热力图输入必须是二维数值矩阵，不能直接使用含非数值列的原始DataFrame；需先用select_dtypes筛选数值列，再调用corr()生成相关矩阵，否则会报TypeError或ValueError。
热力图的输入必须是二维数值矩阵，不是原始DataFrame
Seaborn 的 sns.heatmap() 不接受带字符串列名或混合类型（如含分类变量）的原始 DataFrame。它只认纯数值的二维结构——通常是相关系数矩阵、协方差矩阵，或者你自己算好的交叉统计表。
常见错误是直接传入含非数值列的 DataFrame，结果报错：TypeError: unsupported operand type(s) for -: 'str' and 'str' 或 ValueError: data must be 2-dimensional。
正确做法是先提取数值列，再计算相关性：
- 用
df.select_dtypes(include='number')筛出数值列 - 调用
.corr()得到pd.DataFrame类型的相关矩阵（默认皮尔逊） - 若需其他方法（如 spearman），显式传参：
df.corr(method='spearman')
中文标签显示乱码？得提前配置 matplotlib 字体
Seaborn 基于 matplotlib，而后者默认不支持中文。不处理的话，坐标轴和标题会变成方块或空格，但不会报错，容易误以为绘图失败。
关键不是改 Seaborn 设置，而是改底层 matplotlib 的字体配置：
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 运行前加两行：
import matplotlib.pyplot as plt和plt.rcParams['font.sans-serif'] = ['SimHei', 'Arial Unicode MS', 'DejaVu Sans'] - 再加一行确保负号正常：
plt.rcParams['axes.unicode_minus'] = False - 注意：
SimHei是 Windows 默认中文字体；macOS 推荐'Arial Unicode MS'或'Heiti SC'；Linux 可用'WenQuanYi Zen Hei'
想看显著性？Seaborn 本身不提供 p 值标注，得自己加
sns.heatmap() 只画数值，不管统计显著性。如果你需要在热力图上标出哪些相关系数达到 p
典型流程是：
- 用
scipy.stats.pearsonr()对每对数值列循环计算 r 值和 p 值 - 构造一个布尔掩码矩阵（如
p_values ），再用np.where()把显著位置标记为'*'，不显著设为空字符串 - 把该标记矩阵传给
annot参数，并设fmt='s'（字符串格式）
示例片段：
sns.heatmap()
- 优先用
df.corr().abs().unstack().sort_values(ascending=False)查最高相关对，聚焦分析强关联子集 - 用
df.corr().loc[subset_cols, subset_cols]手动指定行列子集（比如只看前 12 个变量） - 必须全画？那就调大画布：
plt.figure(figsize=(14, 12))，再调小字体：annot_kws={'size': 8} - 避免用
xticklabels=True（默认已开），除非你真想关掉标签节省空间
热力图本质是探索性工具，不是汇报终稿；变量一多，优先考虑聚类排序（clustermap）或分组绘制，而不是堆满所有变量。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
