一、问题描述

在绘制相关分析热力图的时候：

import seaborn as sns
to_corr = ['Age', 'Income', 'Kidhome', 'Teenhome', 'Recency', 'Complain', 
          'MntWines', 'MntFruits', 'MntMeatProducts', 'MntFishProducts', 'MntSweetProducts', 
          'MntGoldProds', 'NumDealsPurchases', 'AcceptedCmp1', 'AcceptedCmp2', 'AcceptedCmp3', 
          'AcceptedCmp4', 'AcceptedCmp5', 'Response', 'NumWebPurchases', 'NumCatalogPurchases', 
          'NumStorePurchases', 'NumWebVisitsMonth', 'Years_Since_Registration', 'Family_Size',
           'Sum_Mnt', 'Num_Accepted_Cmp', 'Num_Total_Purchases']

cmap = sns.diverging_palette(220, 10, as_cmap = True)
matrix = np.triu(data[to_corr].corr())
plt.figure(figsize = (25, 14))
plt.title('Correlation matrix', fontsize = 18)
sns.heatmap(data = [to_corr].corr(), annot = True, fmt = '.1f', vmin = -0.4, center = 0, cmap = cmap, mask = matrix)
plt.show()

首先，定义了一个包含待计算相关系数的特征列表to_corr，其中包括了数据集中的多个特征，如年龄（‘Age’）、收入（‘Income’）、家庭成员数量（‘Kidhome’、‘Teenhome’）、购买金额（‘MntWines’、‘MntFruits’、'MntMeatProducts’等）、购买次数（‘NumDealsPurchases’、'NumWebPurchases’等）、注册年限（‘Years_Since_Registration’）等。
使用 seaborn 库中的 diverging_palette() 函数生成一个调色板 cmap，用于定义热力图的颜色。
利用 numpy 库中的 triu() 函数计算 to_corr 列中的特征之间的相关系数矩阵，并将其赋值给变量matrix。np.triu() 函数将矩阵的下三角部分置为零，只保留上三角部分，用于在热力图中显示上三角矩阵。
创建一个图形对象，设置图形的大小和标题。
使用 seaborn 库中的 heatmap() 函数生成热力图，将计算得到的相关系数矩阵作为数据传递给 data 参数，设置 annot=True 以在图中显示相关系数的数值，设置 fmt='.1f' 以将数值格式化为一位小数，设置 vmin=-0.4 和 center=0 以调整颜色映射的范围，设置 cmap=cmap 以使用之前定义的调色板，设置 mask=matrix 以将矩阵的下三角部分遮挡，最后使用 plt.show() 函数显示图形。

通过生成的热力图，可以直观地观察到数据集中各个特征之间的相关性，颜色越深表示相关性越强，颜色越浅表示相关性越弱。这可以帮助您了解不同特征之间的关系，从而在数据分析和建模过程中作出更明智的决策。

但是代码报错：
在这里插入图片描述

二、报错原因及改正

这个错误是因为在 sns.heatmap() 函数中，data 参数传入了一个列表 to_corr，而列表没有 corr() 方法，导致了 AttributeError 错误的发生。

corr() 方法用于计算数据的相关系数矩阵，它应该作用于一个数据框（DataFrame）对象，而不是列表。你可以通过从原始数据框中选择需要计算相关系数的列，创建一个新的数据框，然后将其传递给 sns.heatmap() 函数。

以下是修复错误的示例代码：

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

to_corr = ['Age', 'Income', 'Kidhome', 'Teenhome', 'Recency', 'Complain', 
          'MntWines', 'MntFruits', 'MntMeatProducts', 'MntFishProducts', 'MntSweetProducts', 
          'MntGoldProds', 'NumDealsPurchases', 'AcceptedCmp1', 'AcceptedCmp2', 'AcceptedCmp3', 
          'AcceptedCmp4', 'AcceptedCmp5', 'Response', 'NumWebPurchases', 'NumCatalogPurchases', 
          'NumStorePurchases', 'NumWebVisitsMonth', 'Years_Since_Registration', 'Family_Size',
           'Sum_Mnt', 'Num_Accepted_Cmp', 'Num_Total_Purchases']

cmap = sns.diverging_palette(220, 10, as_cmap=True)
matrix = np.triu(data[to_corr].corr())

plt.figure(figsize=(25, 14))
plt.title('Correlation matrix', fontsize=18)
sns.heatmap(data=data[to_corr].corr(), annot=True, fmt='.1f', vmin=-0.4, center=0, cmap=cmap, mask=matrix)
plt.show()