如何在Python的Bokeh绘图中扩展有限的调色板

针对你的需求，这里有几种实用的方法来扩展Bokeh中的有限调色板，让颜色过渡更平滑，适配更多的数据值：

方法1：直接使用Bokeh预定义的长调色板 #

Bokeh内置的很多调色板都提供了不同长度的版本，比如你用到的Reds9（9种颜色），还有Reds256（256种颜色），这类长调色板本身就是平滑的渐变，直接替换即可：

from bokeh.plotting import figure, show, output_file
from bokeh.sampledata.iris import flowers
from bokeh.models import LinearColorMapper, ColumnDataSource, ColorBar
from bokeh.palettes import Reds256  # 使用256色的版本

p = figure(title = "Iris Morphology")
p.xaxis.axis_label = "Petal Length"
p.yaxis.axis_label = "Petal Width"
source = ColumnDataSource(flowers)

# 反转调色板（如果需要）
Reds256.reverse()

# 创建颜色映射器，指定数据的最小和最大值
exp_cmap = LinearColorMapper(
    palette=Reds256,
    low=flowers['sepal_length'].min(),
    high=flowers['sepal_length'].max()
)

# 绘制散点图，用sepal_length映射颜色
p.circle(
    x='petal_length', y='petal_width',
    color={'field': 'sepal_length', 'transform': exp_cmap},
    source=source, size=10, alpha=0.8
)

# 添加颜色条
color_bar = ColorBar(
    color_mapper=exp_cmap,
    label_standoff=12,
    location=(0,0),
    title='Sepal Length'
)
p.add_layout(color_bar, 'right')

output_file('iris_morphology.html')
show(p)

方法2：从现有短调色板扩展出更多颜色 #

如果你只有一个短调色板（比如自定义的或者Reds9），可以用linear_palette函数来生成任意数量的过渡颜色，实现平滑渐变：

from bokeh.plotting import figure, show, output_file
from bokeh.sampledata.iris import flowers
from bokeh.models import LinearColorMapper, ColumnDataSource, ColorBar
from bokeh.palettes import Reds9, linear_palette

p = figure(title = "Iris Morphology")
p.xaxis.axis_label = "Petal Length"
p.yaxis.axis_label = "Petal Width"
source = ColumnDataSource(flowers)

# 反转原始调色板（不修改原列表的话可以用 reversed_reds = Reds9[::-1]）
Reds9.reverse()

# 把Reds9扩展成100种颜色的平滑渐变
extended_palette = linear_palette(Reds9, 100)

exp_cmap = LinearColorMapper(
    palette=extended_palette,
    low=flowers['sepal_length'].min(),
    high=flowers['sepal_length'].max()
)

p.circle(
    x='petal_length', y='petal_width',
    color={'field': 'sepal_length', 'transform': exp_cmap},
    source=source, size=10, alpha=0.8
)

color_bar = ColorBar(
    color_mapper=exp_cmap,
    label_standoff=12,
    location=(0,0),
    title='Sepal Length'
)
p.add_layout(color_bar, 'right')

output_file('iris_morphology.html')
show(p)

方法3：利用LinearColorMapper自动插值 #

其实你不需要手动扩展调色板，LinearColorMapper本身会自动在离散调色板的颜色之间进行插值，生成连续的渐变效果。只要正确设置low和high参数，就能让颜色平滑过渡：

from bokeh.plotting import figure, show, output_file
from bokeh.sampledata.iris import flowers
from bokeh.models import LinearColorMapper, ColumnDataSource, ColorBar
from bokeh.palettes import Reds9

p = figure(title = "Iris Morphology")
p.xaxis.axis_label = "Petal Length"
p.yaxis.axis_label = "Petal Width"
source = ColumnDataSource(flowers)

# 反转调色板
Reds9.reverse()

# 直接用Reds9，LinearColorMapper会自动插值颜色
exp_cmap = LinearColorMapper(
    palette=Reds9,
    low=flowers['sepal_length'].min(),
    high=flowers['sepal_length'].max()
)

p.circle(
    x='petal_length', y='petal_width',
    color={'field': 'sepal_length', 'transform': exp_cmap},
    source=source, size=10, alpha=0.8
)

color_bar = ColorBar(
    color_mapper=exp_cmap,
    label_standoff=12,
    location=(0,0),
    title='Sepal Length'
)
p.add_layout(color_bar, 'right')

output_file('iris_morphology.html')
show(p)

小提示： #

• 反转调色板时，Reds9.reverse()会直接修改原列表，如果你不想破坏原始调色板，可以创建副本：reversed_reds = Reds9[::-1]
• 一定要确保low和high参数对应你要映射的数据字段的极值，这样颜色映射才会准确贴合数据分布

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