如何使用Python Plotly绘制按列分类的时间序列散点图

你不需要手动为每一列创建固定数值的辅助列，核心解决思路是先把宽格式的日期数据表转换为长格式，再直接利用Plotly对分类轴的原生支持绘图，该方案可自动适配任意列数、任意数据量级，不需要逐列手动编写绘图逻辑。

核心步骤 #

• 用pandas的melt方法将原始多列日期数据从宽表转为长表，自动生成「类别列」（存储原始数据的列名，如a、b）和「时间列」（存储对应的事件发生时间），无需手动给每个类别分配固定y值。
• 绘图时直接将y轴映射到类别列即可，Plotly会自动将分类值排布为独立的水平层级，同一类别的所有数据点会自然落在同一条水平线上。

最简实现代码（基于Plotly Express） #

import plotly.express as px
import pandas as pd

# 原始数据，无需提前创建value_a、value_b这类辅助列
df = pd.DataFrame(dict(
    a=["2020-01-10", "2020-02-10", "2020-03-10", "2020-04-10", "2020-05-10", "2020-06-10"],
    b=["2020-01-05", "2020-02-15", "2020-03-18", "2020-08-10", "2021-05-10", "2021-06-10"]
))

# 宽表转长表
df_long = df.melt(var_name="category", value_name="event_time")
# 转换时间列为标准datetime格式，避免横轴识别异常
df_long["event_time"] = pd.to_datetime(df_long["event_time"])

# 一键生成散点图，无需逐列添加trace
fig = px.scatter(
    df_long,
    x="event_time",
    y="category",
    color="category" # 不同类别自动分配不同颜色，不需要可删除该参数
)

# 保留原有x轴配置
fig.update_xaxes(showgrid=True, ticklabelmode="period")
fig.show()

graph_objects版本实现 #

如果你习惯使用plotly.graph_objects接口，只需要遍历长表中的唯一类别自动生成trace即可，同样不需要手动给每个类别设置固定y值：

import plotly.graph_objects as go
import pandas as pd

df = pd.DataFrame(dict(
    a=["2020-01-10", "2020-02-10", "2020-03-10", "2020-04-10", "2020-05-10", "2020-06-10"],
    b=["2020-01-05", "2020-02-15", "2020-03-18", "2020-08-10", "2021-05-10", "2021-06-10"]
))

df_long = df.melt(var_name="category", value_name="event_time")
df_long["event_time"] = pd.to_datetime(df_long["event_time"])

fig = go.Figure()
# 自动遍历所有类别生成对应散点轨迹
for cat in df_long["category"].unique():
    cat_subset = df_long[df_long["category"] == cat]
    fig.add_trace(go.Scatter(
        mode="markers",
        x=cat_subset["event_time"],
        y=cat_subset["category"],
        name=cat
    ))

fig.update_xaxes(showgrid=True, ticklabelmode="period")
fig.show()

适配说明 #

后续新增数据列时，只需要在原始DataFrame中添加对应列即可，不需要修改任何绘图逻辑，melt会自动识别所有列并转换为对应的纵轴分类，即使是上百列、百万级数据点也可以正常处理。

内容的提问来源于stack exchange，提问作者jB777