Plotly Express散点图添加均值趋势线实现方法（含颜色匹配）

Plotly Express 内置trendline参数目前仅支持OLS线性拟合、LOWESS局部加权拟合、滚动平均等预设趋势线，没有直接生成分组按维度分段均值线的内置选项，手动追加均值线的实现思路是可行的，以下是两种更简便、鲁棒性更强的优化写法，可避免手动匹配颜色带来的错位问题：

方案1：复用散点自动分配的配色 #

手动调用默认色板匹配颜色的写法存在隐患：如果自定义散点配色、分组数量超过默认色板长度、分组排序变动，很容易出现颜色错位。更稳妥的方式是绘制完散点后，直接从已生成的散点trace中读取对应分组的配色，无需手动维护色板映射。
注：原测试代码未导入plotly.graph_objects，直接运行会触发NameError，以下代码已补全依赖：

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

df = pd.DataFrame({'date' : ['01/01/2022','01/01/2022','01/01/2022','01/01/2022','01/01/2022','01/01/2022',
                             '02/01/2022','02/01/2022','02/01/2022','02/01/2022',
                             '03/01/2022','03/01/2022','03/01/2022','03/01/2022'],
                   'value': [12,15,5,9,22,27,12,16,6,2,18,16,17,19],
                   'color' : ['yes','yes','yes','no','no','maybe',
                              'yes','no','no','yes',
                              'no','maybe','maybe','yes']})
df['date'] = pd.to_datetime(df['date'])

fig = px.scatter(df, x="date", y="value", color='color')
# 预计算各分组各日期的均值
mean_df = df.groupby(['color', 'date'], as_index=False)['value'].mean()

# 遍历现有散点trace，直接复用其颜色绘制对应均值线
for trace in fig.data:
    group_name = trace.name
    group_mean = mean_df[mean_df['color'] == group_name]
    fig.add_trace(
        go.Scatter(
            name=f'{group_name} 均值',
            mode='lines',
            x=group_mean['date'],
            y=group_mean['value'],
            line_color=trace.marker.color,
            showlegend=True
        )
    )

fig.show()

该写法不受自定义配色、分组数量变动影响，同组均值线和散点颜色永远保持一致。

方案2：预计算均值后一次性绘图（代码量最少） #

无需手动循环追加trace，提前将原始数据和预计算的均值数据合并打标，直接调用Plotly Express接口一次性完成绘制，颜色、图例会自动完成同组匹配：

import plotly.express as px
import pandas as pd

df = pd.DataFrame({'date' : ['01/01/2022','01/01/2022','01/01/2022','01/01/2022','01/01/2022','01/01/2022',
                             '02/01/2022','02/01/2022','02/01/2022','02/01/2022',
                             '03/01/2022','03/01/2022','03/01/2022','03/01/2022'],
                   'value': [12,15,5,9,22,27,12,16,6,2,18,16,17,19],
                   'color' : ['yes','yes','yes','no','no','maybe',
                              'yes','no','no','yes',
                              'no','maybe','maybe','yes']})
df['date'] = pd.to_datetime(df['date'])
df['data_type'] = '原始值'

# 计算分组均值
mean_df = df.groupby(['color', 'date'], as_index=False)['value'].mean()
mean_df['data_type'] = '均值'

# 合并数据后一次性绘图
plot_df = pd.concat([df, mean_df])
fig = px.line(
    plot_df,
    x='date',
    y='value',
    color='color',
    line_dash='data_type', # 均值线自动设为虚线，和原始点做区分
    markers={'原始值': True, '均值': False} # 原始值显示散点标记，均值仅显示折线
)
fig.show()

该写法无需手动处理trace和颜色映射，代码维护成本最低，可通过调整line_dash、markers参数自定义原始值和均值线的样式差异。

内容的提问来源于stack exchange，提问作者darkuss