如何修复Pandas绘制散点图时Y轴数据异常的问题？

1. 检查并修正数据类型 #

CSV读取时，Pandas常因数据含特殊字符、格式不规范，将数值列识别为字符串类型，导致绘图时无法解析为连续数值，最终呈现直线。

• 执行df.dtypes查看列数据类型，确认用于绘图的X/Y列是float64或int64
• 若为字符串类型，用pd.to_numeric()转换并清理无效值：

  df['x_column'] = pd.to_numeric(df['x_column'], errors='coerce')
  df['y_column'] = pd.to_numeric(df['y_column'], errors='coerce')
  # 删除转换后为空的行
  df = df.dropna(subset=['x_column', 'y_column'])
  

2. 确认绘图时的轴列对应关系 #

若误将同一列、索引列作为X/Y轴输入，会直接生成直线。确保指定正确的数值列：

# 错误示例：使用索引或同一列
plt.scatter(df.index, df.index)
# 正确示例：指定对应的数值列
plt.scatter(df['x_column'], df['y_column'])

3. 修复Y轴刻度混乱问题 #

Y轴刻度混乱多因数据中存在极端离群值，拉伸了整体刻度范围。

• 先查看数据极值：df[['x_column', 'y_column']].describe()
• 用四分位数法过滤离群值：

  q1 = df['y_column'].quantile(0.25)
  q3 = df['y_column'].quantile(0.75)
  iqr = q3 - q1
  # 保留合理范围内的数据
  df_filtered = df[(df['y_column'] >= q1 - 1.5*iqr) & (df['y_column'] <= q3 + 1.5*iqr)]
  

• 若数据量级差异极大，可改用对数刻度：

  plt.yscale('log')
  

完整可运行示例 #

import pandas as pd
import matplotlib.pyplot as plt

# 读取CSV文件（按需指定编码）
df = pd.read_csv('your_data.csv', encoding='utf-8')

# 数据类型转换与清理
df['x'] = pd.to_numeric(df['x'], errors='coerce')
df['y'] = pd.to_numeric(df['y'], errors='coerce')
df = df.dropna(subset=['x', 'y'])

# 过滤离群值
q1, q3 = df['y'].quantile([0.25, 0.75])
iqr = q3 - q1
df_clean = df[(df['y'] >= q1 - 1.5*iqr) & (df['y'] <= q3 + 1.5*iqr)]

# 绘制散点图
plt.figure(figsize=(10,6))
plt.scatter(df_clean['x'], df_clean['y'], alpha=0.6)
plt.xlabel('X轴标签')
plt.ylabel('Y轴标签')
plt.title('正常散点图')
plt.grid(True)
plt.show()

内容的提问来源于stack exchange，提问作者Jack Rodgers