Plotly Express直方图叠加分箱均值散点线实现问题

用Plotly Express绘制两个直方图：

• 第一个展示汽车广告的里程分布计数
• 第二个基于相同的20个里程分箱，展示对应汽车的价格总和分布
  希望在第二个直方图上叠加散点线，每个点对应分箱中点，值为该分箱内汽车总价除以车辆数量（即均价）。但当前代码中price_histogram_trace.data[0]['x']是7万条原始数据，而mileage_histogram_trace.data[0]['x']是分箱后的7千条数据，导致生成的均价点数量不对，无法得到对应20个分箱的结果。

核心是提前用Pandas统一分箱规则并聚合数据，避免依赖Plotly自动分箱的结果，确保分箱数据完全匹配：

1. 手动生成统一分箱边界：用pd.cut计算里程的20个分箱边界，保证两个图表用同一套分箱
2. 聚合分箱统计数据：对原始数据按分箱分组，直接计算每个分箱的车辆数、总价、均价
3. 基于聚合数据绘图：用预处理好的统计数据绘制直方图和散点线，确保每个分箱的数据一一对应

import plotly.graph_objects as go
from plotly.subplots import make_subplots
import pandas as pd
import numpy as np

# 1. 统一生成20个里程分箱的边界
bin_edges = pd.cut(df['mileage'], bins=20, retbins=True)[1]

# 2. 对原始数据按分箱分组，计算每个分箱的统计值
df['mileage_bin'] = pd.cut(df['mileage'], bins=bin_edges)
bin_stats = df.groupby('mileage_bin').agg(
    count=('mileage', 'size'),       # 分箱内车辆数量
    total_price=('price', 'sum'),    # 分箱内总价
    avg_price=('price', 'mean')      # 分箱内均价
).reset_index()

# 计算每个分箱的中点，作为散点线的x坐标
bin_stats['bin_midpoint'] = bin_stats['mileage_bin'].apply(lambda x: (x.left + x.right) / 2)

# 3. 创建子图，右图启用次坐标轴
fig = make_subplots(rows=1, cols=2, specs=[[{"secondary_y": False}, {"secondary_y": True}]])

# 添加左图：里程分布计数直方图
fig.add_trace(
    go.Bar(x=bin_stats['bin_midpoint'], y=bin_stats['count'], name='里程分布计数'),
    row=1, col=1
)

# 添加右图：分箱总价直方图
fig.add_trace(
    go.Bar(x=bin_stats['bin_midpoint'], y=bin_stats['total_price'], name='分箱总价'),
    row=1, col=2, secondary_y=False
)

# 添加右图次坐标轴：分箱均价散点线
fig.add_trace(
    go.Scatter(x=bin_stats['bin_midpoint'], y=bin_stats['avg_price'], mode='lines+markers', name='分箱均价'),
    row=1, col=2, secondary_y=True
)

# 更新布局，调整坐标轴和标题
fig.update_layout(
    title_text="里程分布与分箱价格统计",
    xaxis=dict(title="里程", domain=[0, 0.45]),
    xaxis2=dict(title="里程", domain=[0.55, 1.0]),
    yaxis=dict(title="车辆数量"),
    yaxis2=dict(title="均价", side="right")
)

fig.show()

• 避免了Plotly自动分箱导致的两个图表分箱不匹配问题，所有统计数据基于同一套分箱规则生成
• 直接用Pandas计算分箱统计值，比通过Plotly Trace提取数据更高效且不易出错
• 分箱中点的计算保证了散点线与直方图的分箱位置完全对齐
• 用secondary_y参数清晰区分总价（主坐标轴）和均价（次坐标轴），图表可读性更强

内容的提问来源于stack exchange，提问作者Zohan