Plotly+Python3：为3D散点图各簇分配独特定性颜色的方案求助

你可以通过以下两种方式解决颜色重复、相似的问题：

方法一：使用Plotly内置的多色定性配色序列 #

Plotly提供了多个包含超过10种颜色的定性配色集，这些颜色经过视觉设计，区分度高，不会出现相似问题。常用的选项包括：

• px.colors.qualitative.Dark（24种深色系定性色）
• px.colors.qualitative.Alphabet（26种高区分度颜色）
• px.colors.qualitative.Light24（24种浅色系定性色）

修改后的代码示例：

fig_tSNE = px.scatter_3d(x=projections[:,0],
                          y=projections[:,1],
                          z=projections[:,2],
                          color=to_be_plotted['Cluster'],
                          color_discrete_sequence=px.colors.qualitative.Dark)

方法二：生成自定义唯一定性颜色 #

如果你的簇数量超过内置配色集的长度，可以基于HSV色彩空间生成均匀分布的色相颜色，保证每个颜色差异明显：

import plotly.express as px
import numpy as np

# 获取簇的总数
num_clusters = len(to_be_plotted['Cluster'].unique())

# 生成均匀分布的色相颜色
def generate_unique_colors(n):
    # 均匀分配0-360度色相，饱和度70%、亮度50%保证色彩鲜明
    hues = np.linspace(0, 360, n, endpoint=False)
    return [f"hsl({h}, 70%, 50%)" for h in hues]

fig_tSNE = px.scatter_3d(x=projections[:,0],
                          y=projections[:,1],
                          z=projections[:,2],
                          color=to_be_plotted['Cluster'],
                          color_discrete_sequence=generate_unique_colors(num_clusters))

注意：你之前使用的px.colors.sequential.PuBu是连续渐变色阶，本身就是相似的渐变色彩，不适合用于定性分类（簇）的区分，换成定性配色或自定义色相颜色就能从根本解决颜色相似的问题。

内容的提问来源于stack exchange，提问作者Mr.Slow