Plotly Parcats平行类别图自定义颜色触发ValueError问题求助

触发报错的直接原因是传入line.color的tips_df.quantized_tip字段值为字符串类型（报错信息里显示的'Low'就是该字段的实际值），但你配置的colorscale是基于0、1、2数值点位做的颜色映射，二者数据类型不匹配，Parcats组件无法自动完成字符串分类到数值色阶的对齐。
另外你当前代码里给quantized_tip维度配置的categoryarray=[0, 1, 2]也是无效配置，该维度的实际值是字符串分类，这个参数必须传入和维度值类型一致的类别列表才能生效。

以下两种方法都可以实现最后一个维度各类别匹配专属颜色的需求：

• 方法1：数值编码映射适配数值色阶
  先将字符串分类值映射为和色阶点位对应的整数值，再传入颜色参数即可：

  # 按你需要的颜色对应关系配置映射，key替换为quantized_tip字段的实际类别值
  cat_to_num = {"Low": 0, "Medium": 1, "High": 2}
  line_color = tips_df["quantized_tip"].map(cat_to_num)
  colorscale = [[0, 'lightsteelblue'], [1, 'mediumseagreen'], [2, 'yellow']]
  
  # 修正维度的categoryarray配置，保证和映射顺序一致
  quantized_tip = go.parcats.Dimension(
      values = tips_df['quantized_tip'], 
      label = "Quantized tip",
      categoryorder = "category ascending", 
      categoryarray=["Low", "Medium", "High"],
  )
  
  # 绘图时传入处理后的颜色值
  fig = go.Figure(data = [go.Parcats(
      dimensions=[sex_dim, smoker_dim, day_dim, time_dim, size_dim, quantized_total_bill, quantized_tip],
      line={'color': line_color, 'colorscale': colorscale}
  )])
  

• 方法2：直接传入逐样本的颜色值
  不需要配置colorscale，直接把每个样本所属类别对应的颜色名/十六进制色值组成序列传入line.color即可，逻辑更直观：

  # 配置类别到颜色的直接映射
  cat_to_color = {"Low": "lightsteelblue", "Medium": "mediumseagreen", "High": "yellow"}
  line_color = tips_df["quantized_tip"].map(cat_to_color)
  
  # 同样修正维度的categoryarray配置
  quantized_tip = go.parcats.Dimension(
      values = tips_df['quantized_tip'], 
      label = "Quantized tip",
      categoryorder = "category ascending", 
      categoryarray=["Low", "Medium", "High"],
  )
  
  # 绘图时不需要传colorscale参数
  fig = go.Figure(data = [go.Parcats(
      dimensions=[sex_dim, smoker_dim, day_dim, time_dim, size_dim, quantized_total_bill, quantized_tip],
      line={'color': line_color}
  )])
  

后续update_traces和show的逻辑保持原有写法即可，修正后所有属于同一quantized_tip类别的流线条都会显示为指定的专属颜色，不会再触发类型报错。

内容的提问来源于stack exchange，提问作者Hyakkimaru