在Plotly（Python）中恢复为默认值的自定义颜色比例

我很难在美国各州的choropleth绘图中以绘图方式显示自定义颜色比例。

z

值在此表示每个状态的值除以所有状态的平均值。下面链接了一幅图像

具体来说，我希望色标的

span

范围为

z

，但感知中点（RdBu标度上的黄色）始终位于1（数据的平均值）。我希望捕获所有动态范围，同时在人口较多（例如大约1）的州集中保留更密集的颜色信息

我的代码如下所示（尝试忽略上下文位）：

def plot_states（sms_范围，var='normalized Basic vs DOT'，norm=False，timeupper='2018-10-24'，
timelower='2010-01-01'，
标题='测试图（悬停以进行细分）'：
df=sms\u range[sms\u range.index.get\u level\u value（1）=pd.to\u datetime（timelower）].sort\u index（）
dfmean=df.平均值（级别=0）
如果标准：
totalmean=df.中值（）
绘图z=dfmean[var]/（总平均值[var]）
其他：
plot_z=dfmean[var].astype（float）
dfmean['code']=州缩写[：，1]
最小值=plot_z.min（）
最大值=绘图_z.max（）
onepointlow=（（1-最小值）/（最大值-最小值））*0.9
onepointhigh=（（1-最小值）/（最大值-最小值））*1.1
色标=[[0.0，'rgb（49,54149）”，#蓝色
[onepointlow/2.，“rgb（116173209）”，
[onepointlow，'rgb（224243248）'，#黄色
[onepointhigh，'rgb（25422444）'，#黄色
[（一点高+1。）/2.，“rgb（244109,67）”，
[1.0，'rgb（165,0,38）]]，#红色
打印（色标）
dfmean['text']=dfmean['code']
数据=[dict(
type='choropleth'，
colorscale=colorscale，
自动颜色比例=假，
位置=dfmean[‘代码’]，
z=绘图_z，
locationmode='USA-states'，
text=dfmean['text']，
记号笔(
行=dict(
颜色='rgb（255255）'，
宽度=2
)),
色条(
title=var）
)]
打印（数据）
布局=记录(
头衔，
地理=口述(
范围='美国'，
投影=dict（type='albers usa'），
showlakes=True，
lakecolor='rgb（255、255、255）'，
)
图=dict（数据=数据，布局=布局）
绘图（图，filename='d3-cloropleth-map'）

这里的关键是，在一次运行该函数时

colorscale=（[0.0'，rgb（49,54149）”，[0.0400'，rgb（116173209）”，[0.0801'，rgb（224243248）”，[0.0979'，rgb（2542242144）”，[0.5489'，rgb（244109,67）”，[1.0'，rgb（165,0,38）]，）

然而，结果图如下所示：

基本上，colorscale默认为标准的“RdBu”colorscale。这很奇怪，因为通过调用树传递的Plotly HTML包含未更改的自定义colorscale，就好像在渲染时忽略了它一样

具体而言，plotly/offline.py中的plotly\u html包含：

window.PLOTLYENV=window.PLOTLYENV | |{}；window.PLOTLYENV.BASE_URL=”https://plot.ly“Plotly.newPlot（54d14a55-4470-4e77-908a-ed1aad3efd68），[{”类型：“choropleth”，“autocolorscale”：false，“text:”[“AL”，“AK”，“AZ”，“AR”，“CA”，“CO”，“CT”，“DE”，“DC”，“FL”，“GA”，“HI”，“ID”，“IL”，“IN”，“IA”，“KS”，“KY”，“LA”，“ME”，“MD”，“MA”，“MI”，“MN”，”MS、MO、MT、NE、NV、NH、NJ、NM、NY、NC、ND、OH、OK、OR、PA、RI、SC、SD、TN、TX、UT、VT、VA、WA、WV、WI、WY”]、“色条”：{“标题”：“药物/酒精\ u2217_标准”}，“位置模式”：“美国州”、“z”：[0.9574031223360088, 4.663833598074362, 0.7470654042509098, 0.45790667712096444, 0.7139322298296459, 1.215065339824984, 0.9474219012849346, 0.7353880993782959, 2.810812736720189, 0.6462863936749693, 0.9986899212581901, 6.548052464708055, 1.0090737091057922, 0.49457016318780755, 0.695353446901323, 0.9419458477900825, 0.8293205959460278, 0.7351136201837116, 1.6921332609878887, 1.9066962190394505, 0.8032201503740584, 1.572393730339865, 1.0845158832537063, 0.9784209575362792, 0.9652909590698142, 0.6196209448011111, 1.4865809187853425, 0.6422023875155145, 1.0212118831303278, 1.7328143913690517, 0.7946163933668561, 0.716044064254416, 1.0120916518088283, 0.9151593810825868, 2.046814218440964, 1.1652449211545537、0.855093980583285、1.497308945837465、0.6778640418859166、0.9013539653339065、1.6812599294250667、1.1817300995782374、1.0516933417009253、0.720853315460788、1.1375338872234784、1.5900074550270746、1.1047246521920622、1.8910551057861155、1.03573267814427、1.208933944738189、23398、[RG0.390]色标度：[]（49,54149）”，[0.040055197987766846，“rgb（116173209）”，[0.0801039597533692，“rgb（224243248）”，[0.09791270619207847”，“rgb（254224144）”，[0.5489563530960392”，“rgb（244109,67）”，[1.0”，“rgb（165,0,38）”，“位置：“：[“AL”，“AK”，“AZ”，“AZ”，“AR”，“CA”，“CO”，“CT”，“DE”，“DC”，“KS”，“GA”，“HI”，“ID”，“IL”，“KY”，“IA”，“ME”，“ME”，“IA”，“ME”“，“MA”，“MI”，“MN”，“MS”，“MO”，“MT”，“NE”，“NV”，“NH”，“NJ”，“NM”，“NY”，“NC”，“ND”，“OH”，“OK”，“OR”，“PA”，“RI”，“SC”，“SD”，“TN”，“TX”，“UT”，“VT”，“VA”，“WA”，“WV”，“WI”，“WY”]，“标记物”{“线”：{“宽度”：2，“颜色”：“rgb（255255255）”}}}}]，{“标题”：“D/A合规性，2017年标准化”，“地理位置”：{“showlakes”：真实，“范围”：“美国”，“湖色”：“rgb（255，255，255）”，“投影”：{“类型”：“albers usa”}}}}，{“链接文本”：“导出到plot.ly”，“showLink”：true}）

正如你所见，它定义了正确的色阶

这是我的代码中的一个明显问题吗？还是渲染器中有什么东西绕过了我的自定义颜色比例-例如预期行为

谢谢你的帮助

def plot_states(sms_range, var='normalized Basic vs DOT', norm=False, timeupper = '2018-10-24',
            timelower = '2010-01-01',
            title = 'Test Figure (Hover for breakdown)'):

df = sms_range[sms_range.index.get_level_values(1) <=
               pd.to_datetime(timeupper)].sort_index()
df = df[df.index.get_level_values(1) >= pd.to_datetime(timelower)].sort_index()


dfmean = df.mean(level=0)

if norm:
    totalmean = df.median()
    plot_z = dfmean[var]/(totalmean[var])
else:
    plot_z = dfmean[var].astype(float)

dfmean['code'] = stateabbreviations[:,1]

minimum = plot_z.min()
maximum = plot_z.max()
onepointlow = ((1. - minimum) / (maximum - minimum))*0.9
onepointhigh = ((1. - minimum) / (maximum - minimum))*1.1

colorscale = [[0.0, 'rgb(49,54,149)'], # Blue
              [onepointlow/2., 'rgb(116,173,209)'],
              [onepointlow, 'rgb(224,243,248)'], # Yellow
              [onepointhigh, 'rgb(254,224,144)'], # Yellow
              [(onepointhigh+1.)/2., 'rgb(244,109,67)'],
              [1.0, 'rgb(165,0,38)']], # Red

print(colorscale)
dfmean['text'] = dfmean['code']

data = [dict(
    type='choropleth',
    colorscale=colorscale,
    autocolorscale=False,
    locations=dfmean['code'],
    z=plot_z,
    locationmode='USA-states',
    text=dfmean['text'],
    marker=dict(
        line=dict(
            color='rgb(255,255,255)',
            width=2
        )),
    colorbar=dict(
        title=var)
)]

print(data)

layout = dict(
    title=title,
    geo=dict(
        scope='usa',
        projection=dict(type='albers usa'),
        showlakes=True,
        lakecolor='rgb(255, 255, 255)'),
)

fig = dict(data=data, layout=layout)
plot(fig, filename='d3-cloropleth-map')