绘制四场野外试验相关矩阵热力图遇NameError错误，求解决方案

错误详情 #

运行代码时触发如下错误：

NameError
                               
~\AppData\Local\Temp\ipykernel_19684\903953116.py in <module>

      8 corr_Field1 = df_corr_Field1.corr()
     10 sns.heatmap(corr_Field1, annot=True, cmap='coolwarm', ax=axes[0], center=0,mask=mask)
     11 axes[0].set_title('Field1')

NameError: name 'mask' is not defined

核心问题 #

这个错误的直接原因是：你调用sns.heatmap()时传入了mask=mask参数，但从未定义过mask变量，Python找不到这个变量就会报错。

解决办法 #

分两种场景处理：

场景1：不需要遮罩效果

直接删除所有sns.heatmap()调用里的mask=mask参数即可，这是最快的解决方式。

场景2：需要遮罩（比如隐藏上三角/下三角）

如果想隐藏热力图的重复区域（如上三角），需要先导入numpy并定义mask变量。比如生成上三角遮罩的代码：

import numpy as np
# 生成与相关矩阵形状匹配的上三角遮罩
mask = np.triu(np.ones_like(corr_Field1, dtype=bool))

如果四个子图用相同遮罩，定义一次即可；若需不同遮罩，可分别为每个子图生成。

顺便修正代码里的其他问题 #

原代码还有几个拼写错误和子图索引问题，一起修正：

• 拼写错误：Fiedl1→Field1，df_corr_Fiedl2→df_corr_Field2，df_corr_Field.corr()→df_corr_Field4.corr()
• 子图索引错误：2行2列的子图，axes是二维数组，应该用axes[0,0]、axes[0,1]、axes[1,0]、axes[1,1]指定子图，避免重复使用axes[2]导致子图覆盖。

修正后的完整代码（无遮罩版本） #

import matplotlib.pyplot as plt
import seaborn as sns

# 初始化画布和子图
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(20, 6))

# 提取需要计算相关性的列
df_corr = dt[['Label','CE(µS/cm)', 'pH','HCO3-','Cl-', 'SO4', 'NO3-', 'Na+', 'K+', 'Ca2+', 'Mg2+', 'NH4+', 'TC', 'IC', 'COT']]

# Field1 热力图
df_corr_Field1 = df_corr[df_corr['Label'] == 'Field1']
corr_Field1 = df_corr_Field1.corr()
sns.heatmap(corr_Field1, annot=True, cmap='coolwarm', ax=axes[0,0], center=0)
axes[0,0].set_title('Field1')

# Field2 热力图
df_corr_Field2 = df_corr[df_corr['Label'] == "Field2"]
corr_Field2 = df_corr_Field2.corr()
sns.heatmap(corr_Field2, annot=True, cmap='coolwarm', ax=axes[0,1], center=0)
axes[0,1].set_title("Field2")

# Field3 热力图
df_corr_Field3 = df_corr[df_corr['Label'] == 'Field3']
corr_Field3 = df_corr_Field3.corr()
sns.heatmap(corr_Field3, annot=True, cmap='coolwarm', ax=axes[1,0], center=0)
axes[1,0].set_title('Field3')

# Field4 热力图
df_corr_Field4 = df_corr[df_corr['Label'] == 'Field4']
corr_Field4 = df_corr_Field4.corr()
sns.heatmap(corr_Field4, annot=True, cmap='coolwarm', ax=axes[1,1], center=0)
axes[1,1].set_title('Field4')

# 调整子图间距并展示
plt.tight_layout()
plt.show()

带遮罩的版本（以上三角遮罩为例） #

只需在代码开头导入numpy并定义遮罩：

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns

# 初始化画布和子图
fig, axes = plt.subplots(nrows=2, ncols=2, figsize=(20, 6))

# 提取需要计算相关性的列
df_corr = dt[['Label','CE(µS/cm)', 'pH','HCO3-','Cl-', 'SO4', 'NO3-', 'Na+', 'K+', 'Ca2+', 'Mg2+', 'NH4+', 'TC', 'IC', 'COT']]

# 生成上三角遮罩（所有子图共用）
sample_corr = df_corr[df_corr['Label'] == 'Field1'].corr()
mask = np.triu(np.ones_like(sample_corr, dtype=bool))

# Field1 热力图
df_corr_Field1 = df_corr[df_corr['Label'] == 'Field1']
corr_Field1 = df_corr_Field1.corr()
sns.heatmap(corr_Field1, annot=True, cmap='coolwarm', ax=axes[0,0], center=0, mask=mask)
axes[0,0].set_title('Field1')

# 其余子图代码同上，保留mask=mask参数即可

内容的提问来源于stack exchange，提问作者isai bassene