Pandas修改SEASON列为字符串后Plotly绘图仍识别为日期格式怎么办

柱状图仍识别SEASON为日期格式，来自两个核心原因：

• 使用.values.astype('str')转换datetime类型列时，NumPy会默认输出YYYY-MM-DD格式的标准日期字符串，Plotly Express自带的自动类型推断逻辑会扫描字符串内容，只要匹配日期格式就会自动将列重新解析回时间类型，不会按普通字符串渲染
• 转换后未做类型校验：如果原SEASON列是带时区的datetime64类型，直接调用.values.astype('str')可能无法正确覆盖DataFrame列的原有类型，转换实际未生效

• 执行print(player["SEASON"].dtype)，确认转换后列的dtype是否为object（pandas存储字符串的默认类型），如果输出仍为datetime64[ns]相关类型，说明转换操作未生效
• 如果dtype已经是字符串类型，执行print(player["SEASON"].head())查看值格式，若输出为标准日期样式字符串，即可确认是Plotly自动类型推断导致的识别异常

二选一即可：

方案1：修改SEASON列格式，绕过日期识别 #

如果需要按NBA常用的赛季格式（如2023-24）展示，可直接将原始日期转换为赛季字符串，既符合业务展示习惯，也不会被识别为日期：

import pandas as pd
# 先确保SEASON列是标准datetime格式
player["SEASON"] = pd.to_datetime(player["SEASON"])
# 拼接为YYYY-YY格式的赛季字符串
player["SEASON"] = player["SEASON"].dt.year.astype(str) + "-" + ((player["SEASON"].dt.year + 1) % 100).astype(str).str.zfill(2)

如果不需要调整展示格式，只想按原有日期值作为分类展示，可给字符串末尾加一个空格，破坏标准日期格式，绕过Plotly的自动解析：

player["SEASON"] = player["SEASON"].astype(str) + " "

方案2：绘图时强制指定x轴类型（最简便） #

不需要修改原始数据，直接在绘图配置中强制指定x轴为分类类型，禁止Plotly自动解析日期：

import plotly.express as px
line_graph = px.bar(data_frame=player, x='SEASON', y="PTS")
# 强制x轴为分类轴，按原始值顺序渲染，不做时间格式转换
line_graph.update_xaxes(type='category')
line_graph.show()

内容的提问来源于stack exchange，提问作者Naman Nagelia