Plotly绘制3D散点图时自定义颜色被忽略的问题

• Plotly Express的color参数默认接收的是用于分组的维度字段/序列，传入值会被当作分类标签处理，而非直接渲染的颜色值。它会自动从内置调色盘取色映射到每个唯一标签，完全不会解析你传入的rgb()字符串对应的实际色彩，这就是你设置的灰色被渲染成浅橙色、颜色和预期不符的核心原因。
• 当灰色无效点占数据比例较高时，自动分类映射逻辑会把高频标签匹配到调色盘靠前的默认色，进一步放大颜色不符合预期的问题。

直接给marker属性传入自定义颜色数组，绕过Plotly Express的自动分类配色逻辑即可，代码如下：

import numpy as np
import plotly.express as px

# 固定随机种子可保证每次运行生成的随机色一致，不需要可以删掉
np.random.seed(42)
grey_colour = 'rgb(84, 84, 84)'

def row_to_color(df_row):
    if df_row["M"] == -1:
        # 无效点返回统一灰色
        return grey_colour 
    else:
        # 有效点返回自定义随机色
        return f'rgb(0, {np.random.randint(0,255)}, {np.random.randint(0,255)})'

# 生成每个点对应的颜色数组
point_colors = json_df.apply(row_to_color, axis=1).tolist()

fig = px.scatter_3d(
    json_df, 
    x="x", 
    y="y", 
    z="z", 
    custom_data=["M", "E", "F", "CE", "MA", "R"]
)

fig.update_traces(
    # 直接给标记设置颜色，跳过自动配色映射
    marker=dict(color=point_colors),
    hovertemplate="<br>".join([
        "M: %{customdata[0]}",
        "E: %{customdata[1]}",
        "F: %{customdata[2]}",
        "CE: %{customdata[3]}",
        "MA: %{customdata[4]}",
        "R: %{customdata[5]}"
    ])
)
fig.show()

补充说明：如果你后续需要给不同类别的有效点显示对应图例，可以先给DataFrame新增分类列标记点的类型，再通过color_discrete_map参数显式传入每个类别和对应颜色的映射关系即可。但你的场景是单无效点+大量独立随机色的点，不需要图例，上面的直接传色方案是最高效的。

内容的提问来源于stack exchange，提问作者J. Maria