Plotly趋势线实现：能否绘制25-75百分位的四分位距范围？

你当前用px.scatter的expanding趋势线只能展示均值的累积变化，要实现25-75百分位的范围趋势，需要先预处理数据计算分位数，再通过添加轨迹的方式绘制范围线或填充区域。以下是具体实现步骤和代码：

1. 修正原代码的参数错误 #

原代码里把markersize和s放在labels字典里是错误的，这两个是控制散点大小的参数，应该直接作为px.scatter的参数传入，labels仅用于重命名轴和图例名称。

2. 分组计算百分位数据 #

先按时间和技术类型（或仅按时间）分组，计算每个时间点的25、75百分位：

import plotly.express as px
import pandas as pd

# 确保日期列是datetime类型
df['Date'] = pd.to_datetime(df['Date'])

# 按日期+技术类型分组，计算25/75百分位及中位数
percentile_data = df.groupby(['Date', 'Technology'])['Number of Events'].agg(
    p25=lambda x: x.quantile(0.25),
    p75=lambda x: x.quantile(0.75),
    median=lambda x: x.median()
).reset_index()

3. 绘制散点+百分位范围趋势 #

先绘制原始散点，再遍历每个技术类型添加百分位线和填充区域：

# 初始化散点图
fig = px.scatter(df, 
                 x="Date", 
                 y="Number of Events", 
                 color="Technology",
                 markersize=50,  # 正确设置散点大小
                 labels={
                     "Date": "日期",
                     "Number of Events": "事件数量",
                     "Technology": "技术类型"
                 })

# 获取plotly默认配色，保证线条和散点颜色一致
color_palette = px.colors.qualitative.Plotly
rgb_palette = px.colors.qualitative.Plotly_rgb

# 遍历每个技术类型，添加百分位范围
for idx, tech in enumerate(percentile_data['Technology'].unique()):
    tech_subset = percentile_data[percentile_data['Technology'] == tech]
    # 添加75百分位虚线
    fig.add_scatter(
        x=tech_subset['Date'],
        y=tech_subset['p75'],
        mode='lines',
        name=f'{tech} 75百分位',
        line=dict(dash='dash', color=color_palette[idx])
    )
    # 添加25百分位虚线，并填充中间区域
    fig.add_scatter(
        x=tech_subset['Date'],
        y=tech_subset['p25'],
        mode='lines',
        name=f'{tech} 25百分位',
        line=dict(dash='dash', color=color_palette[idx]),
        fill='tonexty',  # 填充到上方的75百分位线
        fillcolor=f'rgb({rgb_palette[idx]}, 0.2)'  # 设置填充透明度
    )
    # 可选：添加中位数实线
    fig.add_scatter(
        x=tech_subset['Date'],
        y=tech_subset['median'],
        mode='lines',
        name=f'{tech} 中位数',
        line=dict(color=color_palette[idx])
    )

fig.show()

4. 全局百分位范围（不按技术分组） #

如果不需要按技术类型区分，只看全局的25-75百分位趋势，修改分组逻辑即可：

# 按日期分组计算全局百分位
global_percentile = df.groupby('Date')['Number of Events'].agg(
    p25=lambda x: x.quantile(0.25),
    p75=lambda x: x.quantile(0.75)
).reset_index()

# 绘制散点后添加全局百分位线
fig.add_scatter(
    x=global_percentile['Date'],
    y=global_percentile['p75'],
    mode='lines',
    name='全局75百分位',
    line=dict(dash='dash', color='gray')
)
fig.add_scatter(
    x=global_percentile['Date'],
    y=global_percentile['p25'],
    mode='lines',
    name='全局25百分位',
    line=dict(dash='dash', color='gray'),
    fill='tonexty',
    fillcolor='rgba(128,128,128,0.1)'
)

fig.show()

内容的提问来源于stack exchange，提问作者disruptive