本文介绍如何在 Plotnine 中绕过连续/离散尺度冲突，直接将预计算的十六进制颜色（如 #440154）映射到热力图方块，实现多子图间色彩语义一致的可视化。
本文介绍如何在 plotnine 中绕过连续/离散尺度冲突，直接将预计算的十六进制颜色（如 `#440154`）映射到热力图方块，实现多子图间色彩语义一致的可视化。
在 Plotnine 中，若你已为每个数据点预先计算好对应的十六进制颜色（例如通过 mizani 的 cmap_pal 映射原始数值到 viridis 调色板），切勿将数值列（如 "value"）作为 fill 美学输入再搭配 scale_fill_manual——这会导致 TypeError: Continuous value supplied to discrete scale 错误。根本原因在于：scale_fill_manual() 默认期望传入的是离散的类别标签 → 颜色映射字典，而你提供的 color_dict 是以连续浮点数（value）为键构造的，Plotnine 会尝试将其视为离散因子处理，但底层仍按连续尺度解析，引发类型冲突。
正确做法是：将已生成的颜色字符串列（"color"）直接绑定到 fill 美学，并启用 scale_fill_identity()。该标度告诉 Plotnine：“请原样使用 fill 列中的颜色值，不做任何转换或插值”。
以下是完整、可复用的代码示例：
import plotnine as pn
import pandas as pd
# 假设 df 已含 team1, team2, type, value, color 列（Polars DataFrame）
for t2 in df["team2"].unique():
df1 = df.filter(pl.col("team2") == t2)
# 关键：转为 Pandas 并确保 color 列为字符串类型
df1_pd = df1.to_pandas()
df1_pd["color"] = df1_pd["color"].astype(str) # 防止类型隐式转换
plt = (
pn.ggplot(df1_pd, pn.aes(x="team1", y="type", fill="color", label="value"))
+ pn.geom_tile(show_legend=False)
+ pn.scale_fill_identity() # ✅ 核心：禁用自动调色，直通 HEX 值
+ pn.geom_text(show_legend=False, size=9, format_string="{:.2f}")
+ pn.theme_minimal()
+ pn.labs(title=f"Heatmap for team2 = {t2}", x="Team 1", y="Type")
)
plt.save(f"heatmap_{t2}.png", dpi=300, width=8, height=6)⚠️ 注意事项：
- scale_fill_identity() 不支持图例自动生成（因颜色无统一映射逻辑），若需图例，须额外添加 pn.scale_fill_identity(guide='legend', ...), 并配合 pn.aes(fill="value") + 自定义 breaks/labels 手动构建，但会牺牲颜色精度；推荐在多子图对比场景下统一色阶说明置于图外。
- 确保 color 列为纯字符串（非 category 或 object 混合类型），避免 Plotnine 内部类型推断错误。
- 若需保留数值语义（如 hover 提示或导出交互图），建议同时保留 value 列用于标注，fill 仅负责视觉渲染。
通过 scale_fill_identity()，你完全掌控每个方块的 RGB 表达，确保 team2_1 和 team2_5 中相同 HEX 值呈现完全一致的视觉效果，真正实现跨图可比性。
