如何用Plotly的px.histogram绘制包含KDE曲线的直方图（替代已弃用的ff.create_distplot）

嗨，我来帮你搞定这个问题！你遇到的情况很常见——ff.create_distplot被弃用后，用px.histogram默认确实不会自动生成KDE曲线，因为它的核心功能是绘制直方图，KDE属于额外的统计曲线，需要我们手动添加到图中。下面给你一个完美的解决方案，完全符合Plotly官方推荐的用法：

步骤1：导入所需库并获取数据 #

首先我们需要导入Plotly的相关库，以及用来计算KDE的scipy.stats和数值计算的numpy：

import plotly.express as px
import plotly.graph_objects as go
from scipy.stats import gaussian_kde
import numpy as np

# 获取示例数据
data = px.data.tips()["tip"]

步骤2：创建带rug边际的直方图 #

用px.histogram生成基础直方图，这里有个关键参数histnorm="probability density"，它能让直方图的y轴和KDE曲线的概率密度尺度对齐，确保两者在同一坐标系下显示：

fig = px.histogram(
    x=data,
    marginal="rug",
    nbins=20,  # 可以根据需求调整直方图的分箱数量，和原distplot效果匹配
    histnorm="probability density",
    opacity=0.7,  # 设置直方图透明度，方便看清叠加的KDE曲线
)

步骤3：计算并添加KDE曲线 #

用scipy的gaussian_kde计算数据的核密度估计，然后用go.Scatter把曲线添加到直方图上：

# 生成KDE曲线的x轴采样点
x_values = np.linspace(data.min(), data.max(), 1000)
# 计算对应x点的KDE密度值
kde = gaussian_kde(data)
y_values = kde(x_values)

# 添加KDE曲线到图中
fig.add_trace(go.Scatter(
    x=x_values,
    y=y_values,
    mode="lines",
    name="KDE",
    line=dict(color="#ff4b4b", width=2)  # 自定义曲线颜色和宽度
))

步骤4：优化图表布局 #

最后可以调整一下图表的标题、轴标签等，让它更清晰：

fig.update_layout(
    title="小费金额分布（带直方图、Rug图和KDE曲线）",
    xaxis_title="小费金额",
    yaxis_title="概率密度",
    legend_title="统计项"
)

# 显示图表
fig.show()

这样生成的图表就和你之前用ff.create_distplot得到的效果完全一致了——既有直方图、rug边际，也有KDE拟合曲线，而且完全基于官方推荐的px.histogram工具，不用担心弃用问题。

补充说明 #

如果你只是临时需要快速替代ff.create_distplot，虽然官方不推荐，但目前还是可以继续使用它（不过未来版本可能会移除）：

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

data = px.data.tips()["tip"]
ff.create_distplot([data], group_labels=["Tip"])

但更建议用前面的方法，因为它更灵活，也符合Plotly的未来发展方向。

备注：内容来源于stack exchange，提问作者Richie Bendall