Plotly Express：从边际分布图中删除趋势线

Question

我正在寻找一种“干净”的方法来从使用plotly-express 创建的边际分布子图中删除趋势线。我知道这有点不清楚，所以请看下面的例子：
生成一些虚假数据：

np.random.seed(42)
data = pd.DataFrame(np.random.randint(0, 100, (100, 4)), columns=["feature1", "feature2", "feature3", "feature4"])
data["label"] = np.random.choice(list("ABC"), 100)
data["is_outlier"] = np.random.choice([True, False], 100)

使用

marginal

和

trendline

选项创建散点图：

fig = px.scatter(
    data, x="feature1", y="feature2",
    color="label", symbol="is_outlier", symbol_map={True: "x", False: "circle"},
    log_x=False, marginal_x="box",
    log_y=False, marginal_y="box",
    trendline="ols", trendline_scope="overall", trendline_color_override='black',
    trendline_options=dict(log_x=False, log_y=False),
)

这会产生一个在所有 3 个面板中都带有趋势线的数字：

我查看了

fig.data

结构，发现趋势线是其中的最后 3 个对象，最后 2 个是出现在顶部和右侧面板中的线条。从结构中删除这些对象将导致从这些面板中删除线条。看到这里：

fig2 = copy.deepcopy(fig)
fig2.data = fig2.data[:-2]

这会产生一个新问题，因为它还会从图例中删除

trendline

，这不是我满意的行为。所以我需要首先更新倒数第三个对象（主面板的趋势线）以具有

showlegend=True

属性：

fig3 = copy.deepcopy(fig)
fig3.data[-3].showlegend = True
fig3.data = fig3.data[:-2]

这终于给了我我想要的数字：

所以我确实有一个解决方案，但它需要“人工处理”

fig

对象。
有没有更好、更干净的方法来达到相同的最终数字？

################
完整代码：

import copy

import numpy as np
import pandas as pd
import plotly.io as pio
import plotly.express as px

pio.renderers.default = "browser"

np.random.seed(42)
data = pd.DataFrame(np.random.randint(0, 100, (100, 4)), columns=["feature1", "feature2", "feature3", "feature4"])
data["label"] = np.random.choice(list("ABC"), 100)
data["is_outlier"] = np.random.choice([True, False], 100)

fig = px.scatter(
    data, x="feature1", y="feature2",
    color="label", symbol="is_outlier", symbol_map={True: "x", False: "circle"},
    log_x=False, marginal_x="box",
    log_y=False, marginal_y="box",
    trendline="ols", trendline_scope="overall", trendline_color_override='black',
    trendline_options=dict(log_x=False, log_y=False),
)
fig.show()

fig2 = copy.deepcopy(fig)
fig2.data = fig2.data[:-2]
fig2.show()

fig3 = copy.deepcopy(fig)
fig3.data[-3].showlegend = True
fig3.data = fig3.data[:-2]
fig3.show()

Answer 1

您可以使用

Figure.update_traces()

方法，该方法允许将特定属性应用于满足

selector

参数的所有迹线（没有用于 remove 迹线的功能，但我们可以使用 visible 隐藏

它们） 

属性）。

所有 OLS 趋势线轨迹共享相同的

name

（“总体趋势线”，由

trendline_scope

给出），您可以使用它们的

xaxis

（或

yaxis

）参考来区分它们（即。

"x"

指主子图的 x 轴，

"x2"

和

"x3"

分别指右侧和顶部轴/子图）。

例如：

np.random.seed(42)
data = pd.DataFrame(np.random.randint(0, 100, (100, 4)), columns=["feature1", "feature2", "feature3", "feature4"])
data["label"] = np.random.choice(list("ABC"), 100)
data["is_outlier"] = np.random.choice([True, False], 100)

fig = px.scatter(
    data, x="feature1", y="feature2",
    color="label", symbol="is_outlier", symbol_map={True: "x", False: "circle"},
    log_x=False, marginal_x="box",
    log_y=False, marginal_y="box",
    trendline="ols", trendline_scope="overall", trendline_color_override='black',
    trendline_options=dict(log_x=False, log_y=False),
)

fig.update_traces(visible=False, selector=dict(name='Overall Trendline'))
fig.update_traces(visible=True, showlegend=True, selector=dict(name='Overall Trendline', xaxis='x'))

fig.show()