如何在Plotly中为子图设置独立的nbinsx与nbinsy参数？

问题 #

使用Python的Plotly库创建包含两个子图的密度等高线图时，无法为每个子图独立设置分箱大小（nbinsx和nbinsy）。设置其中一个子图的参数会影响另一个，尝试用update_traces修改第二个子图的分箱参数也未生效。

最小可复现代码：

import plotly.graph_objs as go
from plotly.subplots import make_subplots
import plotly.express as px
import pandas as pd

# Create some dummy data
df_plot = pd.DataFrame({
    'g_w1': [i for i in range(30)],
    'w1_w2': [i*0.5 for i in range(30)],
    'bp_g': [i*2 for i in range(30)],
    'g_rp': [i*0.3 for i in range(30)],
    'type': ['typeA']*15 + ['typeB']*15
})

# Create a subplot with 1 row and 2 columns
fig = make_subplots(rows=1, cols=2)

# First density contour plot for 'crossmatches'
fig_crossmatches = px.density_contour(df_plot, x="g_w1", y="w1_w2", color='type', nbinsx=28, nbinsy=28)
# Add the 'crossmatches' plot to the first subplot
for trace in fig_crossmatches.data:
    fig.add_trace(trace, row=1, col=1)

# Second density contour plot for 'no crossmatches'
fig_nonmatches = px.density_contour(df_plot, x="bp_g", y="g_rp", color='type')
# Add the 'no crossmatches' plot to the second subplot
for trace in fig_nonmatches.data:
    fig.add_trace(trace, row=1, col=2)

# Attempt to update the bin sizes for the second subplot
fig.update_traces(selector=dict(row=1, col=2), nbinsx=128, nbinsy=128)

# Update the layout if needed
fig.update_layout(autosize=False, width=1500, height=600)

# Show the figure
fig.show()

解决方案 #

问题核心是：nbinsx和nbinsy是Plotly Express生成密度图时的预处理计算参数，并非已生成trace的可修改属性。trace生成后，分箱计算已完成，无法通过update_traces调整。

正确做法是在创建第二个子图的密度等高线时，直接指定目标分箱大小，而非事后修改。修改后的代码如下：

import plotly.graph_objs as go
from plotly.subplots import make_subplots
import plotly.express as px
import pandas as pd

# 创建模拟数据
df_plot = pd.DataFrame({
    'g_w1': [i for i in range(30)],
    'w1_w2': [i*0.5 for i in range(30)],
    'bp_g': [i*2 for i in range(30)],
    'g_rp': [i*0.3 for i in range(30)],
    'type': ['typeA']*15 + ['typeB']*15
})

# 创建1行2列的子图
fig = make_subplots(rows=1, cols=2)

# 第一个子图：指定分箱大小
fig_crossmatches = px.density_contour(df_plot, x="g_w1", y="w1_w2", color='type', nbinsx=28, nbinsy=28)
for trace in fig_crossmatches.data:
    fig.add_trace(trace, row=1, col=1)

# 第二个子图：直接设置目标分箱大小
fig_nonmatches = px.density_contour(df_plot, x="bp_g", y="g_rp", color='type', nbinsx=128, nbinsy=128)
for trace in fig_nonmatches.data:
    fig.add_trace(trace, row=1, col=2)

# 调整布局
fig.update_layout(autosize=False, width=1500, height=600)

fig.show()

关键说明 #

• px.density_contour的nbinsx/nbinsy参数用于控制密度计算前的分箱逻辑，生成trace后这些参数不会保留为可编辑属性。
• 每个子图的密度图需独立创建并指定分箱参数，再添加到对应子图位置，即可实现分箱大小的完全独立设置。

内容的提问来源于stack exchange，提问作者NeStack