本文介绍如何使用 plotly 实现“混合型”平行坐标图：前若干轴表示分类变量（如字符串类别），后若干轴表示连续数值变量，通过编码转换与布局定制达成语义清晰、视觉统一的可视化效果。
本文介绍如何使用 plotly 实现“混合型”平行坐标图：前若干轴表示分类变量（如字符串类别），后若干轴表示连续数值变量，通过编码转换与布局定制达成语义清晰、视觉统一的可视化效果。
Plotly 原生不支持在单个 parallel_coordinates 图中直接混合分类轴与数值轴——px.parallel_coordinates 仅接受数值型维度，而 px.parallel_categories 则将所有列（包括数值列）强制视为离散类别。但可通过类别编码 + 标签映射 + 布局微调三步策略，优雅地实现需求。
✅ 核心思路
- 数值化编码：将分类列（如 'A', 'B'）转换为整数编码（cat.codes），保留原始顺序与区分性；
- 构建维度列表：在 dimensions 参数中按需组合编码列与原始数值列；
- 语义还原：利用 labels 参数重命名坐标轴标题，并通过 fig.update_layout(xaxis=...) 自定义横轴刻度标签，使图形仍显示原始分类名称（如 'a', 'b'）而非数字代码。
? 完整示例代码
import pandas as pd
import plotly.express as px
# 构造示例数据
df = pd.DataFrame({
'A': ['a', 'a', 'b', 'b'],
'B': ['1', '2', '1', '2'],
'X': [5.3, 6.7, 3.1, 0.8],
'Y': [0.4, 0.6, 3.6, 4.8]
})
# 步骤1：对分类列进行有序编码（保持原始顺序）
df['A_code'] = df['A'].astype('category').cat.codes
df['B_code'] = df['B'].astype('category').cat.codes
# 步骤2：绘制平行坐标图（仅传入数值型列）
fig = px.parallel_coordinates(
df,
dimensions=['A_code', 'B_code', 'X', 'Y'],
labels={
'A_code': 'A', # 显示为原始列名
'B_code': 'B',
'X': 'X',
'Y': 'Y'
},
color='X', # 按X值着色
color_continuous_scale=px.colors.diverging.Tealrose,
color_continuous_midpoint=2.5
)
# 步骤3：还原y轴刻度标签（关键！）
# 注意：此处需手动指定每个维度的y轴刻度文本（非x轴！）
# Plotly 的 parallel_coordinates 中，各维度是垂直排列的y轴，其“刻度标签”由 dimension 对象控制
# 更准确的做法是使用 dimension 的 `ticktext` 和 `tickvals` —— 但 px.parallel_coordinates 不直接暴露该接口
# 因此我们改用底层更新方式，为每个维度设置 category label 映射：
# 获取原始类别映射
A_mapping = {code: cat for code, cat in enumerate(df['A'].astype('category').cat.categories)}
B_mapping = {code: cat for code, cat in enumerate(df['B'].astype('category').cat.categories)}
# 更新各维度的 ticktext（需遍历 fig.data[0].dimensions）
for i, dim in enumerate(fig.data[0].dimensions):
if i == 0: # A_code 维度
dim.ticktext = list(A_mapping.values())
dim.tickvals = list(A_mapping.keys())
elif i == 1: # B_code 维度
dim.ticktext = list(B_mapping.values())
dim.tickvals = list(B_mapping.keys())
fig.show()
⚠️ 重要说明：上述代码中 fig.data[0].dimensions 是 Plotly Graph Object 层的维度对象，支持直接设置 tickvals/ticktext，这是实现真实分类轴显示的可靠方式（比修改 xaxis.ticktext 更精准，后者影响的是横坐标位置，而非各垂直轴的刻度）。若使用旧版 Plotly（
? 效果与注意事项
- ✅ 图中第1、2条垂直轴将显示 'a'/'b' 和 '1'/'2' 等原始类别标签，第3、4轴则显示连续数值刻度；
- ✅ 所有连线保持语义连贯（例如 'a'→'1'→5.3→0.4 的路径可被直观追踪）；
- ❗ 分类编码必须有序且稳定：cat.codes 依赖于 categories 的出现顺序，建议显式指定 pd.Categorical(df['A'], categories=['a','b']) 避免意外排序；
- ? 着色推荐基于数值列（如 'X'），避免对分类编码列着色（会导致颜色无量纲意义）。
通过这一方法，你能在 Plotly 中真正实现“分类+数值”混合平行坐标图，兼顾统计严谨性与交互可读性，适用于探索高维异构特征空间中的模式与异常。
