trendline="ols"不显示线或报错因缺少statsmodels、数据含NaN、分组后子集不足2点；趋势线默认外推，需手动截断x范围；ols线性全局拟合快可解释，lowess局部平滑适非线性但不支持分组；公式和R²需手动计算添加。
为什么 trendline="ols" 有时不显示线，或报 statsmodels 错误
Plotly Express 的 trendline 参数依赖外部统计库，默认用 statsmodels 做 OLS 拟合。如果没装，会直接报错 ModuleNotFoundError: No module named 'statsmodels'；即使装了，若数据含 NaN、非数值列或分组后子集过小（如某类别仅1个点），trendline 也会静默跳过该组，导致线“消失”。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先运行
pip install statsmodels（plotly不自动带它） - 用
df.dropna(subset=[x_col, y_col])清洗关键列，别只靠px.scatter(..., trendline="ols")自动处理 - 若用
color分组，检查各组行数：df.groupby("category")[y_col].count()，确保每组 ≥2 行 - 临时验证拟合是否生效：加参数
trendline_scope="overall"强制全局拟合（绕过分组限制）
如何让趋势线只画在原始数据范围内，而不是延伸到坐标轴边界
Plotly 默认把趋势线外推到整个 x 轴范围，常造成误导——尤其当数据集中在左侧时，线会横跨空白区域。这不是 bug，而是 px.scatter 内部调用 statsmodels 后，用 go.Scatter 绘制时默认用了全轴 x 网格。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 不用
trendline参数，改用手动拟合 + 截断x值域 - 用
scipy.stats.linregress或numpy.polyfit算斜率和截距 - 生成预测
y时，x_pred = np.linspace(df[x_col].min(), df[x_col].max(), 50)，再算对应y_pred - 用
fig.add_scatter(x=x_pred, y=y_pred, mode="lines", name="trend")追加线条，完全可控
trendline="lowess" 和 "ols" 的核心区别在哪，什么场景该选哪个
ols 是全局线性拟合，快、可解释（输出斜率/截距/R²），但假定关系是直线；lowess 是局部加权散点平滑，能捕捉非线性趋势，但计算慢、无解析表达式、对带宽（trendline_options={"frac": 0.3}）敏感。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先画
ols：快速看有无大致正/负相关，检查 R² 是否显著（px.scatter(..., trendline="ols", trendline_color_override="red")） - 若残差图明显弯曲，或业务上已知存在阈值效应（如用户活跃度随使用时长先升后缓），再试
lowess -
lowess必须设trendline_options：常用{"frac": 0.2}（20% 邻居点参与加权），值太小噪声大，太大变平滑成直线 - 注意：
lowess不支持分组（color），会报错ValueError: lowess does not support facet or color grouping
怎么在交互图里同时显示趋势线公式和 R² 值
Plotly Express 不提供内置方式把回归统计量写进图例或注释，trendline 只负责画线，不输出文本。想展示公式，得自己算、自己加 fig.add_annotation。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
statsmodels.api.OLS(y, sm.add_constant(x)).fit()获取results.params和results.rsquared - 构造字符串：
f"y = {slope:.2f}x + {intercept:.2f} (R² = {r2:.3f})" - 用
fig.add_annotation(xref="paper", yref="paper", x=0.02, y=0.98, xanchor="left", yanchor="top", text=formula, showarrow=False)左上角标注 - 若分组多，别硬塞所有公式——改用 hovertemplate：在
px.scatter中加hover_data=["trend_slope", "trend_r2"]，提前把统计量算好存为列
trendline 是快捷入口，但真正控住拟合逻辑、范围和标注，还是得退到底层计算——尤其当数据有缺失、分组不均、或需要解释模型时，手动拟合那几行代码反而更稳。 
