基于身高体重的性别占比可视化：Plotly代码有效性及切换咨询

我使用包含500人性别、身高、体重及BMI的数据集，希望绘制可视化图表展示性别占比随身高、体重的变化。尝试了两种Plotly实现方案，但无法判断正确性，同时想实现数据集视图的切换功能。以下是我的代码：

数据预处理代码 #

# 将'Male'转为0，'Female'转为1
df["Gender"] = df["Gender"].map({"Male": 0, "Female": 1})

data_subset = df.copy(True).dropna(subset=["Gender"])

# 按身高、体重分组，计算每组的女性占比（均值）
gender_rate = data_subset.groupby(["Height", "Weight"])["Gender"].mean().reset_index()

方案一代码（我认为这个是对的，但想要切换数据集） #

plot = go.Scatter(
        x=gender_rate["Height"],
        y=gender_rate["Weight"],
        mode="markers",
        marker=dict(
                color=gender_rate["Gender"],
                colorscale="Bluered_r",
                showscale=True,
                colorbar=dict(title="Gender Rate"),
        )  # 原代码缺失该闭合括号
)
go.Figure(data=[plot])

方案二代码 #

# 原代码存在索引语法错误，正确写法如下
plot=go.Scatter(
         x=data_subset[data_subset["Gender"] == 1]["Height"],
         y=data_subset[data_subset["Gender"] == 1]["Weight"],
        mode="markers",
        name="Female",
)

plot1=go.Scatter(
         x=data_subset[data_subset["Gender"] == 0]["Height"],
         y=data_subset[data_subset["Gender"] == 0]["Weight"],
        mode="markers",
        name="Male",
)
go.Figure(data=[plot, plot1])

方案正确性分析 #

1. 方案一：思路完全匹配需求。通过groupby([Height, Weight])计算每个身高体重组合下的女性占比（因Female映射为1，均值即女性占比），用颜色深浅展示占比变化，能直观呈现不同身高体重区间的性别分布倾向。原代码仅存在语法错误（marker字典未闭合），修正后可正常运行。
2. 方案二：不符合需求。该方案是将男女个体数据分开绘制散点，展示的是单个样本的身高体重分布，而非性别占比的聚合结果。

带切换功能的完整实现 #

以下代码实现了两种视图的切换：点击下拉菜单可在「性别占比聚合视图」和「男女个体散点视图」之间切换。

import plotly.graph_objects as go
import pandas as pd

# 数据预处理（假设已加载数据集到df）
df["Gender"] = df["Gender"].map({"Male": 0, "Female": 1})
data_subset = df.copy().dropna(subset=["Gender"])
gender_rate = data_subset.groupby(["Height", "Weight"])["Gender"].mean().reset_index()

# 创建两种视图的trace
# 视图1：性别占比聚合散点
trace_rate = go.Scatter(
    x=gender_rate["Height"],
    y=gender_rate["Weight"],
    mode="markers",
    marker=dict(
        color=gender_rate["Gender"],
        colorscale="Bluered_r",
        showscale=True,
        colorbar=dict(title="女性占比"),
        size=10
    ),
    name="性别占比视图"
)

# 视图2：女性个体散点
trace_female = go.Scatter(
    x=data_subset[data_subset["Gender"] == 1]["Height"],
    y=data_subset[data_subset["Gender"] == 1]["Weight"],
    mode="markers",
    name="女性",
    marker=dict(color="#FF6B6B", size=8)
)

# 视图3：男性个体散点
trace_male = go.Scatter(
    x=data_subset[data_subset["Gender"] == 0]["Height"],
    y=data_subset[data_subset["Gender"] == 0]["Weight"],
    mode="markers",
    name="男性",
    marker=dict(color="#4ECDC4", size=8)
)

# 创建下拉菜单按钮
buttons = [
    dict(
        label="性别占比视图",
        method="update",
        args=[
            {"visible": [True, False, False]},
            {"title": "性别占比随身高体重变化"}
        ]
    ),
    dict(
        label="男女个体视图",
        method="update",
        args=[
            {"visible": [False, True, True]},
            {"title": "男女身高体重分布"}
        ]
    )
]

# 构建图表
fig = go.Figure(data=[trace_rate, trace_female, trace_male])
fig.update_layout(
    title="性别占比/个体分布可视化",
    xaxis_title="身高",
    yaxis_title="体重",
    updatemenus=[dict(
        type="dropdown",
        buttons=buttons,
        direction="down",
        x=0.1,
        y=1.15
    )]
)

fig.show()

内容的提问来源于stack exchange，提问作者nottelling