plotly 图例点击过滤失效（如“anomalous”项点击后仅变灰而不隐藏）通常源于重复添加轨迹——特别是手动用 add_trace() 额外叠加同色散点，导致图例项与实际轨迹绑定错乱；移除冗余轨迹即可恢复标准交互行为。
plotly 图例点击过滤失效（如“anomalous”项点击后仅变灰而不隐藏）通常源于重复添加轨迹——特别是手动用 add_trace() 额外叠加同色散点，导致图例项与实际轨迹绑定错乱；移除冗余轨迹即可恢复标准交互行为。
在使用 Plotly Express（如 px.scatter）绘制分组散点图时，若需按类别（如 'Normal' 和 'Anomalous'）实现图例点击式交互过滤，关键前提是确保每个类别仅由单一轨迹（trace）表示。而原代码中存在一个典型错误：先通过 color='Type' 参数让 px.scatter 自动渲染两类数据，又额外调用 fig.add_trace(px.scatter(...)) 手动添加一组红色异常点。这导致图中实际存在两个独立轨迹：
- 第一个轨迹（由主 px.scatter 生成）包含全部数据，并按 Type 分色；
- 第二个轨迹（手动添加）仅含异常点，且固定为红色。
由于图例项是按轨迹（而非颜色映射）生成的，此时图例中 “Anomalous” 实际对应的是第二个手动轨迹，而该轨迹未参与原始分类逻辑，其点击行为仅触发默认的“灰显”（即 visible='legendonly' 效果），而非从主轨迹中过滤数据——从而造成“点击不消失”的假象。
✅ 正确做法是完全依赖 px.scatter 的内置分组能力，移除冗余轨迹：
import plotly.express as px
# 构建类别列
df['Type'] = 'Normal'
df.loc[df['IFAnomaly'] < 0, 'Type'] = 'Anomalous'
# 单次调用 px.scatter，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',
size_min=3 # 替代 update_traces(marker=dict(sizemin=3))
)
fig.update_layout(
title='Normal vs. Anomalous data points',
xaxis_title='Raw Data Size',
yaxis_title='Isolation Forest Scores',
legend=dict(traceorder='reversed')
)
fig.show()? 注意事项：
- 避免混合使用自动分色与手动轨迹叠加：只要 color 参数已指定分类列，Plotly Express 就会自动生成对应数量的轨迹并正确绑定图例；额外 add_trace 必然破坏这一机制。
- 优先使用参数而非多次更新：如 size_min 可直接传入 px.scatter，比后续 update_traces 更简洁可靠。
- 验证图例项数量：运行后检查图例是否仅有两项（Normal / Anomalous），且每项点击均能完整显示/隐藏对应所有数据点——这是轨迹未重复的直观验证。
通过精简代码逻辑、信任 Plotly Express 的内置分组能力，即可获得符合预期的交互式图例过滤效果。
