如何让datashader绘制分类数据时将NA值设为灰色及关联问题问询

import numpy as np
import pandas as pd
import holoviews as hv
hv.extension('bokeh')
import datashader as ds
from datashader.colors import Sets1to3
from holoviews.operation.datashader import datashade,spread

raw_data = [('Alice', 60, 'London', 5) ,
           ('Bob', 14, 'Delhi' , 7) ,
           ('Charlie', 66, np.NaN, 11) ,
           ('Dave', np.NaN,'Delhi' , 15) ,
           ('Eveline', 33, 'Delhi' , 4) ,
           ('Fred', 32, 'New York', np.NaN ),
           ('George', 95, 'Paris', 11)
            ]
# 创建DataFrame
df = pd.DataFrame(raw_data, columns=['Name', 'Age', 'City', 'Experience'])
df['City']=pd.Categorical(df['City'])

x='Age'
y='Experience'
color='City'

# ---------------------- 核心问题修复：处理NA分类 ----------------------
# 将NaN转为明确的分类值，加入分类列表
df[color] = df[color].cat.add_categories('NA').fillna('NA')
cats = df[color].cat.categories

# 构造显式颜色映射，NA设为灰色
color_key = {}
color_idx = 0
for cat in cats:
    if cat == 'NA':
        color_key[cat] = '#808080'
    else:
        color_key[cat] = Sets1to3[color_idx]
        color_idx += 1

# ---------------------- 图例构造 ----------------------
for cat in cats:
    print(cat,((df[color]==cat)&(df[x].notnull())&(df[y].notnull())).sum())
color_points = hv.NdOverlay({n: hv.Points([0,0], label=str(n)).opts(color=c,size=0) for n,c in color_key.items()})

# ---------------------- 绘图 ----------------------
points=hv.Points(df, [x, y],label="%s vs %s" % (x, y),)
# 1. 传入显式color_key保证配色匹配 2. 用ds.any()聚合消除密度影响，保证点尺寸统一
datashaded=datashade(
    points,
    aggregator=ds.by(color, ds.any()),
    color_key=color_key
).opts(width=800, height=480)

# spread参数固定，保证点大小一致
(spread(datashaded,px=4, shape='square')*color_points).opts(legend_position='right')

问题解决说明 #

核心问题：NA点设为灰色 #

datashader默认不会将分类列的NaN识别为独立分类，会默认匹配色阶最后一个颜色。修复逻辑为：

• 先调用cat.add_categories将'NA'加入分类列表，再用fillna把所有NaN替换为该分类值
• 构造颜色映射时单独为'NA'分类指定灰色值

次要问题：散点尺寸不统一 #

原来的聚合方式默认是按点数量计数，重叠点的颜色强度会变化，看起来尺寸不一致。修复方法为在ds.by中传入ds.any()作为聚合函数，只要对应位置有该分类的点就显示固定颜色，不会受点密度影响，配合spread的固定px参数即可保证所有点尺寸统一。

疑问解答 #

1. datashader分类配色逻辑：如果没有传入显式color_key参数，会按分类列的.cat.categories顺序依次匹配传入的色阶值，所以分类顺序变化后配色就会错位。你只需要像上述代码一样构造字典格式的color_key显式传入datashade方法，就可以保证图例和绘图的配色永远匹配，不受分类顺序影响。
2. 使用Points元素完全合理。Holoviews中Scatter用于存在明确自变量、因变量关系的场景，Points就是专为两个无因果关系的变量的散点分布设计的，符合你的使用需求。

你提到的所有问题相关性较强，不需要单独拆分提问。

内容的提问来源于stack exchange，提问作者Noskario