如何调整Plotly Strip Plot的抖动量（等效seaborn jitter参数）？

Plotly原生的Strip Plot确实没有直接对应seaborn jitter参数的设置，但可以通过手动给数据添加随机抖动偏移的方式实现完全等效的效果，具体操作如下：

核心思路 #

seaborn的jitter参数本质是给每个数据点在分类轴（x轴或y轴）上添加随机偏移，我们可以手动生成这个偏移量，再用散点图模拟带抖动的Strip Plot，以此精准控制抖动幅度。

示例代码 #

假设我们有分类数据，需要给数值点添加抖动：

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

# 生成示例数据
df = pd.DataFrame({
    'category': np.repeat(['A', 'B', 'C'], 50),
    'value': np.concatenate([np.random.normal(10, 2, 50),
                             np.random.normal(15, 2, 50),
                             np.random.normal(8, 2, 50)])
})

# 设置抖动幅度：和seaborn的jitter参数一致，0无抖动，1为最大抖动（占分类间距的比例）
jitter = 0.3

# 给每个分类的轴位置添加随机偏移
# 先把分类映射为数值坐标，再在±jitter/2范围内生成随机值
category_mapping = {'A': 0, 'B': 1, 'C': 2}
df['jittered_x'] = df['category'].map(category_mapping) + np.random.uniform(-jitter/2, jitter/2, size=len(df))

# 绘制带抖动的散点图，模拟Strip Plot效果
fig = px.scatter(df, x='jittered_x', y='value')
# 还原x轴的分类标签
fig.update_xaxes(tickvals=list(category_mapping.values()), ticktext=list(category_mapping.keys()))
# 可选：调整点的大小、颜色，贴近Strip Plot样式
fig.update_traces(marker=dict(size=6, opacity=0.7))
fig.show()

关键说明 #

• 你可以通过调整jitter的值完全复刻seaborn的抖动效果：jitter=0时无抖动，jitter=1时抖动范围占满相邻分类的间距。
• 如果需要在y轴添加抖动（横向Strip Plot），只需把上述代码中的x/y轴对应调整即可。

内容的提问来源于stack exchange，提问作者fredfeng