matplotlib结合cartopy绘制地理散点图时图例仅显示单个标签的问题咨询

• 仅能显示单个图例标签的核心原因：调用ax1.scatter()时一次性传入全量点集和对应颜色数组，matplotlib会将这一整个散点绘制实例归类为单一图例对象，不会自动为每个颜色值生成独立的标签项。
• 参考的pandas绘图单标签方案无法适配的原因：该方案针对的是pandas DataFrame自带.plot()接口的图例生成逻辑，当前代码直接调用matplotlib底层散点接口传值，没有走pandas绘图的流程，自然无法套用对应方案。
• 代码运行前置修正项：
  • 代码中定义的中心坐标变量为mapcenter_pt，但计算显示范围时错误引用了未定义的center_pt变量，需要统一变量名避免运行报错
  • 原OSM瓦片缩放级别的经验计算逻辑和自定义zoom值不匹配，容易出现瓦片加载失败、显示范围错位的问题

方式1：分组绘制散点（与原绘制逻辑兼容性最高） #

逐状态遍历数据子集单独绘制散点，每次绘制时传入对应状态的标签，matplotlib会自动收集所有绘制实例的标签生成完整图例：

# 替换原有的 ax1.scatter(x,y,c=data['COLOR'], ...) 行
for status_name, group in data.groupby('STATUS'):
    ax1.scatter(
        group['LONGITUDE'],
        group['LATITUDE'],
        c=group['COLOR'].iloc[0],
        label=status_name,
        transform=ccrs.PlateCarree(),
        s=50
    )
# 配置全量图例，移到图幅外侧避免遮挡底图内容
ax1.legend(
    title='站点ACT状态',
    bbox_to_anchor=(1.03, 1),
    loc='upper left',
    framealpha=0.9
)

方式2：手动构建图例元素（不改动原有散点绘制逻辑） #

如果不想修改原来一次性绘制全量点的代码，可以直接基于预定义的颜色映射字典手动生成图例的标记和对应标签，跳过matplotlib自动识别图例的流程：

from matplotlib.lines import Line2D
# 保留原有的 ax1.scatter(x,y,c=data['COLOR'], transform=ccrs.PlateCarree()) 行
# 手动生成图例项
legend_items = [
    Line2D(
        [0], [0],
        marker='o',
        color='white',
        markerfacecolor=status_color,
        markersize=10,
        label=status_name
    )
    for status_name, status_color in color.items()
]
ax1.legend(
    handles=legend_items,
    title='站点ACT状态',
    bbox_to_anchor=(1.03, 1),
    loc='upper left'
)

• 建议将原代码里的显示范围直接绑定伊达尔戈县的实际经纬度范围，避免原公式计算的范围过宽或过窄：可直接设置extent = [-98.6, -97.4, 26.0, 26.6]，对应区域的OSM缩放级别设为12，瓦片加载会更顺畅
• 分组绘制时可给散点添加edgecolor='white'参数，让重叠的站点点边界更清晰，避免在底图上视觉混杂

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