📚 课程目录第1章空白画布：数据范围与坐标轴映射排查

1. 空白画布：数据范围与坐标轴映射排查

先判断“空”发生在哪一层

画布全空通常不是绘图库坏了，而是数据或映射在某一环断了。排查顺序应从“数据是否真的进入绘图对象”开始，再看坐标轴范围是否把数据推到可视区之外。下面这张图把一次空白画布故障拆成三条并行检查链：数据读取链、坐标映射链、渲染输出链，并标出每层的典型症状与验证动作。

用最小可复现数据锁定断点

不要一上来就盯着完整数据集调参数。先构造一个只有 3 行、数值明确的小表，让“数据范围”和“坐标轴范围”都变成可以手算的数字，再逐步替换成真实数据。下面用 Python + Matplotlib 演示一次典型的空白画布：数据本身正常，但手动设置的 y 轴范围与数据完全不相交。

import pandas as pd
import matplotlib.pyplot as plt

# 最小可复现数据：x 在 0~2，y 在 10~30
df = pd.DataFrame({
    "x": [0, 1, 2],
    "y": [10, 20, 30],
})

print("shape:", df.shape)
print("dtypes:\n", df.dtypes)
print("isnull:\n", df.isnull().sum())
print("x range:", df["x"].min(), df["x"].max())
print("y range:", df["y"].min(), df["y"].max())

fig, ax = plt.subplots(figsize=(5, 3))
ax.plot(df["x"], df["y"], marker="o", color="#2f6fb3")

# 故意把 y 轴设成与数据不相交的区间
ax.set_ylim(0, 5)

print("xlim:", ax.get_xlim())
print("ylim:", ax.get_ylim())
print("lines:", len(ax.lines))

plt.savefig("blank_canvas.png", dpi=120)

运行后 lines 为 1，说明折线对象已经创建；但 ylim 是 (0.0, 5.0)，而 y 数据在 10~30，整条线被推到画布上方之外，保存出来的图就是空白。把 set_ylim(0, 5) 改为 set_ylim(0, 35) 或直接删除该行让 Matplotlib 自动缩放，折线立即出现。这一步验证了“数据读取链正常、坐标映射链断裂”。

判断顺序可以固化为三问：绘图对象的 len(ax.lines) 或 len(ax.collections) 是否为 0？坐标轴范围与数据 min/max 是否有交集？绘制参数（alpha、color、zorder）是否让数据不可见？三问中任意一问为“是”，就对应到图中的某一条链。

常见断点与对应验证

断点位置	典型表现	快速验证
列名拼写错误	绘图时抛 KeyError，或取到全 NaN 列	打印 `df.columns.tolist()` 与 `df.dtypes`
数值列被读成字符串	坐标轴出现分类刻度，数据点挤在边缘	检查 `dtypes`，必要时 `pd.to_numeric(errors="coerce")`
手动范围与数据不相交	画布空白但 `lines` 不为 0	对比 `get_ylim()` 与 `df["y"].min()/max()`
范围被设成无效区间	如 `set_xlim(10, 0)` 导致反向或空区间	确认下限小于上限，或改用自动缩放
透明度或颜色问题	有 artist 但视觉上不可见	临时设 `alpha=1`、`color="red"` 复测

完成修复后，用同一份最小数据再跑一次，确认 get_ylim() 覆盖 10~30、保存的图片中能看到三个标记点，再把真实数据替换进来。这样即使真实数据再次出现空白，也能快速判断是新数据引入了空列，还是范围设置又被覆盖。