2 - 0.5)
    distance = np.sqrt((xx - center)**2 + (yy - center)**2)
    
    # 倒数映射，避免除以0（中心距离为0，加1保证中心值为1）
    heatmap = 1 / (distance + 1)
    return heatmap

示例使用 #

比如生成5×5的数组：

arr = create_heatmap_array(5)
print(arr)

输出（高斯方法，sigma=1）：

[[0.1353 0.3679 0.6065 0.3679 0.1353]
 [0.3679 0.6065 0.8825 0.6065 0.3679]
 [0.6065 0.8825 1.     0.8825 0.6065]
 [0.3679 0.6065 0.8825 0.6065 0.3679]
 [0.1353 0.3679 0.6065 0.3679 0.1353]]

自定义调整 #

• 若需要更快的计算，可以把欧氏距离换成曼哈顿距离：distance = np.abs(xx - center) + np.abs(yy - center)
• 调整sigma可以改变衰减速度：sigma越大，数值衰减越慢，热图的“热点”范围越广
• 如果需要整数数值，可以对结果进行缩放后取整，比如heatmap = (np.exp(-(distance**2)/(2*sigma**2)) * 100).astype(int)

内容的提问来源于stack exchange，提问作者RGB Engineer