使用Seaborn从DataFrame生成热力图时触发TypeError错误

问题原因 #

这个错误的核心是你的DataFrame中存在缺失值（NaN）——虽然你提到列都是numpy.float64类型，但float64是允许存储NaN的，而pandas会用NAType来标记这些缺失值。当你用pivot_table生成透视表后，这些NaN依然存在，Seaborn的heatmap在尝试将这些缺失值转换为float类型时就会抛出这个错误。

解决步骤 #

1. 先确认缺失值位置

首先可以检查哪一列存在缺失值，方便针对性处理：

# 检查指定列的缺失值数量
print(bip[[x,y,z]].isna().sum())

2. 选择合适的缺失值处理方式

根据你的业务场景，选下面一种方法处理：

方法一：直接删除含缺失值的行

如果缺失值占比很小，不影响分析结果，可以直接删除：

def create_visual(x, y , z, aggfunc = 'mean'):
    bip_2 = bip[[x,y,z]].dropna()  # 新增：删除含缺失值的行
    bip_2 = bip_2.pivot_table(index=x, columns=y, values=z, aggfunc=aggfunc)
    ax = sns.heatmap(bip_2)

方法二：填充缺失值

如果不想删除行，可以用均值、中位数或固定值填充缺失值：

def create_visual(x, y , z, aggfunc = 'mean'):
    bip_2 = bip[[x,y,z]]
    # 用列的均值填充缺失值，也可以换成median()或固定值比如0
    bip_2 = bip_2.fillna(bip_2.mean())
    bip_2 = bip_2.pivot_table(index=x, columns=y, values=z, aggfunc=aggfunc)
    ax = sns.heatmap(bip_2)

方法三：在透视表生成时直接填充

pivot_table自带fill_value参数，可以直接将透视表中的NaN填充为指定值：

def create_visual(x, y , z, aggfunc = 'mean'):
    bip_2 = bip[[x,y,z]]
    # 新增fill_value参数，将透视表中的NaN填充为0（可根据需求调整）
    bip_2 = bip_2.pivot_table(index=x, columns=y, values=z, aggfunc=aggfunc, fill_value=0)
    ax = sns.heatmap(bip_2)

额外提示 #

如果你的数据中存在其他非数值型的隐藏问题，也可以尝试强制转换列的类型确保都是数值：

bip[z] = bip[z].astype('float64')

内容的提问来源于stack exchange，提问作者Reece