Python Matplotlib/Seaborn绘制热图出现空图问题求助

以下是针对你遇到的「数据正常但热图为空」问题的常见排查步骤和解决方法：

1. 先确认数据的有效性与类型 #

很多时候空图是因为数据并非预期的数值类型，或者存在大量空值：

# 检查数据类型，确保所有值都是float/int
print(df.dtypes)
# 统计空值总数
print(df.isna().sum().sum())
# 查看数据极值，确认数值范围合理
print(f"数据最小值: {df.min().min()}, 最大值: {df.max().max()}")

如果数据是字符串类型，先转换为数值：

# 强制转换为数值，无法转换的设为NaN
df = df.apply(pd.to_numeric, errors='coerce')
# 可选：根据业务场景填充空值（比如用均值）
df = df.fillna(df.mean())

2. 检查数据结构是否匹配热图要求 #

Seaborn的heatmap要求输入二维宽格式数据（行、列是分类索引，单元格是数值）。如果你的数据是长格式（比如包含x坐标、y坐标、密度值三列），需要先转成宽格式：

# 假设长格式数据为df_long，列名是x, y, density
df_wide = df_long.pivot(index='y', columns='x', values='density')
# 若需要调整坐标轴方向，可转置数据
# df_wide = df_wide.T

3. 调整色标范围适配数据 #

电子密度数据可能数值极差极小，或者存在极端值导致色标被拉伸，视觉上看不出差异：

import seaborn as sns
import matplotlib.pyplot as plt

# 手动设置色标范围为数据的实际极值
sns.heatmap(df_wide, 
            vmin=df_wide.min().min(), 
            vmax=df_wide.max().max(),
            cmap='viridis',  # 选择高对比度的色映射
            robust=True)     # 自动忽略极端异常值
plt.show()

4. 确保触发绘图显示 #

• 脚本模式运行时，必须添加plt.show()才能弹出绘图窗口
• Jupyter Notebook环境中，先运行%matplotlib inline或%matplotlib notebook启用绘图渲染

5. 排查色映射与透明度问题 #

避免使用带默认透明度的色映射，或者检查是否误设了alpha=0：

# 确保alpha设为1（不透明），使用标准色映射
sns.heatmap(df_wide, cmap='plasma', alpha=1)
plt.show()

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