如何让Plotly Express多分组直方图的概率密度总和为1？

问题场景 #

给定示例数据集：

import pandas as pd
toy_df = pd.DataFrame({"value": [1, 12, 16, 4, 27, 38, 19], "group": [1, 1, 2, 1, 2, 2, 2]})

单分组时，使用px.histogram的histnorm='probability density'参数可生成总面积为1的直方图：

import plotly.express as px
px.histogram(toy_df, x="value", histnorm='probability density')

但添加color="group"分组后，Plotly会对每个分组单独归一概率密度，导致所有分组的总面积之和大于1。以下是两种在Plotly生态内的实现方案：

方案一：手动计算概率密度并使用Graph Objects构建 #

先获取全局分箱信息，再按分组计算基于全局总样本的概率密度，最后用plotly.graph_objects绘制：

import pandas as pd
import plotly.express as px
import plotly.graph_objects as go
import numpy as np

toy_df = pd.DataFrame({"value": [1, 12, 16, 4, 27, 38, 19], "group": [1, 1, 2, 1, 2, 2, 2]})

# 获取全局分箱边界与宽度
fig_single = px.histogram(toy_df, x="value", histnorm='probability density')
bin_edges = fig_single.data[0].x
bin_width = bin_edges[1] - bin_edges[0]
total_samples = len(toy_df)

# 按分组统计各分箱样本数
grouped_counts = toy_df.groupby('group')['value'].apply(
    lambda x: np.histogram(x, bins=bin_edges)[0]
).unstack()

# 计算基于全局总样本的概率密度
prob_density = grouped_counts / (total_samples * bin_width)

# 构建直方图
fig = go.Figure()
for group in prob_density.index:
    fig.add_trace(go.Histogram(
        x=toy_df[toy_df['group'] == group]['value'],
        name=f'Group {group}',
        autobinx=False,
        xbins=dict(start=bin_edges[0], end=bin_edges[-1], size=bin_width),
        y=prob_density.loc[group].values
    ))

fig.update_layout(title='多分组概率密度直方图（总面积为1）', xaxis_title='value', yaxis_title='Probability Density')
fig.show()

方案二：利用样本权重实现（更简洁） #

给每个样本赋予分组占总样本的比例作为权重，结合histnorm='probability density'参数，自动实现总面积归一为1：

import pandas as pd
import plotly.express as px

toy_df = pd.DataFrame({"value": [1, 12, 16, 4, 27, 38, 19], "group": [1, 1, 2, 1, 2, 2, 2]})

# 计算每个分组的样本占比作为权重
group_ratios = toy_df['group'].value_counts(normalize=True)
toy_df['weight'] = toy_df['group'].map(group_ratios)

# 带权重绘制直方图
fig = px.histogram(toy_df, x="value", color="group", histnorm='probability density', weights='weight')
fig.update_layout(title='多分组概率密度直方图（总面积为1）', xaxis_title='value', yaxis_title='Probability Density')
fig.show()

原理说明 #

方案二的核心逻辑是：每个分组的概率密度原本基于自身样本数归一，乘以分组占总样本的比例后，所有分组的面积总和等价于基于全局样本数归一的结果，最终总面积为1。

内容的提问来源于stack exchange，提问作者Janek Ziobro