Plotly：如何在具有分面的 Plotly Express 图中隐藏轴标题？

Question

使用Plotly Express在多面板图表中隐藏重复的坐标轴标题是否有简单的方法？我尝试过设置。

visible=True

在下面的代码中，进行了重复的轴标题隐藏（即值），但这也隐藏了y轴刻度标签。理想情况下，我希望在一般情况下将隐藏重复轴标题设置为分面图的默认设置（或者更好的是，仅默认显示整个分面图的单个x和y轴标题）。

以下是测试代码：

import pandas as pd
import numpy as np
import plotly.express as px
import string

# create a dataframe
cols = list(string.ascii_letters)
n = 50

df = pd.DataFrame({'Date': pd.date_range('2021-01-01', periods=n)})

# create data with vastly different ranges
for col in cols:
    start = np.random.choice([1, 10, 100, 1000, 100000])
    s = np.random.normal(loc=0, scale=0.01*start, size=n)
    df[col] = start + s.cumsum()

# melt data columns from wide to long
dfm = df.melt("Date")

fig = px.line(
    data_frame=dfm,
    x = 'Date',
    y = 'value',
    facet_col = 'variable',
    facet_col_wrap=6,
    facet_col_spacing=0.05,
    facet_row_spacing=0.035,
    height = 1000,
    width = 1000,
    title = 'Value vs. Date'
)

fig.update_yaxes(matches=None, showticklabels=True, visible=True)
fig.update_annotations(font=dict(size=16))
fig.for_each_annotation(lambda a: a.update(text=a.text.split("=")[-1]))

最终代码（被接受的答案）。注意 plotly >= 4.9

import pandas as pd
import numpy as np
import plotly.express as px
import string
import plotly.graph_objects as go

# create a dataframe
cols = list(string.ascii_letters)
n = 50

df = pd.DataFrame({'Date': pd.date_range('2021-01-01', periods=n)})

# create data with vastly different ranges
for col in cols:
    start = np.random.choice([1, 10, 100, 1000, 100000])
    s = np.random.normal(loc=0, scale=0.01*start, size=n)
    df[col] = start + s.cumsum()

# melt data columns from wide to long
dfm = df.melt("Date")

fig = px.line(
    data_frame=dfm,
    x = 'Date',
    y = 'value',
    facet_col = 'variable',
    facet_col_wrap=6,
    facet_col_spacing=0.05,
    facet_row_spacing=0.035,
    height = 1000,
    width = 1000,
    title = 'Value vs. Date'
)

fig.update_yaxes(matches=None, showticklabels=True, visible=True)
fig.update_annotations(font=dict(size=16))
fig.for_each_annotation(lambda a: a.update(text=a.text.split("=")[-1]))

# hide subplot y-axis titles and x-axis titles
for axis in fig.layout:
    if type(fig.layout[axis]) == go.layout.YAxis:
        fig.layout[axis].title.text = ''
    if type(fig.layout[axis]) == go.layout.XAxis:
        fig.layout[axis].title.text = ''
        
# keep all other annotations and add single y-axis and x-axis title:
fig.update_layout(
    # keep the original annotations and add a list of new annotations:
    annotations = list(fig.layout.annotations) + 
    [go.layout.Annotation(
            x=-0.07,
            y=0.5,
            font=dict(
                size=16, color = 'blue'
            ),
            showarrow=False,
            text="single y-axis title",
            textangle=-90,
            xref="paper",
            yref="paper"
        )
    ] +
    [go.layout.Annotation(
            x=0.5,
            y=-0.08,
            font=dict(
                size=16, color = 'blue'
            ),
            showarrow=False,
            text="Dates",
            textangle=-0,
            xref="paper",
            yref="paper"
        )
    ]
)

fig.show()

- Randall Goodwin

Answer 1

这个答案有五个部分：

1. 隐藏子图标题（不确定是否需要...）
2. 使用 fig.layout[axis].tickfont = dict(color = 'rgba(0,0,0,0)') 隐藏y轴刻度值
3. 使用 go.layout.Annotation(xref="paper", yref="paper") 设置单一的坐标轴标签
4. plotly图表
5. 最后给出完整的代码片段

一个非常重要的收获是，您可以使用 plotly.graph_object 引用编辑任何使用 px 函数生成的元素，例如 go.layout.XAxis。

---

1. 隐藏子图标题

如果您对设置好的 fig 没有其他问题，只需包含以下内容：

for anno in fig['layout']['annotations']:
    anno['text']=''
    
fig.show()

2. 隐藏y轴文本

您可以在循环中使用以下代码将y轴刻度字体设置为透明：

fig.layout[axis].tickfont = dict(color = 'rgba(0,0,0,0)')

下面的代码段中包括了刚才提到的精确一行代码，它可以删除每个子图的y轴标题。

3. 单一轴标签

要删除轴标签并添加单个标签需要更多的工作，但是以下非常灵活的设置可以完全满足您的需求，如果您想以任何方式编辑新标签，这里还提供了更多功能：

# hide subplot y-axis titles and x-axis titles
for axis in fig.layout:
    if type(fig.layout[axis]) == go.layout.YAxis:
        fig.layout[axis].title.text = ''
    if type(fig.layout[axis]) == go.layout.XAxis:
        fig.layout[axis].title.text = ''
        
# keep all other annotations and add single y-axis and x-axis title:
fig.update_layout(
    # keep the original annotations and add a list of new annotations:
    annotations = list(fig.layout.annotations) + 
    [go.layout.Annotation(
            x=-0.07,
            y=0.5,
            font=dict(
                size=16, color = 'blue'
            ),
            showarrow=False,
            text="single y-axis title",
            textangle=-90,
            xref="paper",
            yref="paper"
        )
    ] +
    [go.layout.Annotation(
            x=0.5,
            y=-0.08,
            font=dict(
                size=16, color = 'blue'
            ),
            showarrow=False,
            text="Dates",
            textangle=-0,
            xref="paper",
            yref="paper"
        )
    ]
)

fig.show()

4. 绘图

5. 完整代码：

import pandas as pd
import numpy as np
import plotly.express as px
import string
import plotly.graph_objects as go

# create a dataframe
cols = list(string.ascii_letters)
cols[0]='zzz'
n = 50

df = pd.DataFrame({'Date': pd.date_range('2021-01-01', periods=n)})

# create data with vastly different ranges
for col in cols:
    start = np.random.choice([1, 10, 100, 1000, 100000])
    s = np.random.normal(loc=0, scale=0.01*start, size=n)
    df[col] = start + s.cumsum()

# melt data columns from wide to long
dfm = df.melt("Date")

fig = px.line(
    data_frame=dfm,
    x = 'Date',
    y = 'value',
    facet_col = 'variable',
    facet_col_wrap=6,
    #facet_col_spacing=0.05,
    #facet_row_spacing=0.035,
    height = 1000,
    width = 1000,
    title = 'Value vs. Date'
)

fig.update_yaxes(matches=None, showticklabels=True, visible=True)
fig.update_annotations(font=dict(size=16))
fig.for_each_annotation(lambda a: a.update(text=a.text.split("=")[-1]))

# subplot titles
for anno in fig['layout']['annotations']:
    anno['text']=''

# hide subplot y-axis titles and x-axis titles
for axis in fig.layout:
    if type(fig.layout[axis]) == go.layout.YAxis:
        fig.layout[axis].title.text = ''
    if type(fig.layout[axis]) == go.layout.XAxis:
        fig.layout[axis].title.text = ''
        
# keep all other annotations and add single y-axis and x-axis title:
fig.update_layout(
    # keep the original annotations and add a list of new annotations:
    annotations = list(fig.layout.annotations) + 
    [go.layout.Annotation(
            x=-0.07,
            y=0.5,
            font=dict(
                size=16, color = 'blue'
            ),
            showarrow=False,
            text="single y-axis title",
            textangle=-90,
            xref="paper",
            yref="paper"
        )
    ] +
    [go.layout.Annotation(
            x=0.5,
            y=-0.08,
            font=dict(
                size=16, color = 'blue'
            ),
            showarrow=False,
            text="Dates",
            textangle=-0,
            xref="paper",
            yref="paper"
        )
    ]
)


fig.show()

- vestland

---

感谢您的快速回复。也许我的帖子不够清晰。我只想消除重复的X和Y轴标题（“日期”和“值”），并保留图表的所有其他元素不变。y轴值都是相同的测量单位（例如美元、计数等），但范围却大不相同，因此仍需要刻度标签。我运行了代码，它与发布的屏幕截图不同，更接近所需的输出，但缺少facet标题（字母）并且facet之间的间距不正确（垂直太小，水平太多）。 - Randall Goodwin

好的，稍加调整后，我成功地得到了期望的输出，并将其标记为已解决（并添加完整代码）。我正在使用plotly 4.9，因此解决了间距问题（我没有注意到您注释掉了那些行 :)）。FYI-我希望在plotly express中完全完成这个任务，作为更简单的选项（更像R语言中的lattice、ggplot2）。再次感谢您的回复！ - Randall Goodwin

@RandallGoodwin 这个问题不太清楚，但我似乎也误读了其中的一些部分。但是不用担心，我解决它时还是学到了很多东西。很高兴最终它能为您工作！感谢您将我的建议标记为所接受的答案。 - vestland

在重新阅读了我的原始帖子后，我不确定自己是否理解得很好！您的回复涵盖了所有基本问题，再次感谢！ - Randall Goodwin

@RandallGoodwin 没问题！很高兴能帮忙！ - vestland

Answer 2

作为一个侧记，我发现通过在plotly express调用中使用标签参数并将其提供给带有''值的标签字典的方式，可以更直接地消除轴标签。

这并不会导致整个图形级别上的单个标签。但是，如果图形标题足够描述"Y vs. X"，那么也许可以"原谅"缺少轴标签？（或者像 @vestland演示的那样添加）

请注意，您几乎可以消除annoying repeated facet titles，即每个子绘图中都包含“=value”的facet标题。即，如果您向标签字典添加一个条目： 'variable': '' 那么您将只获得facet变量级别，前面带有"="，而不是"variable = variable level"，如下图所示。

完整代码：

import pandas as pd
import numpy as np
import plotly.express as px
import string

# create a dataframe
cols = list(string.ascii_letters)
n = 50

df = pd.DataFrame({'Date': pd.date_range('2021-01-01', periods=n)})

# create data with vastly different ranges
for col in cols:
    start = np.random.choice([1, 10, 100, 1000, 100000])
    s = np.random.normal(loc=0, scale=0.01*start, size=n)
    df[col] = start + s.cumsum()

# melt data columns from wide to long
dfm = df.melt("Date")

# make the plot
fig = px.line(
    data_frame=dfm,
    x = 'Date',
    y = 'value',
    facet_col = 'variable',
    facet_col_wrap=6,
    facet_col_spacing=0.05,
    facet_row_spacing=0.035,
    height = 1000,
    width = 1000,
    title = 'Value vs. Date',
    labels = {
        'Date': '',
        'value': '',
        'variable': ''
    }
)

# ensure that each chart has its own y rage and tick labels
fig.update_yaxes(matches=None, showticklabels=True, visible=True)

fig.show()

- Randall Goodwin