热力图是一种用来展示数据分布和数据密度的图表。在Python中，我们可以使用各种库来生成热力图，比如matplotlib和seaborn。

import matplotlib.pyplot as plt
import numpy as np

# 创建一个随机数组
data = np.random.rand(10, 10)

# 绘制热力图
plt.imshow(data, cmap='coolwarm')
plt.colorbar()
plt.show()

这段代码生成一个10x10的随机数组，并使用matplotlib库的imshow函数来绘制热力图。cmap参数用来指定热力图的颜色映射，这里使用的是coolwarm，表示从蓝色到红色。

除了使用随机数组来生成热力图，我们还可以使用实际数据。比如，我们可以使用seaborn库自带的数据集tips来生成一张热力图。

import seaborn as sns

# 加载tips数据集
tips = sns.load_dataset('tips')
# 使用pivot_table函数生成一个矩阵，行为day，列为time，值为tip的平均值
data = tips.pivot_table(index='day', columns='time', values='tip', aggfunc='mean')

# 绘制热力图
sns.heatmap(data, cmap='coolwarm')
plt.show()

这段代码使用seaborn库自带的数据集tips，使用pivot_table函数生成一个矩阵，行为day，列为time，值为tip的平均值。再用sns.heatmap函数绘制出热力图。

热力图是一种非常直观并且易于理解的图表，可以用于数据分析和数据可视化。使用Python生成热力图非常简单，只需要使用相应的库和函数即可。