Plotly：如何使用 plotly.graph_objects 和 plotly.express 定义图形中的颜色？

Question

有许多问题和答案以某种方式触及这个主题。有了这个贡献，我想清楚地说明为什么像marker = {'color' : 'red'} 这样的简单方法适用于plotly.graph_objects (go)，但color='red' 不适用于plotly.express (px)，尽管颜色是px.Line 和px.Scatter 的属性. 而且我想证明为什么它没有那么棒。

---

那么，如果 px 应该是 easiest way to make a plotly figure，那么为什么像 color='red' 这样明显的事情会返回错误

ValueError: 'color' 的值不是 'data_frame' 中列的名称。

简而言之，这是因为px 中的color 不接受任意颜色名称或代码，而是数据集中的变量名称，以便将color cycle 分配给唯一值并将它们显示为不同颜色的线条。

让我通过应用gapminder 数据集来演示，并显示截至2007 的全球所有（至少大多数）国家/地区的Life expectancy 与GDP per capita 的散点图。像下面这样的基本设置将产生以下情节

图 1，使用go 绘制：

颜色由名为plotly 的循环设置，但此处使用 marker = {'color' : 'red'} 指定

图2，代码：

import plotly.graph_objects as go

df = px.data.gapminder()
df=df.query("year==2007")

fig = go.Figure()
fig.add_traces(go.Scatter(x=df['gdpPercap'], y=df["lifeExp"],
                          mode = 'markers',
                          marker = {'color' : 'red'}
                         ))
fig.show()

所以让我们用px 试试这个，并假设color='red' 可以解决问题：

代码 2，尝试使用 px 定义颜色的散点图：

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

# dataframe
df = px.data.gapminder()
df=df.query("year==2007")

# plotly express scatter plot
px.scatter(df, x="gdpPercap", y="lifeExp",
           color = 'red',
          )

结果：

ValueError: 'color' 的值不是列的名称 “数据帧”。期望 ['country', 'continent', 'year', 'lifeExp', 'pop', 'gdpPercap', 'iso_alpha', 'iso_num'] 但收到： 红色

那么这里发生了什么？

Answer 1

首先，如果需要对go 和px 之间更广泛的区别进行解释，请查看here 和here。如果完全不需要解释，你会在答案的最后找到一个完整的代码 sn-p，它将揭示 plotly.express 中的许多颜色的力量

---

第 1 部分：本质：

一开始可能不是这样，但有非常充分的理由说明color='red' 不能像您使用px 所期望的那样工作。但首先，如果您只想使用manually set a particular color for all markers，您可以使用.update_traces(marker=dict(color='red'))，感谢pythons chaining method。但首先，让我们看看默认设置：

1.1 Plotly 表达默认值

图1，px默认散点图使用px.Scatter

代码1，像素默认散点图使用px.Scatter

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

# dataframe
df = px.data.gapminder()
df=df.query("year==2007")

# plotly express scatter plot
px.scatter(df, x="gdpPercap", y="lifeExp")

这里，正如问题中已经提到的，颜色被设置为默认情节序列中的第一种颜色，可通过px.colors.qualitative.Plotly 获得：

['#636EFA', # the plotly blue you can see above
 '#EF553B',
 '#00CC96',
 '#AB63FA',
 '#FFA15A',
 '#19D3F3',
 '#FF6692',
 '#B6E880',
 '#FF97FF',
 '#FECB52']

这看起来很不错。但是，如果您想同时更改内容甚至添加更多信息怎么办？

1.2：如何覆盖默认值并完全使用 px 颜色执行您想要的操作：

正如我们已经提到的px.scatter，color 属性不会像red 这样的颜色作为参数。相反，您可以例如使用color='continent' 轻松区分数据集中的不同变量。但是px 中的颜色还有很多：

---

以下六种方法的组合将让您完全使用 plotly express 来完成您想要的颜色。请记住，您甚至不必选择。您可以同时使用以下方法中的one、some 或all。一种特别有用的方法将显示为1 和3 的组合。但我们稍后会谈到这一点。这是你需要知道的：

1. 改变px使用的颜色顺序：

color_discrete_sequence=px.colors.qualitative.Alphabet

2. 使用 color 参数

将不同的颜色分配给不同的变量

color = 'continent'

3. 使用

自定义一种或多种可变颜色

color_discrete_map={"Asia": 'red'}

4. 使用 dict comprehension 和 color_discrete_map

轻松对较大的变量子集进行分组

subset = {"Asia", "Africa", "Oceania"}
group_color = {i: 'red' for i in subset}

5. 使用rgba()颜色代码设置不透明度。

color_discrete_map={"Asia": 'rgba(255,0,0,0.4)'}

6. 覆盖所有设置：

.update_traces(marker=dict(color='red'))

---

第 2 部分：细节和情节

以下 sn-p 将生成下图，显示所有大陆在不同 GDP 水平下的预期寿命。标记的大小代表不同级别的人口，从一开始就让事情变得更有趣。

情节2：

代码2：

import plotly.express as px
import pandas as pd

# dataframe, input
df = px.data.gapminder()
df=df.query("year==2007")

px.scatter(df, x="gdpPercap", y="lifeExp",
           color = 'continent',
           size='pop',
          )

为了说明上述方法的灵活性，我们首先更改颜色顺序。由于我们对于初学者只显示 one 类别和 one 颜色，因此您必须等待后续步骤才能看到实际效果。但这里是与color_discrete_sequence=px.colors.qualitative.Alphabet 相同的情节，按照第 1 步：

1. 用

改变px使用的颜色顺序

color_discrete_sequence=px.colors.qualitative.Alphabet

现在，让我们将Alphabet 颜色序列中的颜色应用到不同的大陆：

2. 使用 color 参数

为不同的变量分配不同的颜色

color = 'continent'

如果您像我一样认为这种特定的颜色序列很容易看，但可能有点难以区分，您可以将您选择的颜色分配给一个或多个大洲，如下所示：

3. 使用

自定义一种或多种可变颜色

color_discrete_map={"Asia": 'red'}

这非常棒：现在您可以更改序列并为特别有趣的变量选择任何您喜欢的颜色。但是，如果您想将特定颜色分配给更大的子集，上述方法可能会有点乏味。因此，您也可以使用dict comprehension 来做到这一点：

4. 使用字典理解和color_discrete_map为组分配颜色

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

# dataframe
df = px.data.gapminder()
df=df.query("year==2007")

subset = {"Asia", "Europe", "Oceania"}
group_color = {i: 'red' for i in subset}

# plotly express scatter plot
px.scatter(df, x="gdpPercap", y="lifeExp",
           size='pop',
           color='continent',
           color_discrete_sequence=px.colors.qualitative.Alphabet,
           color_discrete_map=group_color
          )

5. 使用rgba() 颜色代码设置不透明度。

现在让我们后退一步。如果您认为 red 非常适合亚洲，但可能有点过于强烈，您可以使用 rgba 颜色调整不透明度，例如 'rgba(255,0,0,0.4)' 来获得：

最后一张图的完整代码：

import plotly.express as px
import pandas as pd

# dataframe, input
df = px.data.gapminder()
df=df.query("year==2007")

px.scatter(df, x="gdpPercap", y="lifeExp",
           color_discrete_sequence=px.colors.qualitative.Alphabet,
           color = 'continent',
           size='pop',
           color_discrete_map={"Asia": 'rgba(255,0,0,0.4)'}
          )

如果您认为我们现在变得有点过于复杂，您可以再次覆盖所有设置：

6. 覆盖所有设置：

.update_traces(marker=dict(color='red'))

这让我们回到了开始的地方。我希望你会发现这很有用！

包含所有可用选项的完整代码 sn-p：

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

# dataframe
df = px.data.gapminder()
df=df.query("year==2007")

subset = {"Asia", "Europe", "Oceania"}
group_color = {i: 'red' for i in subset}

# plotly express scatter plot
px.scatter(df, x="gdpPercap", y="lifeExp",
           size='pop',
           color='continent',
           color_discrete_sequence=px.colors.qualitative.Alphabet,
           #color_discrete_map=group_color
           color_discrete_map={"Asia": 'rgba(255,0,0,0.4)'}
          )#.update_traces(marker=dict(color='red'))