python - Plotly-Express：如何在按列名设置颜色时修复颜色映射

Question

我正在使用plotly express散点图。标记的颜色由我的数据框的变量定义，如下例所示。

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

df = px.data.iris()

fig = px.scatter(df[df.species.isin(['virginica', 'setosa'])], x="sepal_width", y="sepal_length", color="species")
fig.show()

当我添加此变量的另一个实例时，颜色映射会发生变化（首先，'virginica' 是红色，然后是绿色）。

fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species",size='petal_length', hover_data=['petal_width'])
fig.show()

添加变量时如何保持颜色映射？

Answer 1

我找到了解决方案。该函数px.scatter有一个参数color_discrete_map，这正是我所需要的。color_discrete_map接受一个字典，其中键是物种的值，值是分配给物种的颜色。

import plotly.express as px    

df = px.data.iris()
color_discrete_map = {'virginica': 'rgb(255,0,0)', 'setosa': 'rgb(0,255,0)', 'versicolor': 'rgb(0,0,255)'}
fig = px.scatter(df[df.species.isin(['virginica', 'setosa'])], x="sepal_width", y="sepal_length", color="species", color_discrete_map=color_discrete_map)
fig.show()

fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species", color_discrete_map=color_discrete_map)
fig.show()

Answer 2

---

简短的回答：

---

1.为变量分配颜色color_discrete_map：

color_discrete_map = {'virginica': 'blue', 'setosa': 'red', 'versicolor': 'green'}

或者：

2.管理数据的顺序以启用正确的颜色循环：

order_df(df_input = df, order_by='species', order=['virginica', 'setosa', 'versicolor'])

... whereorder_df是一个处理长数据帧排序的函数，您可以在下面的代码片段中找到完整的定义。

---

细节：

---

1. 您可以使用以下命令直接将颜色映射到变量：

color_discrete_map = {'virginica': 'blue', 'setosa': 'red', 'versicolor': 'green'}

缺点是您必须指定变量名称和颜色。如果您正在使用变量数量不固定的数据框，那么这很快就会变得乏味。在这种情况下，按照默认颜色顺序或根据自己的喜好指定一种会更方便。因此，我宁愿考虑管理数据集的顺序，以便获得所需的颜色匹配。

2.真正挑战的来源：

px.Scatter()将按照变量出现在数据框中的顺序为变量分配颜色。在这里，您使用了两个不同的来源df和df[df.species.isin(['virginica', 'setosa', 'versicolor'])]（我们将其命名为后者df2）。跑步df2['species'].unique()会给你：

array(['setosa', 'virginica'], dtype=object)

跑步df['species']会给你：

array(['setosa', 'versicolor', 'virginica'], dtype=object)

看到versicolor中间弹出来了吗？这就是为什么red不再分配给'virginica'，而是分配给'versicolor'。

建议的解决方案：

因此，为了构建一个完整的解决方案，您必须找到一种方法来指定源数据框中变量的顺序。对于具有唯一值的列来说，这非常简单。对于像这样的长格式的数据帧来说，这需要更多的工作。您可以按照更改 pandas dataframe 中的行顺序一文中所述进行操作，而不会丢失或弄乱数据。但在下面，我整理了一个非常简单的函数，它可以处理您想要使用 plotly express 绘制的数据框的子集和顺序。

使用完整的代码并在下面的行之间切换# data subsets将为您提供以下三个图：

情节1： order=['virginica']

情节2： ['virginica', 'setosa']

情节3： order=['virginica', 'setosa', 'versicolor']

完整代码：

# imports
import pandas as pd
import plotly.express as px

# data
df = px.data.iris()

# function to subset and order a pandas
# dataframe fo a long format
def order_df(df_input, order_by, order):
    df_output=pd.DataFrame()
    for var in order:    
        df_append=df_input[df_input[order_by]==var].copy()
        df_output = pd.concat([df_output, df_append])
    return(df_output)

# data subsets
df_express = order_df(df_input = df, order_by='species', order=['virginica'])
df_express = order_df(df_input = df, order_by='species', order=['virginica', 'setosa'])
df_express = order_df(df_input = df, order_by='species', order=['virginica', 'setosa', 'versicolor'])

# plotly
fig = px.scatter(df_express, x="sepal_width", y="sepal_length", color="species")
fig.show()