pandas.DataFrame.plot颜色映射(cmap)显示不一致问题排查与解决

当你用pandas的plot.scatter()绘制散点图时，整数类型的颜色数据会被pandas默认识别为离散分类变量，而非连续数值变量。这种情况下，cmap参数不会触发连续颜色映射逻辑，pandas会自动使用默认的离散配色方案（也就是你看到的viridis）；而浮点型数据会被判定为连续数值，此时cmap='jet'的连续颜色映射才会正常生效。

pandas的绘图接口在底层会根据数据类型做自动推断：整数型被归为分类数据，会用离散的颜色映射（每个整数对应一个固定颜色），而连续的浮点型才会激活你指定的连续色阶。

这里提供几种可行的解决方案：

1. 转换颜色数据为浮点型 #

直接将DataFrame中用于颜色映射的列转换为float类型，让pandas识别为连续数据：

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

# 整数数据转浮点
df = pd.DataFrame({'x': np.arange(100), 'y': np.arange(100), 'c': np.arange(100).astype(float)})
df.plot.scatter(x='x', y='y', c='c', cmap='jet')
plt.show()

2. 使用Matplotlib原生scatter函数绕过pandas的自动推断 #

直接调用matplotlib的scatter()函数，手动控制颜色映射逻辑，避免pandas的类型推断干扰：

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

df = pd.DataFrame({'x': np.arange(100), 'y': np.arange(100), 'c': np.arange(100)})
plt.scatter(df['x'], df['y'], c=df['c'], cmap='jet')
plt.colorbar()
plt.show()

3. 强制指定连续归一化器（Norm） #

在pandas的plot中显式传入连续归一化器，告诉pandas按连续数值处理颜色数据：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.colors import Normalize

df = pd.DataFrame({'x': np.arange(100), 'y': np.arange(100), 'c': np.arange(100)})
df.plot.scatter(x='x', y='y', c='c', cmap='jet', norm=Normalize())
plt.show()

内容的提问来源于stack exchange，提问作者swygerts