如何用matplotlib/seaborn绘制FRED经济浮点值并清晰呈现数据变化

出现所有浮点值被当作离散y轴刻度、手动设置yticks不生效的情况，本质是两类基础类型识别错误叠加导致的，和数据本身是浮点型没有直接关系。

具体踩坑原因 #

• 日期列处理逻辑存在语法错误，破坏了pandas/seaborn的轴类型自动判断链路
  原代码中pd.DateTimeIndex(mort30['DATE']).years的写法不符合pandas API规范，很容易把DATE列转为非结构化的对象类型，连带seaborn的连续轴识别逻辑失效，默认退化为分类刻度渲染。
• 利率列未被识别为纯数值类型
  FRED导出的CSV中，空值通常用.字符标记，如果没有做类型转换，MORTGAGE30US列的dtype会是object而非浮点型。seaborn遇到object类型的变量时，会默认把所有唯一值作为分类刻度渲染，哪怕手动设置yticks也会被自动生成的分类刻度覆盖。
• 刻度设置的时机没有匹配轴类型的生成逻辑
  当轴被自动设置为分类类型时，后续传入的连续数值范围的yticks参数无法匹配分类轴的刻度结构，自然不会生效。

可直接落地的修正实现 #

# 1. 数据加载与清洗（替换原有错误的日期处理逻辑）
mort30 = pd.read_csv('Dataset/MORTGAGE30US.csv')
# 正确转换标准日期格式
mort30['DATE'] = pd.to_datetime(mort30['DATE'])
# 提取年份作为x轴变量
mort30['year'] = mort30['DATE'].dt.year
# 强制将利率列转为浮点型，自动识别并剔除无法转换的空值标记
mort30['MORTGAGE30US'] = pd.to_numeric(mort30['MORTGAGE30US'], errors='coerce')
mort30 = mort30.dropna(subset=['MORTGAGE30US'])

# 2. 绘图并强制指定连续y轴类型
ax = sns.lineplot(data=mort30, x='year', y='MORTGAGE30US')
# 按每1个单位的间隔生成连续y轴刻度，替代自动分类刻度
ax.yaxis.set_major_locator(plt.MultipleLocator(1))
# 可根据数据范围手动调整y轴显示边界，避免曲线贴边
ax.set_ylim(bottom=mort30['MORTGAGE30US'].min() - 0.5, 
             top=mort30['MORTGAGE30US'].max() + 0.5)

优化技巧 #

• 可以在下载FRED数据集时，通过站点的图表编辑功能将数据频率调整为年度均值，减少高频数据的样本量，省去自行聚合时间维度的步骤，也能降低轴识别错乱的概率。
• 每次绘图前可以先打印两列的dtype做校验，如果MORTGAGE30US列的输出不是float64/int64类型，就需要先做数值转换，再执行绘图操作。

注意：不要在seaborn绘图函数执行完成前设置yticks，分类轴的生成逻辑会在绘图完成的瞬间触发，提前设置的参数会被直接覆盖。

内容的提问来源于stack exchange，提问作者Altair21