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这样或那样的方式涉及到这个话题。有了这篇文章，我想清楚地说明为什么像marker={'color'：'red'}这样的简单方法将适用于绘图。图形对象（go），但color='red'不会用于绘图。express（px）尽管颜色是两者的属性。行和px。散布。我想向大家展示一下为什么它不是那么棒。

所以，如果px被认为是最简单的方法来绘制一个具体的数字，那么为什么像Color='red'这样明显的东西会返回错误

颜色的值不是data_frame中的列的名称。

简而言之，这是因为px中的颜色不接受任意的颜色名称或代码，而是数据集中的变量名称，以便将颜色周期分配给唯一的值，并将其显示为以下行不同的颜色。

让我通过应用gapminder数据集进行演示，并展示截至2007年全球所有（至少大多数）国家的预期寿命与人均GDP的散点图。如下所示的基本设置将生成以下绘图

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

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'可以做到这一点：

# 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',
          )

颜色的值不是data_frame中的列的名称。预期是[的“国家”、“大陆”、“年份”、“生活经历”、“流行”、“gdpPercap”、“iso_alpha”、“iso_num”中的一个，但收到了：红色

这是怎么回事？

Answer 1

首先，如果需要解释go和px之间更广泛的差异，请看看这里和这里。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片段，它将揭示许多具有颜色的plotly.express

一开始可能不是这样，但是有很好的理由说明color='red'不能像您使用px所期望的那样工作。但首先，如果您只想手动为所有标记设置一种特定的颜色，那么可以使用。更新跟踪（marker=dict（color='red'））多亏了pythons链接方法。但首先，让我们看看deafult设置：

# 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，颜色被设置为通过px可用的默认绘图顺序中的第一种颜色。颜色。质量的详细地：

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

看起来很不错。但是，如果您想更改内容，甚至同时添加更多信息，该怎么办？

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

以下六种方法的结合将让你用具体的表达方式来做你想做的事情。请记住，你甚至不必选择。您可以同时使用下面的一个、一些或所有方法。一种特别有用的方法将显示为1和3的组合。但我们一会儿就会谈到这一点。这是你需要知道的：

1.更改px使用的颜色序列：

color_discrete_sequence=px.colors.qualitative.Alphabet

2.使用color参数为不同的变量指定不同的颜色

color = 'continent'

自定义一个或多个可变颜色

color_discrete_map={"Asia": 'red'}

4.轻松组一个更大的子集，你的变量，使用判决理解和color_discrete_map

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

5.设置不透明度使用rgba（）颜色代码。

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

6.使用以下命令覆盖所有设置：

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

以下片段将生成下图，显示各大洲在不同GDP水平下的预期寿命。标记的大小代表了不同水平的人群，从一开始就让事情变得更有趣。

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，让我们首先改变颜色序列。因为我们的初学者只显示一个类别和一种颜色，你必须等待后续步骤才能看到真正的效果。但是这里是与第1步相同的color_discrete_sequence=px.colors.qualitative.Alphabet：

1.将px使用的颜色顺序更改为

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参数为不同的变量指定不同的颜色

color = 'continent'

如果你和我一样，认为这种特定的颜色序列看起来很简单，但可能有点难以区分，你可以将自己选择的颜色分配给一个或多个大陆，如下所示：

自定义一个或多个可变颜色

color_discrete_map={"Asia": 'red'}

这真是太棒了：现在你可以改变序列，为特别有趣的变量选择任何你喜欢的颜色。但是，如果您想将特定颜色指定给更大的子集，上述方法可能会变得有点乏味。下面是你如何通过听写理解来做到这一点：

4.为一个组分配颜色使用一个判决理解和color_discrete_map

# 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.设置不透明度使用rgba（）颜色代码。

现在让我们后退一步。如果你认为red很适合亚洲，但是可能有点太强了，你可以使用rgba颜色来调整不透明度，比如'rgba（255,0,0,0.4)'

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太复杂了，您可以再次覆盖所有类似的设置：

6.使用以下命令覆盖所有设置：

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

这让我们回到了我们开始的地方。我希望你会发现这个有用！

# 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'))