使用Plotly Choropleth绘制大量多边形并移除背景地图

一、移除现有choropleth的背景地图 #

你的代码方向没问题，要去掉背景地图，只需在现有代码中添加update_geos配置，隐藏地理图层并让视图自动适配多边形范围：

修改后的完整代码：

import plotly.express as px

polygons = [[(1, 1), (1, 2), (2, 2), (2, 1), (1, 1)],
            [(3, 3), (3, 4), (4, 4), (4, 3), (3, 3)],
            [(5, 5), (5, 6), (6, 6), (6, 5), (5, 5)],
            [(7, 7), (7, 8), (8, 8), (8, 7), (7, 7)]]

geojson = {'features': [], 'type': 'FeatureCollection'}
ids = []
for index, poly in enumerate(polygons):
    temp_dict = {
        'geometry': {
            'coordinates': [polygons[index].copy()],
            'type': 'Polygon'},
        'type': 'Feature',
        'id': index}
    geojson['features'].append(temp_dict)
    ids.append(index)

fig = px.choropleth(
        geojson=geojson,
        color=ids,
        locations=ids)
fig.update_layout(margin={"r": 0, "t": 0, "l": 0, "b": 0})
# 核心配置：隐藏背景地图，自动适配多边形范围
fig.update_geos(visible=False, fitbounds="locations")
fig.show()

visible=False会完全隐藏地理底图，fitbounds="locations"会让图表自动缩放至所有多边形的边界范围，避免出现空白或显示不全的问题。

二、更适合非地理多边形的等效方案 #

虽然choropleth能满足需求，但它本质是为地理数据设计的组件。如果需要更纯粹的笛卡尔坐标系可视化，且保持批量渲染的高性能，可以用以下两种方案：

方案1：使用go.Choropleth（性能和px版本一致） #

import plotly.graph_objects as go

# 复用你之前构建的geojson和ids
fig = go.Figure(go.Choropleth(
    geojson=geojson,
    locations=ids,
    z=ids,
    colorscale='Viridis'
))
fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
fig.update_geos(visible=False, fitbounds="locations")
fig.show()

方案2：Scatter填充（适合少量多边形，或需要更灵活样式） #

如果多边形数量不多，也可以用Scatter的fill='toself'来绘制，样式调整更灵活：

import plotly.graph_objects as go
import plotly.express as px

fig = go.Figure()
color_palette = px.colors.qualitative.Plotly
for idx, poly in enumerate(polygons):
    x_coords, y_coords = zip(*poly)
    fig.add_trace(go.Scatter(
        x=x_coords,
        y=y_coords,
        fill='toself',
        fillcolor=color_palette[idx % len(color_palette)],
        line={'color': 'black'},
        showlegend=False
    ))
fig.update_layout(margin={"r":0,"t":0,"l":0,"b":0})
fig.update_xaxes(visible=False)
fig.update_yaxes(visible=False)
fig.show()

注意：这个方案是逐个添加trace，多边形数量极大时性能会不如基于geojson的批量渲染方式。

内容的提问来源于stack exchange，提问作者fontanf