如何为Holoviews热力图的每一行设置独立色阶？

需求说明 #

我希望为热力图中的每一行设置不同的条件格式——即颜色保持一致，但色阶需对每行独立应用。以Holoviews的美国失业率示例代码为例：

import pandas as pd
import holoviews as hv
from bokeh.sampledata.unemployment1948 import data

hv.extension('bokeh')

data = pd.melt(data.drop('Annual', 1), id_vars='Year', var_name='Month', value_name='Unemployment')
heatmap = hv.HeatMap(data, label="US Unemployment (1948 - 2013)")

colors = ["#75968f", "#a5bab7", "#c9d9d3", "#e2e2e2", "#dfccce", "#ddb7b1", "#cc7878", "#933b41", "#550b1d"]
heatmap.opts(
    opts.HeatMap(width=900, height=400, xrotation=45, xaxis='top', labelled=[],
                 tools=['hover'], cmap=colors))

目标是让y轴上每个月份行的色阶独立计算，比如十二月的数值不会影响一月行的颜色（正常效果是全局应用色阶，预期效果为每行独立应用色阶）。

解决方案 #

核心思路是对每行（按Month分组）的数值单独做0-1归一化，再用归一化后的值映射颜色，同时保留原数值用于hover提示。修改后的代码如下：

import pandas as pd
import holoviews as hv
from bokeh.sampledata.unemployment1948 import data

hv.extension('bokeh')

# 数据预处理
data = pd.melt(data.drop('Annual', 1), id_vars='Year', var_name='Month', value_name='Unemployment')

# 按Month分组，对每组Unemployment做0-1归一化
def normalize_series(s):
    return (s - s.min()) / (s.max() - s.min())

data['Normed_Unemployment'] = data.groupby('Month')['Unemployment'].transform(normalize_series)

# 创建热力图，用归一化值映射颜色，hover显示原数值
heatmap = hv.HeatMap(data, kdims=['Year', 'Month'], vdims=['Normed_Unemployment', 'Unemployment'], 
                     label="US Unemployment (1948 - 2013)")

colors = ["#75968f", "#a5bab7", "#c9d9d3", "#e2e2e2", "#dfccce", "#ddb7b1", "#cc7878", "#933b41", "#550b1d"]
heatmap.opts(
    opts.HeatMap(width=900, height=400, xrotation=45, xaxis='top', labelled=[],
                 tools=['hover'], cmap=colors,
                 hover_opts={'tooltips': [('Year', '@Year'), ('Month', '@Month'), ('Unemployment', '@Unemployment')]}))

关键说明 #

• 分组归一化：通过groupby('Month').transform实现每行独立的数值缩放，确保每个月份的最大值对应颜色映射的最深色，最小值对应最浅色，互不干扰。
• hover优化：热力图的颜色由归一化值驱动，但hover提示显示原始失业率数值，避免用户混淆。
• 颜色一致性：保留原有的颜色列表colors，确保所有行使用同一套颜色体系，仅色阶计算范围独立。

内容的提问来源于stack exchange，提问作者Vasconni