Geopandas缺失值绘图疑问：存储机制及带缺失值图例显示方法

我来帮你理清这两个问题，解决你遇到的绘图报错和图例异常问题！

1. Geopandas如何处理缺失值？存储类型是什么？ #

Geopandas基于Pandas开发，完全沿用了Pandas的缺失值处理逻辑：

• 对于数值型列（比如你的GDP列），缺失值会被存储为 numpy.nan——这是一种特殊的浮点型值，不是字符串
• 对于其他类型的列（比如字符串列），现在更推荐用 pd.NA 作为通用缺失值标记，但本质都是Pandas/Python里的「缺失值类型」，而非普通字符串

你之前把nan替换成字符串"missing"后，原本的数值列就变成了混合浮点数和字符串的object类型。绘图时库需要排序图例类别，会尝试比较字符串和浮点数，自然会抛出TypeError: '<' not supported between instances of 'str' and 'float'的错误——这两种类型根本没法直接比较大小。

2. 如何保留缺失值并正确绘图，让图例显示缺失状态？ #

这里有两种简单靠谱的方法，不用修改原始数据类型就能解决：

方法一：直接用绘图函数的missing_kwds参数（推荐） #

Geopandas的plot()方法自带专门处理缺失值的参数，你可以直接指定缺失值的显示样式和图例标签，完全不用改动原始数据：

import geopandas as gpd

# 假设你的GeoDataFrame名为gdf
gdf.plot(
    column='GDP',
    # 可添加其他绘图参数，比如cmap、figsize等
    missing_kwds={
        'color': 'lightgray',  # 缺失值区域的填充色
        'edgecolor': 'black',  # 缺失值区域的边框色
        'label': 'Missing GDP'  # 图例里的缺失值标签
    }
)

这样绘图时，原始的nan会被自动识别，用你指定的样式显示，图例里也会单独出现「Missing GDP」的条目，完全符合预期。

方法二：将列转为分类类型，把缺失值设为单独类别 #

如果你需要对缺失值做更自定义的分类处理，可以把GDP列转为分类类型，手动把缺失值设为一个单独的类别：

import pandas as pd
import geopandas as gpd

# 提取非缺失的GDP值作为分类，再加入"Missing"类别
gdp_categories = gdf['GDP'].dropna().unique().tolist() + ['Missing']
# 将GDP列转为分类类型，ordered=True可选，按需控制图例排序
gdf['GDP_categorized'] = pd.Categorical(gdf['GDP'], categories=gdp_categories, ordered=True)
# 把缺失值统一填充为"Missing"
gdf['GDP_categorized'] = gdf['GDP_categorized'].fillna('Missing')

# 用新的分类列绘图
gdf.plot(column='GDP_categorized', cmap='viridis')

这种方法会把整个列统一为分类类型，不会出现混合类型的问题，图例也会正常显示包含「Missing」在内的所有类别。

内容的提问来源于stack exchange，提问作者Neo