执行相关性矩阵热力图代码报错，无法生成相关性图表求助

• 数据类型不匹配
  皮尔逊相关系数仅适用于数值型数据，如果df_cat以类别型特征为主，计算时会报错或生成空矩阵。
  解决步骤：

  1. 筛选数据集中的数值型列：df_num = df_cat.select_dtypes(include=['int64', 'float64'])
  2. 基于筛选后的数值型数据计算相关矩阵：corr_matrix = df_num.corr(method="pearson")

• 缺失值干扰计算
  数据中的NaN值会导致相关系数计算异常，甚至生成空矩阵。
  解决：先处理缺失值，比如直接删除含缺失值的行：df_num = df_num.dropna()，或者用均值填充：df_num = df_num.fillna(df_num.mean())

• 未导入依赖库
  代码中使用了sns（seaborn）和plt（matplotlib）但未提前导入，会触发NameError。
  解决：在代码开头添加导入语句：

  import seaborn as sns
  import matplotlib.pyplot as plt
  

• 未调用图表显示命令
  绘图代码执行后，需要主动触发显示才能看到图表。
  解决：在代码末尾添加：plt.show()

• 无有效数值特征或数据量过小
  如果df_cat中没有数值型列，相关矩阵会为空，无法生成热力图。若要计算类别型数据的相关性，可先做独热编码再用斯皮尔曼系数：

  import pandas as pd
  df_encoded = pd.get_dummies(df_cat)
  corr_matrix = df_encoded.corr(method="spearman")
  

内容的提问来源于stack exchange，提问作者Shreena