从 Pandas 到 Polars 十一：在Polars环境中，Matplotlib与Plotly的比较

从Plotly v5.15.0开始，Plotly有对Polars的本地支持。因此，您可以将DataFrame作为第一个参数传递，并将列名称作为字符串传递给x和y编码参数。这是一个很大的改进，因为它意味着我们可以使用Plotly API，而不需要首先转换为Pandas。

在本文中，我将展示一种在Matplotlib中制作具有不同颜色的图表的策略，并比较我们如何使用Plotly来制作这个图表。

我使用Matplotlib有着相当长的历史。然而，偶然的机会，我发现了Altair可视化库。经过几周的实验后，我停止使用Matplotlib，因为Altair似乎能以更少的努力制作出更漂亮的图表。最近，我一直在使用Plotly，并发现它与Altair有类似的优点。

注意：我不再是Matplotlib的常规用户，因此可能存在更好的方法来完成某些事情。然而，我采用的这些方法来自官方文档。

带有颜色组的散点图

在这个例子中，我们将制作一个关于泰坦尼克号数据集的散点图。散点图的x轴表示乘客的（对数）年龄，y轴表示乘客支付的（对数）票价。我们将根据乘客乘坐的舱位等级对点进行着色。我们更一般地将不同的乘客舱位等级称为组。

Matplotlib

我们首先使用Matplotlib来完成这个任务。在Matplotlib中，主要的挑战在于我们必须：

• 为不同的组传递一个颜色列表
• 遍历各个组，分别为每个组添加数据和标签

我们使用partition_by方法来遍历各个组。当我们传递as_dict=True参数时，我们得到一个字典，该字典将组键（即乘客等级）映射到组的DataFrame。这意味着我们既可以使用组键作为图例中的标签，又可以获得数据。我们使用标准的Python方式，通过.items方法遍历这个字典。

import polars as pl
import matplotlib.pyplot as plt

df = pl.read_csv("titanic.csv")
fig, ax = plt.subplots(figsize=(6,6))
# 三种乘客等级的颜色列表
colours = ['tab:blue', 'tab:red','tab:green']
# 遍历组键并使用partition_by对DataFrame进行分组
for idx,(passenger_class,passenger_class_df) in enumerate(
    df.partition_by("Pclass",as_dict=True).items()
):
    # 获取该组的颜色
    color = colours[idx]
    # 将这组数据添加到轴上
    ax.scatter(
        x=passenger_class_df["Age"].log(),
        y=passenger_class_df["Fare"].log(),
        c=color, 
        label=passenger_class,
    )
# 添加元数据
ax.legend()
ax.grid(True)
ax.title.set_text("Log Age vs Log Fare by Passenger class")
ax.set_xlabel("Log Age")
ax.set_ylabel("Log Fare")
plt.show()

使用df.partition_by的这种策略也适用于其他Matplotlib图表类型，如多色时间序列图表。

总的来说，实现遍历各个组的循环感觉像是很多工作。我还发现，用于添加元数据的方法名称并不直观——例如，我们使用 ax.title.set_text 来设置标题，但使用 ax.set_xlabel 来设置X轴标签。

Plotly

现在我们使用 Plotly（通过 Plotly Express API）来创建这个相同的图表。使用 Plotly，我们只需将颜色列传递给它，而无需遍历各个组。我们还可以将轴标签和标题作为参数传递给散点图函数。

需要注意的一点是，我们需要将颜色Pclass列转换为字符串数据类型（pl.Utf8），以便 Plotly 知道这些数据是分类数据而不是数值数据。

import plotly.express as px

px.scatter(
    x=df["Age"].log(),
    y=df["Fare"].log(),
    # 将Pclass转换为字符串
    color=df["Pclass"].cast(pl.Utf8),
    labels = {
        "x":"Log Age",
        "y":"Log Fare",
        "color":"Survived"
    },
    title="Log Age vs Log Fare by Passenger class",
    height=600
)

我认为使用 Plotly 确实方便多了。Plotly 的其他优势在于：：

• 该API在不同类型的图表之间相对一致
• 在 Jupyter 中，图表默认具有交互式提示框（tooltips）

结论

是一个强大的绘图工具。然而，如果你只需要标准的图表类型，那么它可能超出了你的需求。当我制作这类图表时，我使用 Plotly 或 Altair。Altair 需要 Pandas DataFrame 作为输入，但我在 Polars 中完成所有操作，然后在将数据传递给图表时调用 df.to_pandas()。

我认为Matplotlib的主要用途是当你需要对画布进行精细控制时。例如，如果你需要在科学论文中安排多个非标准图表。否则，我会说像Plotly这样的工具通过减少管理图表细节的时间来增加你的数据分析速度。