2. 全图仅剩一个点：聚合与分组键误用定位

问题现象与最小复现

散点图或折线图只出现一个点，通常不是绘图库坏了，而是进入绘图函数的数据本身只剩一行。常见来源有三类：分组键选错（把唯一标识列当成了分组列）、聚合函数误用（对整表做了一次全局聚合）、索引重置缺失（分组后索引被压平，绘图时按索引对齐导致只剩一个有效点）。下面用一份可复现的教学数据定位问题。

import pandas as pd
import matplotlib.pyplot as plt

# 教学示例数据：3 个样本，每个样本 4 个时间点
df = pd.DataFrame({
    "sample_id": ["S1"]*4 + ["S2"]*4 + ["S3"]*4,
    "time_h":    [0, 1, 2, 3] * 3,
    "signal":    [1.0, 1.8, 2.4, 3.1,
                  0.9, 1.5, 2.0, 2.6,
                  1.2, 2.0, 2.7, 3.4],
})

# 错误写法 A：把唯一标识当分组键
bad_a = df.groupby("sample_id").mean(numeric_only=True)
print(bad_a.shape)   # (3, 2) —— 每个样本被压成一行

# 错误写法 B：全局聚合，整表只剩一行
bad_b = df.agg({"signal": "mean"})
print(bad_b.shape)   # (1,) —— 这就是"一个点"的直接来源

# 错误写法 C：分组后未 reset_index，绘图按索引对齐
bad_c = df.groupby("time_h")["signal"].mean()
print(bad_c.index.name)  # time_h，索引被替换，原 sample_id 丢失

三种写法都会让绘图输入的行数骤减。判断依据很直接：绘图前打印 df.shape 与 df.head()，若行数等于分组数而非原始观测数，就说明数据已被压缩。

定位与修复

按“先看行数、再看分组键、最后看索引”的顺序排查，能快速锁定问题。修复的核心是保留观测粒度：绘图数据必须是每个时间点一行，而不是每个样本一行。

# 修复 A：分组键改为真正的时间列，并保留样本维度
fixed_a = (df.groupby(["sample_id", "time_h"], as_index=False)
             .agg(signal_mean=("signal", "mean")))
print(fixed_a.shape)   # (12, 3) —— 与原始观测数一致

# 修复 B：若确实需要全局统计，单独计算，不要覆盖绘图数据
global_mean = df["signal"].mean()
print(f"全局均值 = {global_mean:.3f}")   # 仅作参考线，不替代散点

# 修复 C：分组后重置索引，恢复可对齐的列
fixed_c = (df.groupby("time_h", as_index=False)
             .agg(signal_mean=("signal", "mean")))
print(fixed_c.columns.tolist())  # ['time_h', 'signal_mean']

# 绘图验证
fig, ax = plt.subplots(figsize=(6, 4))
for sid, g in df.groupby("sample_id"):
    ax.plot(g["time_h"], g["signal"], marker="o", label=sid)
ax.axhline(global_mean, color="gray", linestyle="--", linewidth=1, label="全局均值")
ax.set_xlabel("time_h")
ax.set_ylabel("signal")
ax.legend()
plt.tight_layout()
plt.show()

验证清单

本例的关键结论：单点问题几乎总能在绘图前的数据形状上找到证据。把 shape、分组键和索引状态三处核对清楚，再进入绘图环节，就能避免把数据压缩问题误判为坐标轴或渲染问题。