如何用Plotly Express实现分类变量散点无重叠展示？

你需要对比两个数据库返回的同一项目的分类赋值，计划将两个数据库的分类分别作为坐标轴，使用px.scatter可视化交叉情况，但遇到问题：px.scatter没有内置抖动数据点避免重叠的选项，尝试scattermode='group'参数也无效。当前px.scatter的效果是所有数据点堆叠在一起，而你已在JMP中实现了能清晰展示每个交叉点数据点数量的效果，希望在Plotly Express中复现。

最小可复现代码（MWE） #

import pandas as pd
import plotly.express as px

d = {'Document_Type_x': ['Research Article', 'Research Article', 'Letter to the Editor', 'Letter to the Editor', 'Letter to the Editor'],
     'Document_Type_y': ['Article', 'Article', 'Letter', 'Letter', 'Letter']}
df = pd.DataFrame(data=d)

fig = px.scatter(df, x='Document_Type_x', y='Document_Type_y')

fig.update_layout(scattermode='group', scattergap=.9)
fig.update_xaxes(categoryorder = 'category ascending')
fig.update_yaxes(categoryorder = 'category ascending')

fig.show()

解决方案 #

方法1：手动添加随机抖动（最接近JMP效果） #

Plotly Express没有内置抖动参数，但可以通过给分类变量的数值化结果添加微小随机偏移，让同组的点分散开：

import pandas as pd
import plotly.express as px
import numpy as np

d = {'Document_Type_x': ['Research Article', 'Research Article', 'Letter to the Editor', 'Letter to the Editor', 'Letter to the Editor'],
     'Document_Type_y': ['Article', 'Article', 'Letter', 'Letter', 'Letter']}
df = pd.DataFrame(data=d)

# 将分类转为数值编码，再添加随机抖动
df['x_jitter'] = pd.Categorical(df['Document_Type_x']).codes + np.random.uniform(-0.15, 0.15, size=len(df))
df['y_jitter'] = pd.Categorical(df['Document_Type_y']).codes + np.random.uniform(-0.15, 0.15, size=len(df))

# 基于抖动后的数值绘制散点图
fig = px.scatter(df, x='x_jitter', y='y_jitter')

# 将坐标轴刻度替换为原始分类名称
fig.update_xaxes(
    tickvals=pd.Categorical(df['Document_Type_x']).codes,
    ticktext=pd.Categorical(df['Document_Type_x']).categories,
    categoryorder='category ascending'
)
fig.update_yaxes(
    tickvals=pd.Categorical(df['Document_Type_y']).codes,
    ticktext=pd.Categorical(df['Document_Type_y']).categories,
    categoryorder='category ascending'
)

# 调整轴范围，避免点超出可视区域
fig.update_layout(
    xaxis_range=[-0.5, max(pd.Categorical(df['Document_Type_x']).codes) + 0.5],
    yaxis_range=[-0.5, max(pd.Categorical(df['Document_Type_y']).codes) + 0.5]
)

fig.show()

方法2：用气泡图展示交叉点计数（更直观） #

如果不需要展示单个数据点，直接统计每个分类交叉组合的样本数量，用气泡大小体现数量：

import pandas as pd
import plotly.express as px

d = {'Document_Type_x': ['Research Article', 'Research Article', 'Letter to the Editor', 'Letter to the Editor', 'Letter to the Editor'],
     'Document_Type_y': ['Article', 'Article', 'Letter', 'Letter', 'Letter']}
df = pd.DataFrame(data=d)

# 统计每个分类交叉组合的样本数
count_df = df.groupby(['Document_Type_x', 'Document_Type_y']).size().reset_index(name='Count')

# 绘制气泡图，气泡大小对应样本数量
fig = px.scatter(
    count_df, 
    x='Document_Type_x', 
    y='Document_Type_y', 
    size='Count',
    size_max=60  # 控制最大气泡尺寸
)

fig.update_xaxes(categoryorder='category ascending')
fig.update_yaxes(categoryorder='category ascending')

fig.show()

方法3：使用Plotly Graph Objects自定义散点 #

如果需要更精细的样式控制，可以直接用plotly.graph_objects实现抖动效果：

import pandas as pd
import plotly.graph_objects as go
import numpy as np

d = {'Document_Type_x': ['Research Article', 'Research Article', 'Letter to the Editor', 'Letter to the Editor', 'Letter to the Editor'],
     'Document_Type_y': ['Article', 'Article', 'Letter', 'Letter', 'Letter']}
df = pd.DataFrame(data=d)

# 将分类转为数值编码
x_cats = pd.Categorical(df['Document_Type_x'])
y_cats = pd.Categorical(df['Document_Type_y'])

fig = go.Figure()

# 添加带抖动的散点
fig.add_trace(go.Scatter(
    x=x_cats.codes + np.random.uniform(-0.15, 0.15, len(df)),
    y=y_cats.codes + np.random.uniform(-0.15, 0.15, len(df)),
    mode='markers',
    marker=dict(size=10, color='#1f77b4')
))

# 设置坐标轴刻度为原始分类名称
fig.update_xaxes(
    tickvals=x_cats.codes,
    ticktext=x_cats.categories,
    categoryorder='category ascending'
)
fig.update_yaxes(
    tickvals=y_cats.codes,
    ticktext=y_cats.categories,
    categoryorder='category ascending'
)

# 调整轴范围
fig.update_layout(
    xaxis_range=[-0.5, max(x_cats.codes) + 0.5],
    yaxis_range=[-0.5, max(y_cats.codes) + 0.5]
)

fig.show()

内容的提问来源于stack exchange，提问作者eschares