嗨，你说的完全没错！Bokeh确实提供了原生的分类映射功能，不用手动拆分数据集，就能直接给不同color分类设置对应的标记符号，我给你一步步演示具体实现方法：

核心思路 #

我们可以利用Bokeh的FactorMapper（因子映射器），把color列的分类值（'red'、'green'、'blue'）直接映射到你想要的标记符号（'x'、'o'、'triangle'），然后在scatter绘图时，把marker参数绑定到color列，同时指定这个映射规则就行。

完整代码示例 #

import pandas as pd
from bokeh.plotting import figure, show
from bokeh.models import ColumnDataSource
from bokeh.transform import factor_mark

# 1. 准备示例DataFrame（你可以替换成自己的数据集）
data = {
    'x': [1, 2, 3, 4, 5, 6, 7, 8, 9],
    'y': [2, 4, 1, 5, 3, 6, 2, 7, 4],
    'color': ['red', 'green', 'blue', 'red', 'green', 'blue', 'red', 'green', 'blue']
}
df = pd.DataFrame(data)

# 2. 定义分类和对应的标记、颜色映射
color_factors = ['red', 'green', 'blue']
markers = ['x', 'o', 'triangle']
colors = ['red', 'green', 'blue']  # 可选：让标记颜色也对应分类

# 3. 创建数据源
source = ColumnDataSource(df)

# 4. 创建绘图对象
p = figure(title="按分类设置标记的散点图", x_axis_label='x', y_axis_label='y')

# 5. 绘制散点：关键是用factor_mark关联分类和标记
p.scatter(
    x='x',
    y='y',
    source=source,
    # 用factor_mark实现分类到标记的映射
    marker=factor_mark('color', markers, color_factors),
    # 可选：同时设置分类对应的颜色
    color=factor_mark('color', colors, color_factors),
    size=15,  # 调整标记大小
    alpha=0.8  # 调整透明度
)

# 6. 显示图表
show(p)

关键部分解释 #

• factor_mark是Bokeh专门用于分类标记映射的工具，它接收三个参数：
  1. 数据源中的分类列名（这里是'color'）
  2. 要映射的标记列表（顺序要和分类因子严格对应）
  3. 分类因子的列表（要和数据中的分类值完全匹配）
• 这样设置后，Bokeh会自动遍历数据源，给每个color分类的点应用对应的标记，完全不用手动拆分数据子集！

如果你还想自定义更多样式（比如不同分类的标记大小、透明度），也可以用类似的逻辑扩展，非常灵活。

内容的提问来源于stack exchange，提问作者maschu