plotly 图例点击交互默认支持图例项的“显示/隐藏”切换，但若因重复添加轨迹（trace）导致同一类别存在多个轨迹，将破坏图例的正确过滤逻辑——点击后仅灰显而非隐藏。本文详解原因并提供简洁可靠的修复方案。
plotly 图例点击交互默认支持图例项的“显示/隐藏”切换，但若因重复添加轨迹（trace）导致同一类别存在多个轨迹，将破坏图例的正确过滤逻辑——点击后仅灰显而非隐藏。本文详解原因并提供简洁可靠的修复方案。
在使用 Plotly Express（如 px.scatter）绘制分组散点图时，一个常见误区是：为强调某类数据（如异常点），在已通过 color='Type' 自动分组的基础上，额外调用 fig.add_trace() 手动添加同类别子集轨迹。这看似无害，实则会引发图例交互异常。
例如，原始代码中：
fig = px.scatter(df, x='Raw Data Size', y='IFScores', color='Type', ...) # 已包含 Normal & Anomalous 两组 fig.add_trace(px.scatter(df[df['IFAnomaly']==-1], ...)) # 再次添加 Anomalous —— ❌ 冗余轨迹
此时图中“Anomalous”实际对应两个独立轨迹（一个来自 px.scatter 的自动分组，另一个是手动添加的红色散点），而图例项“Anomalous”仅关联第一个轨迹。点击图例时，仅该轨迹被隐藏，第二个轨迹仍保留在图中（仅颜色变灰），造成“点击不消失”的假象。
✅ 正确做法是完全依赖 px.scatter 的 color 参数进行分组，无需额外 add_trace：
import plotly.express as px
# 数据预处理（保持不变）
df['Type'] = 'Normal'
df.loc[df['IFAnomaly'] < 0, 'Type'] = 'Anomalous'
# 单次绘图，完整覆盖两类数据
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
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：
- px.scatter(..., color='Type') 会自动按 Type 值拆分为独立轨迹，并绑定图例项，确保点击图例可精准控制对应数据可见性；
- 避免混合使用 px.scatter 和 fig.add_trace(px.scatter(...)) 处理同一语义类别，否则破坏轨迹与图例的一一映射关系；
- 若需自定义某类标记样式（如边框、透明度），应通过 update_traces(selector=dict(name='Anomalous')) 统一修改，而非新增轨迹；
- 调试技巧：可通过 print(fig.data) 查看当前图中所有轨迹结构，确认是否出现重复类别轨迹。
修复后，点击图例中的“Normal”或“Anomalous”将真正隐藏对应全部数据点，交互行为符合预期，同时代码更简洁、可维护性更强。
