如何基于dataframe生成多元素对应的唯一颜色映射字典？

以下提供两种常用实现方式，可根据使用场景选择：

方法1：基于Matplotlib生成（适配任意数量分类） #

无需手动输入分类，自动按分类数量采样对应数量的RGB颜色，代码如下：

import pandas as pd
import matplotlib.cm as cm

# 替换为你自己的DataFrame和目标列名
df = 你的DataFrame变量
target_col = "你要处理的列名"

# 1. 提取目标列唯一值
unique_cats = df[target_col].unique().tolist()
cat_count = len(unique_cats)

# 2. 按分类数量从调色板采样颜色，hsv调色板区分度高，适合多分类场景
cmap = cm.get_cmap("hsv", cat_count)

# 3. 生成符合要求的颜色映射字典
color_discrete_map = {}
for idx, cat in enumerate(unique_cats):
    r, g, b, _ = cmap(idx)
    # 把0-1区间的颜色值转为0-255整数
    r = int(r * 255)
    g = int(g * 255)
    b = int(b * 255)
    color_discrete_map[cat] = f"rgb({r},{g},{b})"

方法2：基于Plotly生成（适合搭配Plotly绘图场景） #

如果是用Plotly做可视化，可直接调用Plotly内置的离散色板，无需手动转RGB格式，代码如下：

import pandas as pd
import plotly.express as px

# 替换为你自己的DataFrame和目标列名
df = 你的DataFrame变量
target_col = "你要处理的列名"

# 1. 提取目标列唯一值
unique_cats = df[target_col].unique().tolist()

# 2. 拼接多个离散色板，凑够足够的颜色数量（Alphabet有26色、Dark24有24色，合计50色足够覆盖40+分类）
color_pool = px.colors.qualitative.Alphabet + px.colors.qualitative.Dark24

# 3. 生成颜色映射字典
color_discrete_map = {cat: color_pool[i] for i, cat in enumerate(unique_cats)}

补充说明 #

• 若需要固定分类和颜色的对应关系，可先对unique_cats做排序（如unique_cats = sorted(df[target_col].unique().tolist())），避免后续数据顺序变化导致同一分类对应颜色改变。
• 可自行替换代码中的调色板名称调整配色风格，满足不同的可视化需求。

内容的提问来源于stack exchange，提问作者Dharmender Tathgur