Plotly 图例点击时部分数据点仅变灰而不消失，通常是因重复添加了重叠的 trace 导致图例项与实际数据映射错乱；正确做法是仅用一次 px.scatter 按分类变量自动分组绘图，避免手动叠加 trace。
plotly 图例点击时部分数据点仅变灰而不消失，通常是因重复添加了重叠的 trace 导致图例项与实际数据映射错乱；正确做法是仅用一次 `px.scatter` 按分类变量自动分组绘图，避免手动叠加 trace。
在使用 Plotly Express（如 px.scatter）绘制带分类颜色的散点图时，若同时通过 color='Type' 自动分组并额外调用 fig.add_trace() 手动添加子集数据（如仅 anomalous 点），会导致图例中出现逻辑冗余：两个 trace 共享同一类别标签（如 'Anomalous'），但底层数据来源不同。此时 Plotly 无法统一控制显隐行为——点击图例时，仅对“主 trace 中的对应类别”执行过滤，而手动添加的 trace 缺乏联动机制，结果表现为点击 'Anomalous' 后该类点未消失，仅视觉降权（变灰）。
✅ 正确实现方式：完全依赖 px.scatter 的内置分类能力，无需手动拆分 trace。以下为优化后的完整代码：
import plotly.express as px
# 构建分类标签（推荐使用 loc + 布尔索引，确保类型一致）
df['Type'] = 'Normal'
df.loc[df['IFAnomaly'] < 0, 'Type'] = 'Anomalous'
# 单次调用 px.scatter，由 color 参数自动处理分组与图例
fig = px.scatter(
df,
x='Raw Data Size',
y='IFScores',
hover_data={
'Number of Rows': True,
'IFScores': True,
'Total Size': True,
'Adjusted Size': False
},
color='Type',
color_discrete_map={'Normal': 'green', 'Anomalous': 'red'},
size='Adjusted Size',
title='Normal vs. Anomalous data points'
)
# 统一配置布局与样式
fig.update_layout(
xaxis_title='Raw Data Size',
yaxis_title='Isolation Forest Scores',
legend=dict(traceorder='reversed')
)
fig.update_traces(marker=dict(sizemin=3))
fig.show()⚠️ 关键注意事项：
- 禁止混合使用 color= 分组与 add_trace() 添加同类数据：这会破坏 Plotly 的交互式图例绑定机制；
- 若需自定义某类点的样式（如边框、透明度），应通过 update_traces(selector=dict(name='Anomalous')) 统一修改，而非新建 trace；
- hover_data 中设为 False 的字段不会显示在悬停框中，确保仅保留关键信息；
- color_discrete_map 必须覆盖所有实际出现的 Type 值，否则未映射类别将使用默认色，影响图例一致性。
总结：Plotly 的图例交互（toggle on/off）严格依赖 trace 与图例项的一一对应关系。只要确保每个语义类别（如 'Normal'/'Anomalous'）仅由单个 trace 渲染，就能获得预期的全量显隐效果——点击图例即彻底移除对应数据点，而非仅视觉弱化。
