Plotly技术问询：如何使用For Loop为DataFrame各变量创建散点图及按涡轮机分组绘制散点图

嗨，我来帮你搞定这两个Plotly循环绘图的需求，分两部分详细说明：

一、为DataFrame中的每个变量创建散点图 #

首先得明确：散点图需要X和Y轴数据，通常我们会把每个变量作为X轴，搭配一个固定的Y轴变量（比如你的目标列），或者如果是想查看每个变量随索引的分布，就用索引当X轴。下面给你两种常见场景的实现：

场景1：每个变量与固定Y列生成散点图 #

假设你的DataFrame有多个特征列，想分别和Power列（举个例子）生成散点图，代码如下：

import plotly.express as px
import pandas as pd

# 替换成你自己的DataFrame即可
df = pd.DataFrame({
    'WSPD': [12.1, 9.7, 6.6, 7.8, 5.8, 8.8],
    'Power': [2000, 1800, 1000, 1150, 760, 1353],
    'Temp': [25, 23, 21, 22, 20, 24],
    'Humidity': [60, 55, 58, 62, 50, 57]
})

# 固定Y轴为Power，遍历所有其他列作为X轴
y_col = 'Power'
for x_col in df.columns.drop(y_col):
    fig = px.scatter(df, x=x_col, y=y_col, title=f'{x_col} vs {y_col}')
    fig.show()

场景2：每个变量随索引的散点图 #

如果想查看每个变量自身的数据分布（X轴为行索引，Y轴为变量值），可以这样写：

import plotly.express as px
import pandas as pd

df = pd.DataFrame({
    'WSPD': [12.1, 9.7, 6.6, 7.8, 5.8, 8.8],
    'Power': [2000, 1800, 1000, 1150, 760, 1353],
    'Temp': [25, 23, 21, 22, 20, 24]
})

for col in df.columns:
    fig = px.scatter(df, x=df.index, y=col, title=f'Distribution of {col}')
    fig.update_xaxes(title='Index')
    fig.show()

二、按涡轮机（WTG）分组生成散点图 #

针对你给出的DataFrame，我们需要先按WTG分组，然后为每个分组单独生成X轴为WSPD、Y轴为Power的散点图。这里给你两种实现方式，选顺手的用就行：

方式1：用pandas分组+Plotly Express（简洁版） #

import plotly.express as px
import pandas as pd

# 你的原始数据
data = {
    'WTG': ['A0201', 'A0202', 'A0201', 'A0202', 'A0203', 'A0203'],
    'Power': [2000, 1800, 1000, 1150, 760, 1353],
    'WSPD': [12.1, 9.7, 6.6, 7.8, 5.8, 8.8]
}
df = pd.DataFrame(data)

# 遍历每个WTG分组生成图
for wtg, group_df in df.groupby('WTG'):
    fig = px.scatter(group_df, x='WSPD', y='Power', 
                     title=f'Turbine {wtg}: WSPD vs Power',
                     labels={'WSPD': 'Wind Speed (m/s)', 'Power': 'Power Output (kW)'})
    # 可选：美化标记点样式
    fig.update_traces(marker=dict(size=10, color='darkblue'))
    fig.show()

方式2：用Plotly Graph Objects（自定义控制版） #

如果你需要更精细的布局控制（比如自定义主题、添加辅助线），可以用graph_objects手动构建：

import plotly.graph_objects as go
import pandas as pd

data = {
    'WTG': ['A0201', 'A0202', 'A0201', 'A0202', 'A0203', 'A0203'],
    'Power': [2000, 1800, 1000, 1150, 760, 1353],
    'WSPD': [12.1, 9.7, 6.6, 7.8, 5.8, 8.8]
}
df = pd.DataFrame(data)

for wtg, group_df in df.groupby('WTG'):
    fig = go.Figure()
    fig.add_trace(go.Scatter(
        x=group_df['WSPD'],
        y=group_df['Power'],
        mode='markers',
        name=wtg
    ))
    fig.update_layout(
        title=f'Turbine {wtg}: WSPD vs Power',
        xaxis_title='Wind Speed (m/s)',
        yaxis_title='Power Output (kW)',
        template='plotly_white'
    )
    fig.show()

运行代码后，每个涡轮机对应的散点图会单独弹出展示，完全符合你的需求。

内容的提问来源于stack exchange，提问作者NLGenin