marker=4 能画，np.int64(4) 却报 Unrecognized marker style

同样的标记编号，marker=4 可以绘图，marker=np.int64(4) 却报 Unrecognized marker style np.int64(4)，更深一层还可能提示 vertices 必须是二维数组。先检查标记值的实际类型，不要把折线数据改造成二维顶点来迎合这个报错。

Matplotlib 3.10.3 有这条具体路径。编号经过 pandas 列或 NumPy 整数数组后，取出的标量可能变为 np.int64；值仍等于 4，但旧的分派没有把它送到内置数字标记分支，随后尝试按自定义 Path 顶点解释标量，因而失败。

在标记进入绘图库的边界转换整数

只处理已经确定代表内置数字标记的 NumPy 整数标量，可显式转成 Python int：

import numpy as np
import matplotlib.pyplot as plt

marker = np.array([4], dtype=np.int64)[0]
if isinstance(marker, np.integer):
    marker = int(marker)
fig, ax = plt.subplots()
ax.plot([1, 2, 3], marker=marker)

转换只作用于 marker，不修改 x、y 数据或整张 DataFrame。数字必须是 Matplotlib 支持的内置标记编号；把任意整数转换成 int，并不会创造一个新标记。

不要把所有标记统一 int()。字符串 "4" 与整数 4 表达的标记不同；顶点数组、Path、元组形式以及 MarkerStyle 对象也各有接口。配置文件把数字保存成字符串时，应按配置约定解析，不能因二者看起来相似就随意互换。

检查转换发生在整条图形管线的末端

在数据进入 pandas 时指定 object dtype，有助于避免部分自动类型转换，但不保证后续分组、拼接和重建都保留原标量类型。第三方绘图库还可能在图例或布局中再次创建 Line2D，因此只修主绘图区的一次调用，可能仍漏掉图例。

如果标记由第三方包装器产生，应检查它支持的修正版本或参数入口，不编辑 Matplotlib 私有分派，也不对不受控代码全局替换 NumPy 标量类型。应用自己控制的转换应放在实际提交 marker 的边界。

正式分派已接受可哈希的内置键

Matplotlib 3.11.2 的正式 MarkerStyle 会对可哈希、且存在于内置标记字典的值采用对应标记函数，能够覆盖这里的 NumPy 整数键。项目采用包含该处理的版本后，仍应保留原管线和 dtype 复查，不只用一个手写 Python int 验证。

验收比较 Python int 与 NumPy 整数标量的实际图形，并覆盖图例、保存输出以及原来就支持的字符串和自定义标记。不要只确认错误消失，却让标记形状发生变化。若 marker 值本来不在支持范围，应修输入配置，而不是继续放宽识别规则。