Polars简明基础教程十三：可视化(三)

 （示例中用到的csv数据文件可在CSDN 免费下载：“泰坦尼克号生还者数据集”）：

import polars as pl

import hvplot as hv
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
import altair as alt
import vegafusion as vf

csv_file = r"..\data\titanic.csv"
df = pl.read_csv(csv_file)

passenger_class_counts_df = (
    df['pclass']
    .value_counts()
    .sort("pclass")
)

直方图

我们可以从表达式中制作直方图

p = df.select("fare").plot.hist()
hv.show(p)

或者从Series中。在这个例子中，我们设置了箱体的数量

p = df["fare"].plot.hist(bins=20)
hv.show(p)

直接使用外部库绘图

我们还可以直接将Polars的DataFrame传递给外部库。

Matplotlib

我们可以直接将passenger_class_counts_df的列传递给Matplotlib

有时会遇到这个图表和下面的Seaborn图表无法渲染的问题，可以尝试增加“plt.show()”方法试试。

plt.bar(
    x=passenger_class_counts_df["pclass"],
    height=passenger_class_counts_df["count"]
)

plt.show()

请注意，在Polars中pclass列是一个整数列，但图表中的x轴是浮点轴。为了使x轴显示为分类整数轴，我们将整数转换为字符串

passenger_class_counts_string_column_df = (
    passenger_class_counts_df
    .with_columns(
        pl.col("pclass").cast(pl.Utf8)
    )
)

plt.bar(
    x=passenger_class_counts_string_column_df["pclass"],
    height=passenger_class_counts_string_column_df["count"]
)

plt.show()

Matplotlib没有直接支持Polars。但是，Matplotlib可以接受Polars的Series，因为它只需要可以通过标准Python方法（Series支持的方法）遍历的序列类型对象。

Seaborn

我们可以将Polars的DataFrame传递给Seaborn来绘制许多图表。请注意，Seaborn通常会在内部将数据复制到Pandas，因为它大量使用了Pandas特有的功能，如索引。如果DataFrame很大，您可能只想传递绘图所需的列，以避免整个DataFrame都被复制！

sns.barplot(
    passenger_class_counts_df,
    x="pclass",
    y="count",
    color='green'
)

plt.show()

一些更复杂的Seaborn图表也可以直接接受 Polars 的 DataFrame，如 sns.scatterplot 或sns.jointplot。在这个例子中，我们根据乘客等级对年龄（对数）和票价（对数）进行联合绘图

sns.jointplot(
    data=(
        df
        .with_columns(
            [
                pl.col(pl.Float64).log(),
                pl.col("pclass").cast(pl.Utf8)
            ]
        )
    ),
    x="age",
    y="fare",
    hue="pclass",
)

plt.show()

Plotly

我们可以直接将DataFrame传递给Plotly。

请注意，我们再次使用带有字符串列的DataFrame以获取正确的输出（忽略Plotly内部可能产生的任何Pandas警告）

另外，在pycharm中运行代码时有时可能在浏览器中显示不了图像，可以尝试重启浏览器试试。

fig = px.bar(
    passenger_class_counts_string_column_df,
    x="pclass",
    y="count",
    color="pclass",
    width=400
)

fig.show()

Polars简明基础教程系列

Polars简明基础教程十四：可视化(四)

Polars简明基础教程十三：可视化(三)

Polars简明基础教程十二：可视化(二)

Polars简明基础教程十一：可视化(一)

Polars简明基础教程十：Numpy和Pandas的相互转换（2）

Polars简明基础教程九：Numpy和Pandas的相互转换（1）

Polars简明基础教程八：Series 和 DataFrame 以及它们之间的转换_B

Polars简明基础教程七：Series 和 DataFrame 以及它们之间的转换_A

Polars简明基础教程六：什么是Polars的“DataFrame（数据框）_下”

Polars简明基础教程五：什么是Polars的“DataFrame（数据框）_上”

Polars简明基础教程四：懒惰模式 2：评估查询

Polars简明基础教程三：懒惰模式 1：引入懒惰模式（续）

Polars简明基础教程二：懒惰模式 1：引入懒惰模式

Polars简明基础教程一：Polars快速入门