如何使用Python Bokeh的LinearColorMapper绘制圆形散点图

嘿，我来帮你把原来用字典映射颜色的鸢尾花散点图代码，改成用LinearColorMapper实现的版本～

首先得明确：LinearColorMapper是基于数值范围来映射颜色的，而我们的鸢尾花物种是分类变量，所以第一步要先把分类的物种名转换成对应的数值标签，之后就能用颜色映射器来关联数值和颜色了。

完整修改后的代码 #

from bokeh.plotting import figure, show, output_file
from bokeh.sampledata.iris import flowers
from bokeh.models import LinearColorMapper, ColorBar
import pandas as pd

# 1. 将分类的物种名转换为数值标签（0、1、2分别对应三个物种）
flowers['species_num'] = pd.factorize(flowers['species'])[0]

# 2. 定义LinearColorMapper：指定调色板、数值范围（low是最小数值，high是最大数值）
# 这里用你原来的红、绿、蓝对应三个物种，也可以用Bokeh内置调色板比如Viridis256
palette = ['red', 'green', 'blue']
color_mapper = LinearColorMapper(palette=palette, low=flowers['species_num'].min(), high=flowers['species_num'].max())

# 3. 创建绘图对象
p = figure(title="Iris Morphology")
p.xaxis.axis_label = 'Petal Length'
p.yaxis.axis_label = 'Petal Width'

# 4. 绘制圆形散点：使用color参数绑定映射器，同时指定数据源
p.circle(
    x="petal_length", 
    y="petal_width", 
    source=flowers,  # 传入数据源，让Bokeh识别字段
    color={'field': 'species_num', 'transform': color_mapper},  # 用映射器关联数值和颜色
    fill_alpha=0.2, 
    size=10
)

# 可选：添加颜色条，展示数值与物种的对应关系
color_bar = ColorBar(color_mapper=color_mapper, label_standoff=12,
                     title='Species', ticker=[0,1,2],
                     formatter=lambda x: ['setosa', 'versicolor', 'virginica'][int(x)])
p.add_layout(color_bar, 'right')

# 输出HTML文件
output_file("iris.html", title="iris.py example")
show(p)

关键修改点说明 #

• 分类转数值：用pd.factorize把三个物种名转换成0、1、2的数值，这样LinearColorMapper就能基于这个数值范围做颜色映射。
• 颜色映射器配置：指定调色板和数值的最小/最大值，确保每个数值对应到调色板里的颜色。
• 散点绘制的参数变化：不再手动生成颜色列表，而是通过source传入数据集，用{'field': 'species_num', 'transform': color_mapper}来让Bokeh自动完成颜色映射。
• 可选的颜色条：添加ColorBar可以让观看者清楚知道每个颜色对应的物种，提升图形可读性。

这样修改后，就能用LinearColorMapper替代原来的字典映射，实现同样的颜色区分效果，而且如果后续有更多分类或者需要渐变颜色，这种方式扩展性更强～

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