我有一个只有5个变量的pandas数据框。我想通过分类变量创建散点图和颜色。我正在使用Plotly,所以我可以在特定区域进行活动。不允许我将分类变量列表作为颜色传递。先感谢您!这是我的代码:
import plotly.graph_objs as go
import plotly.plotly as py
import plotly.tools
plotly.tools.set_credentials_file(username='user', api_key='key')
trace1 = go.Scatter(
x = df['var1'],
y = df['var2'],
mode='markers',
marker=dict(
size=16,
color = df['categorialVar'], #set color equal to a variable
showscale=True
)
)
data = [trace1]
py.iplot(data, filename='scatter-plot-with-colorscale')
答案 0 :(得分:0)
最近遇到了这个问题并提出了解决方案:
def get_random_qualitative_color_map(
categorial_series: pd.Series,
colors: typing.List[str] = plotly_colors.qualitative.Alphabet
) -> typing.List[str]:
"""
Returns a color coding for a given series (one color for every unique value). Will repeat colors if not enough are
provided.
:param categorial_series: A series of categorial data
:param colors: color codes (everything plotly accepts)
:return: Array of colors matching the index of the objects
"""
# get unique identifiers
unique_series = categorial_series.unique()
# create lookup table - colors will be repeated if not enough
color_lookup_table = dict((value, color) for (value, color) in zip(unique_series, itertools.cycle(colors)))
# look up the colors in the table
return [color_lookup_table[key] for key in categorial_series]
unique_series = categorial_series.unique()
首先,我们获得系列中的唯一值。每个人都将与一种颜色匹配。
color_lookup_table = dict((value, color) for (value, color) in zip(unique_series, itertools.cycle(colors)))
接下来,我们将创建一个dict(用作查找表的功能-我们可以查找属于哪个类别元素的颜色。这里最棘手的部分是使用itertools.cycle(colors)
。此函数将返回一个迭代器,该迭代器将始终循环给定可迭代项中的所有值(在这种情况下,这是由plot.ly定义的颜色列表)。
接下来,我们将zip
这个迭代器和实际的唯一项。这将创建(unique_item,颜色)对。我们获得了永不耗尽颜色的良好效果(因为循环迭代器将无限运行)。表示返回的字典将包含len(unique_series)
个项目。
[color_lookup_table[key] for key in categorial_series]
最后,我们使用列表推导在查找表中查找系列中的每个条目。这将为数据点创建颜色列表。然后,该列表可以用作任何color
的标记字典中plotly.graphics_object
参数的参数。
答案 1 :(得分:-1)
因此,我没有继续用图来寻找解决方案,而是留在了seaborn可视化库中,并添加了“%matplotlib笔记本”,该方法效果很好并且很容易。
%matplotlib notebook
# Plot t-SNE
sns.set_context("notebook", font_scale=1.1)
sns.set_style("ticks")
sns.lmplot(x='var1',
y='var2',
data=tsne_out,
fit_reg=False,
legend=True,
size=9,
hue='categorialVar',
scatter_kws={"s":200, "alpha":0.3})
plt.title('Plot Title', weight='bold').set_fontsize('14')
plt.xlabel('Dimension 1', weight='bold').set_fontsize('10')
plt.ylabel('Dimension 2', weight='bold').set_fontsize('10')