从 Pandas 到 Polars 四十四：Polars 和 数据可视化库Seaborn

在我对Matplotlib感到沮丧并发表帖子时，我的朋友让我试试Seaborn库。近年来我一直在使用Altair，因此并没有过多考虑Seaborn。然而，Seaborn的新界面给我留下了深刻印象，并且我很高兴地发现，Seaborn将直接接受Polars的DataFrame来进行许多图表绘制。

(注：Seaborn 是一个基于Matplotlib的数据可视化库，它提供了一个高级界面来绘制有吸引力的和有意义的统计图形。Seaborn使复杂图形的绘制变得简单，并且提供了许多内置的主题和调色板来定制图形的外观。Seaborn非常适合数据探索和可视化，特别是当您想从数据中提取有意义的模式或趋势时。)

在这篇文章中，我将探讨如何将Polars的DataFrame传递给Seaborn以进行一些高级图表的绘制，并分享一些使用Seaborn可视化Polars DataFrame的其他技巧。

联合图（Jointplot）

Seaborn中的高级可视化之一就是联合图（jointplot）。这是一种两列的散点图，但每个列的分布也会被绘制出来。此外，我们还可以添加一个色调字段（hue field），通过第三列来为这些图着色。

在这个例子中，我使用了泰坦尼克号数据集，对乘客年龄和支付票价两列进行了联合图绘制，并根据乘客等级列进行了颜色区分。

import polars as plimport seaborn as sns

df = pl.read_csv("titanic.csv")
sns.jointplot(
    data=(
        df
        .with_columns(
            [   
                # 对Age和Fare的浮点型列取对数    
                pl.col(pl.Float64).log(),
                # 将passenger_class的列从当前的数据类型转换为字符串类型                
                pl.col("Pclass").cast(pl.Utf8)
            ]
        )
    ),
    x="Age",
    y="Fare",
    hue="Pclass",)

数值还是分类？

像Plotly或Seaborn这样的绘图库的一个共同特点是，它们会根据数据的dtype（数据类型）推断数据应该如何呈现。这可能会导致图表以令人困惑的方式显示！

在这个例子中，我们想根据乘客等级（Pclass）列来着色。这一列的值是1、2或3，所以它有一个整数dtype。然而，从绘图的角度来看，这一列实际上是一种有序的分类列，而不是数值列。然而，由于整数dtype，Seaborn和Plotly会将其视为数值列，并尝试将其视为定量数据。

为了解决这个问题，我们必须将Pclass列转换为字符串dtype。我们在上面的示例中通过表达式pl.col("Pclass").cast(pl.Utf8)来实现这一点。然后，图表就会按照我们期望的方式显示。

将Polars DataFrame传递给Seaborn会导致在内部复制你的数据。为了避免不必要的复制，我建议使用select函数只复制你的图表所需的列的子集，例如df.select(["Age","Fare","Pclass"]).to_pandas()。

       往期热门文章：

从 Pandas 到 Polars 二十六：在Polars中，不要遍历列

从 Pandas 到 Polars 二十三：如果你的数据已经排序，Polars可以为你提供助力

从 Pandas 到 Polars 十八：数据科学 2025，对未来几年内数据科学领域发展的预测或展望

从 Pandas 到 Polars 十三：流式处理的关键参数

从 Pandas 到 Polars 十：“Polars 表达式“是什么？

从 Pandas 到 Polars 六：在 Polars 中流式处理大型数据集

从 Pandas 到 Polars 0：理解Polars嵌套列类型