Seaborn scatterplot散点图图例日期数值显示错误解决方法

代码中date列为整数数值类型，seabornscatterplot默认会将数值型的hue映射识别为连续变量，自动按数值取值范围生成均匀间隔的图例刻度，不会直接调用数据中实际存在的离散年份值，因此会出现原始数据中不存在的1980、1995、2025这类刻度。

优先选择将date列转换为字符串/分类类型，强制seaborn将其识别为离散分类变量，即可让图例直接展示真实存在的年份值，代码如下：

import pandas as pd   
import seaborn as sns
import matplotlib.pyplot as plt

data = [['Sample_1', 130, 325, 1989], ['Sample_2', 128, 348, 1999], ['Sample_3', 150, 258, 2018], ['Sample_4', 171, 534, 2018], ['Sample_5', 171, 536, 2018], ['Sample_6', 278, 899, 2018], ['Sample_7', 726, 1809, 2020]]    
df = pd.DataFrame(data, columns = ['ID', 'NROH',  'SROH', 'date'])

# 核心修改：将date列转为字符串，识别为离散分类
df['date'] = df['date'].astype(str)
sns.scatterplot(x='SROH', y='NROH', hue='date', data=df)
plt.show()

运行后图例将直接显示1989、1999、2018、2020四个真实年份值，每个年份匹配独立的图例项。

如果需要保留年份的连续数值色彩映射逻辑，仅调整图例显示的刻度值，可以在绘图后手动指定图例刻度：

import pandas as pd   
import seaborn as sns
import matplotlib.pyplot as plt

data = [['Sample_1', 130, 325, 1989], ['Sample_2', 128, 348, 1999], ['Sample_3', 150, 258, 2018], ['Sample_4', 171, 534, 2018], ['Sample_5', 171, 536, 2018], ['Sample_6', 278, 899, 2018], ['Sample_7', 726, 1809, 2020]]    
df = pd.DataFrame(data, columns = ['ID', 'NROH',  'SROH', 'date'])

ax = sns.scatterplot(x='SROH', y='NROH', hue='date', data=df)
# 手动设置图例刻度为数据中实际存在的去重年份
ax.legend_.set_ticks(sorted(df['date'].unique()))
plt.show()

注：第一种离散分类的实现方式更匹配当前需求，适合年份作为独立分组、不需要体现数值连续渐变关系的绘图场景。

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