使用DataFrame索引绘制散点图时触发ValueError的解决办法

数据老陈

2026-5-20

解决Pandas散点图x轴为混合类型索引的问题

这个报错的核心原因很明确：Pandas内置的散点图要求x轴数据必须是数值类型，但你的A列是混合了字符串（比如Location1）和数字的object类型，直接用作x轴就会触发ValueError。下面给你两种实用的解决方案：

方法一：用Matplotlib手动处理分类变量的x轴

如果你坚持要用散点图展示，我们可以把A列转为分类变量，用它的数值编码作为x轴的底层数据，再把刻度标签替换成原分类值，完美适配散点图的要求：

import pandas as pd
import matplotlib.pyplot as plt

# 还原你的数据处理流程
df = df.groupby("A").mean()
df_reset = df.reset_index()

# 将A列转为分类类型，保留所有原始类别
df_reset['A'] = df_reset['A'].astype('category')

# 绘制散点图
plt.figure(figsize=(10,10))
# 用分类的编码值作为x轴（纯数值），B作为y轴
plt.scatter(df_reset['A'].cat.codes, df_reset['B'], s=100)  # s参数调整点的大小

# 替换x轴刻度为原始分类值
plt.xticks(
    ticks=range(len(df_reset['A'].cat.categories)),
    labels=df_reset['A'].cat.categories,
    rotation=45  # 如果标签太长可以旋转
)
plt.xlabel('A')
plt.ylabel('B')
plt.title('Scatter Plot of A vs B')
plt.show()

方法二：用Seaborn的分类散点图更便捷

如果只是想展示每个类别对应的B值分布，Seaborn的stripplot专门为分类变量设计，不需要手动处理编码，直接用原始数据就能生成散点图：

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

df = df.groupby("A").mean()
df_reset = df.reset_index()

plt.figure(figsize=(10,10))
# 直接传入分类列A和数值列B
sns.stripplot(x='A', y='B', data=df_reset, size=15)
plt.title('Scatter Plot of A vs B')
plt.show()