在Altair中为分类数据分配固定颜色索引以保持多图表颜色一致性的优雅实现方式

我完全懂你这种困扰——就像你举的例子：完整数据的图表里，virginica是红色；但过滤掉versicolor后，默认生成的图表里virginica突然变成了橙色，很容易让看图表的人产生误解。你的手动指定颜色的方法虽然能解决问题，但硬编码颜色和索引确实不够灵活。下面给你几个更优雅的解决方案，彻底摆脱手动操作的麻烦：

核心思路 #

Altair默认会根据当前图表数据里的分类值动态生成颜色映射的domain（即分类列表），所以当你过滤掉某个分类后，domain变短，颜色分配就会重新调整。我们的关键就是固定颜色映射的domain为所有可能的分类值，让颜色分配基于全局分类，而不是当前数据的分类。

方法一：复用默认配色方案，自动绑定分类与颜色 #

这个方法不用手动找颜色，直接用Altair的默认分类配色，自动把每个全局分类和对应颜色绑定：

1. 先从原始完整数据里获取所有可能的分类值（保证覆盖所有情况）
2. 定义一个全局的颜色scale，指定完整的domain和你想用的配色scheme（比如默认的category10）
3. 所有图表都复用这个scale即可

代码示例：

import streamlit as st
import altair as alt
from vega_datasets import data

iris = data.iris()

# 步骤1：获取所有可能的分类值
all_species = iris['species'].unique().tolist()

# 步骤2：定义全局颜色scale，固定domain为所有分类，使用默认配色scheme
fixed_color_scale = alt.Scale(
    domain=all_species,
    scheme='category10'  # 这是Altair默认的分类配色方案，也可替换为'category20'等其他scheme
)

# 绘制完整数据的图表
ch1 = alt.Chart(iris).mark_point().encode(
    x='petalWidth',
    y='petalLength',
    color=alt.Color('species').scale(fixed_color_scale)
)

# 绘制过滤后的数据图表（去掉versicolor）
ch2 = alt.Chart(iris[iris.species != 'versicolor']).mark_point().encode(
    x='petalWidth',
    y='petalLength',
    color=alt.Color('species').scale(fixed_color_scale)
)

这样处理后，ch2里的setosa还是原来的蓝色，virginica也保持原来的红色，完全不会因为versicolor被过滤而改变颜色。

方法二：预定义自定义颜色映射（适合指定特定颜色的场景） #

如果你不想用默认scheme，想自己指定每个分类的颜色，也可以用字典映射的方式，同样结合固定domain：

import streamlit as st
import altair as alt
from vega_datasets import data

iris = data.iris()

# 自定义每个分类对应的颜色（可从默认scheme提取，也可根据需求自定义）
species_color_map = {
    'setosa': '#4e79a7',
    'versicolor': '#f28e2b',
    'virginica': '#e15759'
}

# 定义固定scale，绑定所有分类与对应颜色
custom_color_scale = alt.Scale(
    domain=list(species_color_map.keys()),
    range=list(species_color_map.values())
)

# 复用这个scale到所有图表
ch1 = alt.Chart(iris).mark_point().encode(
    x='petalWidth',
    y='petalLength',
    color=alt.Color('species').scale(custom_color_scale)
)

ch2 = alt.Chart(iris[iris.species != 'versicolor']).mark_point().encode(
    x='petalWidth',
    y='petalLength',
    color=alt.Color('species').scale(custom_color_scale)
)

这个方法的优势是颜色完全可控，适合有品牌色或特定配色要求的场景。

为什么这比你的手动方法更好？ #

1. 无需手动计算索引：所有分类的颜色绑定都是自动的，不用你手动推导sel_idx这类索引值
2. 可复用性强：定义一次scale后，所有相关图表都能直接用，后期新增分类或修改scheme只需改一处
3. 灵活适配：不管你怎么过滤数据，只要全局domain是完整的，颜色就不会乱

备注：内容来源于stack exchange，提问作者Michal Kaut