使用Seaborn绘制热力图遇TypeError：无法将object类型图像数据转为float

首先，咱们先定位你遇到的TypeError: Image data of dtype object cannot be converted to float错误——问题出在最后一行的plt.imshow(hmap)。sns.heatmap()返回的是一个Axes对象（也就是绘图的坐标轴实例），而plt.imshow()需要的是像素值组成的数组，把Axes对象传给它自然会报错，这行代码完全是多余的，删掉就行。

不过你的代码还有几个小问题需要调整，才能精准实现你想要的效果：

问题分析与核心修正点 #

• 注释数组labels逻辑错位：你现在把年份和国家名拼接在一起，但每个单元格对应的是该年份、该国家的预期寿命，注释应该关联这个核心数据才对。
• 透视表轴映射不符合需求：你要求year为X轴、country为Y轴，但当前pivot(index='year', columns='country')是把year设为行（Y轴）、country设为列（X轴），需要调换参数。
• 坐标轴隐藏过度：完全隐藏坐标轴会让读者无法对应热力图的年份和国家，建议保留关键刻度并优化显示。

修正后的完整代码 #

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

# 读取数据
df = pd.read_csv("gapminder-FiveYearData.csv")

# 创建透视表：按照需求设置year为X轴（列）、country为Y轴（行）
result = df.pivot(index='country', columns='year', values='lifeExp')

# 创建热力图注释数组：每个单元格显示年份+对应预期寿命值
labels = []
for country in result.index:
    row_labels = []
    for year in result.columns:
        life_exp = result.loc[country, year]
        # 格式：年份\n保留两位小数的预期寿命
        row_labels.append(f"{year}\n{life_exp:.2f}")
    labels.append(row_labels)
labels = np.array(labels)

# 定义绘图画布，调整高度适配国家数量
fig, ax = plt.subplots(figsize=(15, 20))
title = "GapMinder Heat Map: Life Expectancy by Country and Year"
plt.title(title, fontsize=18)
ttl = ax.title
ttl.set_position([0.5, 1.05])

# 设置X轴刻度倾斜，避免年份标签重叠
plt.xticks(rotation=45, ha='right')

# 绘制热力图
sns.heatmap(result, annot=labels, fmt="", cmap='RdYlGn', linewidths=0.30, ax=ax)

# 自动调整布局并展示
plt.tight_layout()
plt.show()

关键修改说明 #

1. 移除冗余的plt.imshow(hmap)：这是触发TypeError的直接原因，sns.heatmap已经完成绘图逻辑，直接用plt.show()展示即可。
2. 修正透视表轴映射：将pivot的index设为country、columns设为year，完美匹配你“year为X轴、country为Y轴”的需求。
3. 重构注释数组：现在每个单元格的注释会显示对应的年份和预期寿命值，让热力图的信息传递更清晰。
4. 优化坐标轴可读性：保留X轴年份刻度并设置倾斜，同时增大画布高度适配Y轴的国家列表，避免内容拥挤。

内容的提问来源于stack exchange，提问作者chandra sekhar T V