如何用Plotly绘制水平图比较1个自变量与多个因变量？

Plotly的splom确实没有Seaborn那样的x_vars/y_vars参数，但可以通过两种方式实现相同效果：

方法1：用Plotly splom手动指定维度 #

通过自定义dimensions列表筛选变量组合，只保留自变量与每个因变量的散点图：

import plotly.figure_factory as ff
import seaborn as sns

# 加载示例数据
iris = sns.load_dataset("iris")

# 指定自变量和因变量
x_col = "sepal_length"
y_cols = ["sepal_width", "petal_length", "petal_width"]

# 构造splom的维度列表：先加自变量，再依次添加因变量
dimensions = [{"label": x_col, "values": iris[x_col]}]
for col in y_cols:
    dimensions.append({"label": col, "values": iris[col]})

# 生成splom图，关闭对角线和上半部分子图
fig = ff.create_scatterplotmatrix(
    iris,
    dimensions=dimensions,
    diagonal_visible=False,
    showupperhalf=False,
    title="单自变量对多因变量的splom图"
)

fig.show()

方法2：用make_subplots逐个绘制子图（贴合Seaborn效果） #

如果想要完全复刻Seaborn pairplot的垂直排列样式，用make_subplots逐个添加散点图更灵活：

import plotly.express as px
import plotly.subplots as sp
import seaborn as sns

# 加载示例数据
iris = sns.load_dataset("iris")

# 指定自变量和因变量
x_col = "sepal_length"
y_cols = ["sepal_width", "petal_length", "petal_width"]

# 创建垂直排列的子图布局
fig = sp.make_subplots(rows=len(y_cols), cols=1, subplot_titles=y_cols)

# 循环添加每个因变量的散点图
for idx, y_col in enumerate(y_cols, 1):
    trace = px.scatter(iris, x=x_col, y=y_col).data[0]
    fig.add_trace(trace, row=idx, col=1)
    # 仅底部子图显示x轴标签
    if idx == len(y_cols):
        fig.update_xaxes(title_text=x_col, row=idx, col=1)
    # 设置每个子图的y轴标签
    fig.update_yaxes(title_text=y_col, row=idx, col=1)

# 调整布局避免标题重叠
fig.update_layout(height=250*len(y_cols), title_text="单自变量对多因变量的散点子图", showlegend=False)

fig.show()

内容的提问来源于stack exchange，提问作者david serero