如何用Python Plotly定义函数批量绘制正态分布图表？

直接定义一个封装所有重复逻辑的函数，将每个图表的可变参数作为输入，即可避免重复编写相似代码：

import plotly.figure_factory as ff
import plotly.express as px

def plot_normal_distribution(
    dist_data_series,
    hist_data_df,
    column_name,
    group_label,
    hist_parameters,
    ucl_value,
    lcl_value,
    mean_value,
    three_sigma_limits,
    chart_title="Normal distribution",
    x_axis_title="Laser Power",
    y_axis3_title="Frequency"
):
    # 创建正态分布曲线
    fig = ff.create_distplot(
        [dist_data_series.tolist()],
        group_labels=[group_label],
        show_hist=False,
        curve_type="normal",
        bin_size=hist_parameters["Range"]
    )
    # 添加直方图并配置Y轴
    hist_trace = px.histogram(hist_data_df, x=column_name, nbins=hist_parameters["bins"], opacity=0.8).data[0]
    hist_trace.yaxis = "y3"
    hist_trace.name = "histogram"
    fig.add_trace(hist_trace)
    
    # 添加UCL、LCL、均值、3σ参考线
    fig.add_vline(y0=0, x=ucl_value, line_dash="longdash",
                  annotation_text=f"UCL: <br>{format(ucl_value)}", annotation_position="bottom")
    fig.add_vline(y0=0, x=lcl_value, line_dash="longdash",
                  annotation_text=f"LCL: <br>{format(lcl_value)}", annotation_position="bottom")
    fig.add_vline(y0=0, x=mean_value, line_dash="dashdot",
                  annotation_text=f"µ: <br>{'{:.3f}'.format(mean_value)}", annotation_position="bottom")
    fig.add_vline(y0=0, x=three_sigma_limits["+3Sigma_Grenze"], line_dash="longdash",
                  annotation_text=f"+3σ-limit: <br>{'{:.3f}'.format(three_sigma_limits['+3Sigma_Grenze'])}",
                  annotation_position="bottom right", line_color="red")
    fig.add_vline(y0=0, x=three_sigma_limits["-3Sigma_Grenze"], line_dash="longdash",
                  annotation_text=f"-3σ-limit: <br>{'{:.3f}'.format(three_sigma_limits['-3Sigma_Grenze'])}",
                  annotation_position="bottom", line_color="red")
    
    # 更新图表布局
    fig.update_layout(
        yaxis3={"overlaying": "y", "side": "right"},
        showlegend=True,
        title_text=chart_title,
        bargap=0.2,
        yaxis3_title=y_axis3_title,
        xaxis_title=x_axis_title
    )
    return fig

参数说明 #

• dist_data_series: 用于生成正态分布曲线的目标列Series（例：fscl_without_outl_P2["P2"]）
• hist_data_df: 绘制直方图的数据源DataFrame（例：without_outl_P2）
• column_name: 目标列的名称（例："P2"）
• group_label: 正态分布曲线的分组标签（例："LP 2.4kW"）
• hist_parameters: 直方图配置字典，需包含"Range"（bin_size）和"bins"（nbins）两个键（例：fsc_hist_parameter["P2"]）
• ucl_value: UCL控制限值（对应原代码的OEG）
• lcl_value: LCL控制限值（对应原代码的UEG）
• mean_value: 数据均值（例：df_12m["HP LPIFS_Wert P2"].mean()）
• three_sigma_limits: 3σ限值字典，需包含"+3Sigma_Grenze"和"-3Sigma_Grenze"两个键（例：Sigma_limit["P2_3Sigma"]）
• chart_title: 图表标题（可选，默认值："Normal distribution"）
• x_axis_title: X轴标题（可选，默认值："Laser Power"）
• y_axis3_title: 右侧Y轴标题（可选，默认值："Frequency"）

调用示例 #

对应原代码的调用方式：

# 准备各参数
dist_series = fscl_without_outl_P2["P2"]
hist_df = without_outl_P2
target_col = "P2"
curve_label = "LP 2.4kW"
hist_config = fsc_hist_parameter["P2"]
ucl = OEG
lcl = UEG
mean_val = df_12m["HP LPIFS_Wert P2"].mean()
sigma_limits = Sigma_limit["P2_3Sigma"]

# 生成并显示图表
fig2 = plot_normal_distribution(
    dist_series, hist_df, target_col, curve_label, hist_config, ucl, lcl, mean_val, sigma_limits
)
fig2.show()

后续需要绘制其他列的图表时，只需替换对应参数即可，无需重复编写整个绘图逻辑。

内容的提问来源于stack exchange，提问作者Steve