Matplotlib中折线图变为散点图的原因及修复方法

原因分析 #

• 日期序列未按时间升序排列：若2019年后的日期是乱序的，matplotlib会严格按照DataFrame的行顺序连接数据点，导致折线交叉断裂，视觉上呈现散点状
• CPI列存在缺失值（NaN）：matplotlib绘制折线时，遇到缺失值会直接中断折线，后续数据点只能单独显示为散点
• 日期格式转换异常：部分日期转换失败，导致对应数据的x轴坐标无效，无法参与连续折线的绘制

修复方案 #

1. 排查数据问题 #

先执行以下代码确认问题根源：

# 查看数据基本信息
print(data.info())
# 统计日期重复/缺失、CPI缺失数量
print(f"重复日期数: {data['Date'].duplicated().sum()}")
print(f"缺失日期数: {data['Date'].isna().sum()}")
print(f"CPI缺失值数: {data['CPI'].isna().sum()}")

2. 标准化日期与排序 #

确保日期有效且按时间顺序排列：

# 转换日期格式，过滤转换失败的行
data['Date'] = pd.to_datetime(data['Date'], errors='coerce')
data = data.dropna(subset=['Date'])
# 按日期升序排序，重置索引
data = data.sort_values('Date').reset_index(drop=True)

3. 处理CPI缺失值 #

根据需求选择合适的缺失值处理方式：

# 前向填充（沿用前一个月数据，保留趋势）
data['CPI'] = data['CPI'].ffill()
# 或后向填充
# data['CPI'] = data['CPI'].bfill()
# 或删除含缺失值的行
# data = data.dropna(subset=['CPI'])

4. 完整修复代码 #

整合所有步骤的可执行代码：

import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates

# 读取数据
data = pd.read_csv('normalizedData.csv')

# 日期处理
data['Date'] = pd.to_datetime(data['Date'], errors='coerce')
data = data.dropna(subset=['Date'])
data = data.sort_values('Date').reset_index(drop=True)

# 缺失值处理
data['CPI'] = data['CPI'].ffill()

# 绘图优化
plt.figure(figsize=(12, 6))
plt.plot(data['Date'], data['CPI'], label='CPI', marker='o', markersize=6)

# 格式化x轴日期
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%Y-%m'))
plt.xticks(rotation=45)

# 图表标注
plt.title('Time Series Indicators')
plt.xlabel('Date')
plt.ylabel('Values')
plt.legend()
plt.tight_layout()
plt.show()

内容的提问来源于stack exchange，提问作者Rex