如何在Plotly Express分面散点图中按阈值或类别最大值添加标注？

需求说明 #

现有包含Name、Category、Value列的数据集，已使用Plotly Express绘制基于Category的分面散点图，需实现：仅为每个类别中超过特定阈值，或是该类别最大值的数值点添加文本标注。

实现步骤与代码 #

1. 数据预处理：标记符合条件的点 #

首先为每个类别计算最大值，并筛选出满足「超过阈值」或「是类别最大值」的点：

import pandas as pd
import plotly.express as px

# 加载数据集（示例数据，实际可替换为pd.read_csv）
data = {'Name': {0: 'Alex', 1: 'Smith', 2: 'Federico', 3: 'George', 4: 'Ram', 5: 'Helen', 6: 'Mike', 7: 'Mark', 8: 'Alex', 9: 'Smith', 10: 'Federico', 11: 'George', 12: 'Ram', 13: 'Helen', 14: 'Mike', 15: 'Mark', 16: 'Alex', 17: 'Smith', 18: 'Federico', 19: 'George', 20: 'Ram', 21: 'Helen', 22: 'Mike', 23: 'Mark', 24: 'Alex', 25: 'Smith', 26: 'Federico', 27: 'George', 28: 'Ram', 29: 'Helen', 30: 'Mike', 31: 'Mark', 32: 'Alex', 33: 'Smith', 34: 'Federico', 35: 'George', 36: 'Ram', 37: 'Helen'}, 'Category': {0: 'A', 1: 'A', 2: 'A', 3: 'A', 4: 'A', 5: 'A', 6: 'A', 7: 'A', 8: 'B', 9: 'B', 10: 'B', 11: 'B', 12: 'B', 13: 'B', 14: 'B', 15: 'B', 16: 'C', 17: 'C', 18: 'C', 19: 'C', 20: 'C', 21: 'C', 22: 'C', 23: 'C', 24: 'D', 25: 'D', 26: 'D', 27: 'D', 28: 'D', 29: 'D', 30: 'D', 31: 'D', 32: 'E', 33: 'E', 34: 'E', 35: 'E', 36: 'E', 37: 'E'}, 'Value': {0: 125, 1: 399, 2: 129, 3: 147, 4: 59, 5: 169, 6: 94, 7: 142, 8: 133, 9: 54, 10: 86, 11: 49, 12: 49, 13: 64, 14: 88, 15: 65, 16: 35, 17: 89, 18: 72, 19: 62, 20: 59, 21: 198, 22: 59, 23: 109, 24: 147, 25: 108, 26: 164, 27: 110, 28: 70, 29: 321, 30: 256, 31: 58, 32: 178, 33: 121, 34: 65, 35: 251, 36: 204, 37: 303}}
df = pd.DataFrame(data)

# 定义阈值（可根据需求调整）
THRESHOLD = 150

# 计算每个类别的最大值并添加到数据集
df['category_max'] = df.groupby('Category')['Value'].transform('max')

# 标记符合条件的点：超过阈值 或 是类别最大值
df['annotate'] = (df['Value'] > THRESHOLD) | (df['Value'] == df['category_max'])

2. 绘制分面散点图 #

绘制包含所有类别的分面散点图，无需单独筛选某一类别：

# 绘制全部分面散点图，facet_col_wrap控制每行子图数量
fig = px.scatter(df, x="Name", y="Value", facet_col="Category", facet_col_wrap=2)

# 布局样式调整
fig.update_layout(
    font_family="Rockwell",
    template='plotly_dark',
    title='Values by Category (Annotated: >150 or Category Max)'
)
fig.update_xaxes(showticklabels=True, visible=True, showgrid=False)

3. 为符合条件的点添加标注 #

遍历筛选后的点，根据所属类别匹配对应分面子图，添加文本标注：

# 获取类别排序（对应分面子图的顺序）
category_order = sorted(df['Category'].unique())

# 遍历添加标注
for _, row in df[df['annotate']].iterrows():
    cat_idx = category_order.index(row['Category']) + 1
    fig.add_annotation(
        x=row['Name'],
        y=row['Value'],
        text=str(row['Value']),
        xref=f'x{cat_idx}',
        yref=f'y{cat_idx}',
        showarrow=True,
        arrowhead=1,
        ax=0,
        ay=-20,  # 标注向下偏移避免遮挡点
        font=dict(color="white")
    )

# 显示图表
fig.show()

关键说明 #

• facet_col_wrap可调整每行子图数量，避免布局拥挤
• 标注的xref和yref需对应分面子图编号，确保标注出现在正确子图中
• 可修改THRESHOLD变量或annotate列的条件，适配不同需求

内容的提问来源于stack exchange，提问作者Ananth