如何在Plotly中复刻人口密度地图的Choropleth颜色刻度？

我想复刻某张美国县人口密度地图的颜色刻度，核心需求是展现人口密度低于1000的县的颜色差异，但目前这些低数值县的颜色被高数值异常值冲淡，区分度很差。

我已经尝试过以下方法，但都没能成功复刻目标刻度：

• 使用Plotly的px.choropleth中的range_color参数
• 自定义颜色刻度
• 用在线颜色刻度工具生成色阶

这是我目前的最佳效果：

希望能实现低数值区间更平缓的颜色渐变，求帮助。

解决思路与代码示例 #

1. 对数变换压缩高值区间 #

人口密度属于典型的幂律分布，少数县密度极高，直接用线性刻度会挤压低数值区间的颜色空间。对密度值做对数变换，能让低数值区间的颜色差异更明显：

import plotly.express as px
import pandas as pd
import numpy as np

# 假设数据框df包含'fips'（县编码）和'density'（人口密度）列
df['log_density'] = df['density'].apply(lambda x: max(1, x)).apply(np.log10)  # 规避0值对数报错

fig = px.choropleth(df,
                    locations='fips',
                    locationmode='USA-states',
                    color='log_density',
                    scope='usa',
                    color_continuous_scale='YlOrRd',  # 贴近目标图的暖色调
                    color_continuous_midpoint=np.log10(1000)  # 锚定1000的颜色位置
                    )
# 把对数刻度转回原始数值显示，提升可读性
fig.update_layout(coloraxis_colorbar=dict(
    tickvals=[np.log10(1), np.log10(10), np.log10(100), np.log10(1000), np.log10(10000)],
    ticktext=['1', '10', '100', '1000', '10000']
))
fig.show()

2. 手动分段自定义色阶 #

如果对数变换不符合需求，可以手动划分数值区间，给低数值段分配更多颜色梯度：

# 自定义色阶，低数值区间用更平缓的渐变
color_scale = [
    [0, '#ffffcc'],
    [0.2, '#ffeda0'],
    [0.4, '#fed976'],
    [0.6, '#feb24c'],
    [0.8, '#fd8d3c'],
    [0.95, '#fc4e2a'],
    [1, '#e31a1c']
]
# 重点划分<1000的区间，高值区间合并
bins = [0, 10, 50, 100, 500, 1000, 5000, 200000]
df['density_bin'] = pd.cut(df['density'], bins=bins, labels=False)

fig = px.choropleth(df,
                    locations='fips',
                    locationmode='USA-states',
                    color='density_bin',
                    scope='usa',
                    color_continuous_scale=color_scale,
                    color_continuous_midpoint=3
                    )
fig.update_layout(coloraxis_colorbar=dict(
    tickvals=[0,1,2,3,4,5,6],
    ticktext=['0-10','10-50','50-100','100-500','500-1000','1000-5000','>5000']
))
fig.show()

3. 给色阶绑定具体数值锚点 #

直接将颜色刻度与实际数值绑定，确保低数值区间有足够的颜色变化空间：

# 把颜色和具体密度值绑定，低数值区间分配更多色阶节点
custom_scale = [
    (0, '#ffffcc'),          # 0
    (10/200000, '#ffeda0'),  # 10
    (100/200000, '#fed976'), # 100
    (500/200000, '#feb24c'), # 500
    (1000/200000, '#fd8d3c'),# 1000
    (5000/200000, '#fc4e2a'),# 5000
    (1, '#e31a1c')           # 最大值
]

fig = px.choropleth(df,
                    locations='fips',
                    locationmode='USA-states',
                    color='density',
                    scope='usa',
                    color_continuous_scale=custom_scale,
                    range_color=[0, 200000]
                    )
fig.show()

内容的提问来源于stack exchange，提问作者hannes