Plotly 的 Scattermapbox 不支持为非圆形（如 star、triangle）标记设置自定义颜色，仅 circle 符号支持 marker.color；因此试图同时启用颜色映射和非圆符号会导致颜色失效——这是 Plotly 底层限制，而非代码逻辑错误。
plotly 的 `scattermapbox` 不支持为非圆形（如 star、triangle）标记设置自定义颜色，仅 `circle` 符号支持 `marker.color`；因此试图同时启用颜色映射和非圆符号会导致颜色失效——这是 plotly 底层限制，而非代码逻辑错误。
在使用 Plotly 的 Scattermapbox 绘制地理散点图时，开发者常希望通过 marker.color 和 marker.symbol 同时实现类别级的视觉区分（例如：不同物种用不同颜色+不同形状）。然而，Plotly 官方明确限制：marker.color 和 marker.size 仅对 symbol="circle" 生效（见 Plotly Scattermapbox Marker 文档）。当 symbol 设为 "star"、"triangle" 等非圆类型时，即使传入 color 数组，Plotly 也会忽略该字段，回退至默认灰阶色。
这意味着以下写法无法生效：
go.Scattermapbox(
marker=dict(
color=cmap, # ✅ 仅当 symbol="circle" 时有效
symbol=smap # ❌ 若含非 circle 符号，color 将被静默丢弃
)
)
✅ 可行的替代方案
方案 1：统一使用 circle 符号 + 颜色 + 边框/大小增强区分度
保留颜色映射，改用 circle 并通过 line.width、line.color 或 size 进一步差异化：
fig = go.Figure(go.Scattermapbox(
lat=df['sepal_width'],
lon=df['sepal_length'],
mode='markers',
marker=dict(
color=cmap if cmap_on else None,
symbol='circle', # 强制使用 circle
size=8 if not smap_on else 12, # 用尺寸辅助区分
line=dict(width=2, color='darkgray') # 添加边框提升辨识度
)
))
方案 2：分层绘制（推荐）——用多个 trace 实现“颜色+符号”组合
将每类数据拆分为独立 trace，每个 trace 使用 circle 并赋予固定颜色与符号（注意：symbol 在非 circle 下仍无效，但可通过 name 和图例配合手动管理）：
traces = []
for species in df['species'].unique():
subset = df[df['species'] == species]
traces.append(go.Scattermapbox(
lat=subset['sepal_width'],
lon=subset['sepal_length'],
mode='markers',
name=species,
marker=dict(
color=color_dict[species],
symbol='circle', # 必须为 circle
size=10,
# 可选：用 opacity 或 line 暗示类别
line=dict(width=3, color='white')
)
))
fig = go.Figure(data=traces)
方案 3：迁移到 Scattergeo（若无需 Mapbox 高级底图）
Scattergeo 对 symbol 和 color 的兼容性更宽松，支持 symbol 与 color 联合映射（但仍建议优先测试）：
fig = px.scatter_geo(df,
lat='sepal_width',
lon='sepal_length',
color='species',
symbol='species',
color_discrete_map=color_dict,
symbol_map=symbol_dict)
⚠️ 注意事项
- 不要依赖 marker.symbol 的非 circle 值来驱动颜色逻辑：Plotly 不会报错，但颜色必然丢失。
- Dash 回调中应避免 None 值导致 layout 渲染异常，建议显式设置 marker=dict(color='lightgray', symbol='circle') 作为 fallback。
- 若必须使用 Mapbox 风格底图且需强符号区分，可考虑前端 JavaScript 层叠加 SVG 图标（需 plotly.js 自定义扩展），但显著增加复杂度。
综上，这不是代码缺陷，而是 Plotly 的设计约束。合理权衡可视化目标与平台能力——优先采用分层 trace 或 Scattergeo，是兼顾功能与稳定性的最佳实践。
