Streamlit中Plotly Express条形图排序异常，需手动重运行修复？

问题背景 #

使用Polars和Streamlit搭建的仪表板中，多个水平条形图需要按total_gmv的最大值升序排列，但默认打开页面、刷新、清除缓存后，图表均未正确排序。只有点击Streamlit右上角菜单的「重运行」后，图表才会显示正确的排序状态。本地Jupyter Notebook不通过Streamlit运行相同Plotly代码时，categoryorder='max ascending'同样不生效。

复现细节 #

• 无痕模式打开、刷新页面、清除Streamlit缓存后，问题依然存在
• 所有条形图都出现相同的排序异常
• 注释掉update_yaxes中的categoryorder='max ascending'参数后，图表变为升序排序，但并非按total_gmv最大值的规则排序

相关代码片段 #

fig_pincode_gmv_facet = px.bar(df_pincode_gmv_facet(),
                                x='total_gmv', y='pincode', facet_col='Year',
                                orientation='h',
                                labels={
                                    "total_gmv": "Total GMV"
                                },
                                category_orders={'Year': [2015, 2016]},
                                title=f'<b>Top 15 Pincodes by Total GMV in respective Years</b>'
).update_yaxes(type='category', categoryorder='max ascending')

st.plotly_chart(fig_pincode_gmv_facet, use_container_width=True, config=config)

排查更新 #

1. 移除categoryorder='max ascending'后，图表自动按升序排列，但不符合需求
2. 本地Jupyter单独运行Plotly代码时，categoryorder='max ascending'参数未生效

可行解决方案建议 #

1. 提前在数据层面完成排序（推荐） #

绕过Plotly的自动排序逻辑，直接在生成数据集时按需求排序，并将类别设置为物理顺序：

def df_pincode_gmv_facet():
    # 原有数据处理逻辑...
    # 按Year分组，每组内按total_gmv升序排序，固定pincode的顺序
    df = (
        df.group_by('Year')
          .sort_by('total_gmv')
          .with_columns(
              pincode=pl.col('pincode').cast(pl.Categorical).cat.set_ordering('physical')
          )
    )
    return df

修改后，Plotly会直接沿用数据中pincode的物理顺序，无需依赖categoryorder参数。

2. 显式指定每个facet的y轴类别顺序 #

手动计算每个Year对应的pincode排序列表，通过categoryarray指定：

# 先获取数据集
df = df_pincode_gmv_facet()

fig_pincode_gmv_facet = px.bar(df,
                                x='total_gmv', y='pincode', facet_col='Year',
                                orientation='h',
                                labels={
                                    "total_gmv": "Total GMV"
                                },
                                category_orders={'Year': [2015, 2016]},
                                title=f'<b>Top 15 Pincodes by Total GMV in respective Years</b>'
).update_yaxes(type='category')

# 为每个facet设置自定义排序
for idx, year in enumerate([2015, 2016], start=1):
    sorted_pincodes = df.filter(pl.col('Year') == year).sort('total_gmv')['pincode'].to_list()
    fig_pincode_gmv_facet.update_yaxes(
        categoryorder='array',
        categoryarray=sorted_pincodes,
        col=idx
    )

st.plotly_chart(fig_pincode_gmv_facet, use_container_width=True, config=config)

这种方式直接控制每个facet的y轴类别顺序，避免Plotly自动推断的不确定性。

3. 检查Streamlit缓存的影响 #

如果df_pincode_gmv_facet()使用了@st.cache_data装饰器，确保缓存的是已经排序完成的数据，或者在缓存函数内部执行排序逻辑，避免缓存的数据集顺序不符合预期。

内容的提问来源于stack exchange，提问作者ViSa