嗨，我看你现在遇到的问题是：自己手动添加的异常值散点和对应的分组箱线图位置对不上——从你提供的截图能看到，散点都堆在每个x标签（如Happy、Sad）的中心，和Rainy/Sunny的箱线错开了。这其实是boxmode='group'的默认布局导致的：Plotly会给同一个x标签下的多个箱线图自动分配偏移的x位置，但你直接用x=[label]设置散点坐标时，散点会默认落在该x标签的中心位置，自然和对应箱线的位置不匹配。

下面给你一个直接可用的修改方案，完全解决位置对齐的问题：

解决方案：手动计算分组偏移量，精准对齐散点与箱线 #

我们可以提前统计每个x标签下的分组数量，计算出每个箱线图的x偏移量，然后让散点图的坐标完全匹配对应箱线的位置，同时保留你原本的颜色、图例等设置。

修改后的完整代码 #

import plotly.graph_objects as go

def create_multiple_boxplots(summary_stats_list, labels, types, title="Multiple Boxplots"):
    fig = go.Figure()
    
    color_map = {"Rainy": "blue", "Sunny": "green"}
    
    # 第一步：统计每个x标签下有多少个分组，用于计算偏移量
    label_group_counts = {}
    for label in labels:
        label_group_counts[label] = label_group_counts.get(label, 0) + 1
    
    # 记录每个标签下当前处理到第几个分组（从0开始计数）
    label_current_idx = {label: 0 for label in label_group_counts}
    
    for stats, label, type_ in zip(summary_stats_list, labels, types):
        group_total = label_group_counts[label]
        current_pos = label_current_idx[label]
        
        # 计算分组偏移：默认箱宽是0.4，组内总宽度0.8，所以每个分组的x偏移公式
        # 比如2个分组时，第一个偏移-0.2，第二个偏移+0.2，刚好和箱线位置对齐
        box_x_offset = -(group_total - 1) * 0.2 + current_pos * 0.4
        
        # 添加箱线图，显式设置箱宽确保偏移计算准确
        fig.add_trace(go.Box(
            name=type_,
            q1=[stats['Q1']],
            median=[stats['Median']],
            q3=[stats['Q3']],
            lowerfence=[stats['Min']],
            upperfence=[stats['Max']],
            mean=[stats['Mean']],
            boxpoints=False,  # 完全关闭自动生成的点，只用我们自定义的散点
            marker=dict(color=color_map[type_]),
            legendgroup=type_,
            showlegend=current_pos == 0,  # 同一类型只显示一次图例
            x=[label],
            boxwidth=0.4
        ))
        
        # 添加自定义异常值散点，精准对齐箱线位置
        if 'Outliers' in stats and stats['Outliers']:
            # 获取标签对应的数值化x位置（Plotly会把字符串标签映射为0、1、2...的数值）
            x_num = list(dict.fromkeys(labels)).index(label)
            # 散点的x位置 = 标签数值化位置 + 箱线偏移 + pointpos对应的偏移（和你原来的-1.8对应）
            scatter_x = x_num + box_x_offset - 1.8 * 0.4
            
            fig.add_trace(go.Scatter(
                x=[scatter_x] * len(stats['Outliers']),
                y=stats['Outliers'],
                mode='markers',
                marker=dict(color=color_map[type_], size=8, symbol='circle-open'),
                name=f"Outliers - {type_}",
                legendgroup=type_,
                showlegend=False
            ))
        
        # 更新当前标签的处理索引
        label_current_idx[label] += 1
    
    fig.update_layout(
        title=title,
        yaxis_title="Value",
        boxmode='group',
        xaxis=dict(categoryorder='array', categoryarray=list(dict.fromkeys(labels)))
    )
    
    fig.show()

# 示例数据（和你原来的完全一致）
data_summaries = [
    {"Min": 5, "Q1": 10, "Median": 15, "Q3": 20, "Max": 25, "Mean": 16, "Outliers": [2, 27]},
    {"Min": 6, "Q1": 11, "Median": 16, "Q3": 21, "Max": 26, "Mean": 17, "Outliers": [3, 28]},
    {"Min": 4, "Q1": 9, "Median": 14, "Q3": 19, "Max": 24, "Mean": 15, "Outliers": [1, 26]},
    {"Min": 7, "Q1": 12, "Median": 17, "Q3": 22, "Max": 27, "Mean": 18, "Outliers": [4, 29]}
]
labels = ["Happy", "Happy", "Sad", "Sad"]
types = ["Rainy", "Sunny", "Rainy", "Sunny"]

create_multiple_boxplots(data_summaries, labels, types)

关键修改说明 #

• 提前统计分组数量：先算出每个x标签（如Happy）下有几个箱线分组（如Rainy、Sunny），为后续计算偏移量做准备
• 精准计算x偏移：根据分组数量计算每个箱线的x偏移位置，确保散点和箱线的基准位置完全一致
• 匹配pointpos位置：把你原来设置的pointpos=-1.8转换成散点的x偏移，让散点刚好落在箱线左侧的对应位置
• 关闭自动箱线点：完全禁用Plotly自动生成的点，确保只显示你自定义的异常值

额外小提示 #

如果你不想手动计算偏移量，还有一个偷懒的小技巧：直接把箱线图的boxpoints='all'打开，然后把所有数据（包括非异常值和异常值）传入y参数，再设置boxpoints='outliers'——但这样Plotly还是会自动判断异常值，不符合你“用自己预计算的异常值”的需求，所以前面的方法才是最稳妥的。

备注：内容来源于stack exchange，提问作者Ahmad Abdallah