heatmap()画不出相关系数矩阵主因是数据含非数值列，需用select_dtypes筛选数值列或编码分类变量；颜色条、标签、保存等细节需分别用cbar_kws、xticklabels、fig.savefig等精准控制。
heatmap() 画不出相关系数矩阵？先检查数据类型
直接传 df.corr() 结果进 heatmap() 看似合理，但常因数据含非数值列（如字符串 ID、时间戳）导致 corr() 返回空 DataFrame 或报错 TypeError: unsupported operand type(s) for /: 'str' and 'float'。
- 用
df.select_dtypes(include=['number'])显式筛出数值列再算相关性 - 若含分类变量且想编码后参与计算，得先用
pd.get_dummies()或LabelEncoder转换，不能直接喂给corr() -
corr(method='spearman')对异常值更鲁棒，但计算慢；默认'pearson'要求线性假设
颜色条（colorbar）位置偏移或文字糊成一片？控制 cbar_kws 和字体大小
默认 colorbar 标签和刻度常挤在一起，尤其当相关系数范围窄（比如集中在 0.8–0.99）时，heatmap() 自动缩放会放大微小差异，让视觉失真。
- 加
cbar_kws={'shrink': 0.8, 'aspect': 20}缩小 colorbar 宽度，拉长高度，避免标签重叠 - 用
annot=True显示数值时，务必配fmt='.2f'（别用'.2g'，否则 0.005 变成 0.0050 → 0.005 → 0.00，精度丢失） - 中文环境记得提前设
plt.rcParams['font.sans-serif'] = ['SimHei']，否则热力图里汉字变方块
行列标签太长，热力图被压缩变形？用 xticklabels 和 yticklabels 控制显示粒度
原始列名如 'user_login_time_last_7d_mean' 直接当 xticklabel，图一画出来就糊成黑带，且整个 figure 横向撑爆。
- 传入
xticklabels=[x[:12] + '...' if len(x) > 12 else x for x in df.columns]截断过长标签 - 用
plt.xticks(rotation=45)后接plt.tight_layout()，否则旋转后标签被裁掉 - 若只关心上三角部分（相关矩阵对称），用
mask = np.triu(np.ones_like(corr_matrix, dtype=bool))配mask=mask参数隐藏下三角，减少干扰
保存图片模糊或白边过大？绕开 plt.show() 直接 fig.savefig()
调完图用 plt.show() 再截图，分辨率低、边缘留白不可控，尤其嵌入报告时难看。
立即学习“Python免费学习笔记（深入）”；
- 创建 figure 时显式指定尺寸：
plt.figure(figsize=(10, 8))，比默认 dpi 更稳 - 保存用
fig = plt.gcf(); fig.savefig('corr_heatmap.png', bbox_inches='tight', dpi=300)，bbox_inches='tight'自动裁白边 - 导出 PDF 用于论文？把
dpi=300换成format='pdf'即可，矢量图无损缩放
真正麻烦的是 mask 和 annot 同时开启时的对齐问题——mask 会跳过某些格子的 annot 渲染，但字体大小、颜色、位置参数仍全局生效，容易出现“空格有字、有格无字”的错觉。这时候得手动遍历 ax.text() 补位，不是改几个参数能解决的。
