Plotly直方图为不同类别柱子设置自定义颜色后统计结果异常的技术咨询

嘿，这个问题我碰到过！让我给你拆解一下为啥会这样，还有怎么解决～

当你给px.histogram加上color="result"参数后，Plotly会自动把数据按result的两个类别拆分成独立的trace（轨迹）。这时候histnorm='probability density'的归一化逻辑就变了：它不再基于整个数据集的总数来计算密度，而是对每个单独的trace（也就是每个类别自己的数据集）做归一化。因为每个trace里只有同一种类别的数据，归一化后该类别的密度自然就是1，所以两个柱子都显示成1了，完全偏离了真实的分布比例。

方案1：先统计分布，用条形图绘制（推荐，更适合类别变量） #

对于只有两类的类别变量，其实用条形图比直方图更直观，而且能完美解决颜色和统计的问题。我们先手动计算每个类别的概率密度，再用px.bar绘图：

import pandas as pd
import plotly.express as px

# 你的原始数据
hist_data = ['no disease', 'cardiovascular disease', 'no disease', 'no disease', 'cardiovascular disease', 'cardiovascular disease', 'cardiovascular disease', 'cardiovascular disease', 'cardiovascular disease', 'no disease']

# 转成DataFrame并统计分布
df = pd.DataFrame(hist_data, columns=['result'])
count_df = df['result'].value_counts().reset_index()
count_df.columns = ['result', 'count']
# 计算全局概率密度
total_samples = count_df['count'].sum()
count_df['prob_density'] = count_df['count'] / total_samples

# 绘制条形图，设置自定义颜色
fig = px.bar(
    count_df,
    x="result",
    y="prob_density",
    color="result",
    color_discrete_map={
        'no disease': '#636EFA',  # 自定义蓝色
        'cardiovascular disease': '#EF553B'  # 自定义橙色
    }
)
# 调整y轴标题
fig.update_layout(yaxis_title="Probability Density")
fig.show()

方案2：保留直方图，手动修改柱子颜色 #

如果你坚持要用直方图，可以回到最初的正确统计代码，然后手动给两个柱子设置不同颜色，避免拆分trace导致的归一化问题：

import pandas as pd
import plotly.express as px

hist_data = ['no disease', 'cardiovascular disease', 'no disease', 'no disease', 'cardiovascular disease', 'cardiovascular disease', 'cardiovascular disease', 'cardiovascular disease', 'cardiovascular disease', 'no disease']
df = pd.DataFrame(hist_data, columns=['result'])

# 初始正确统计的直方图代码
fig = px.histogram(
    df,
    x="result",
    histfunc='count',
    histnorm='probability density'
)
# 手动给两个柱子设置颜色
fig.update_traces(
    marker_color=['#636EFA', '#EF553B'],  # 对应两个类别的颜色
    selector=dict(type='histogram')
)
fig.show()

这样既保留了正确的分布统计，又实现了不同类别不同颜色的需求。

内容的提问来源于stack exchange，提问作者Vitto