Polars简明基础教程十二：可视化(二)

设置绘图后端

我们可以使用 hv.extension 更改绘图后端。但是，我们不在此处运行此单元格，因为它会导致下面的 Matplotlib/Seaborn 图表无法渲染。

注释：

hvPlot 利用 HoloViews 库来构建图表，并且可以使用多个后端进行渲染，包括 Bokeh（默认）和 Matplotlib。

hv.extension 是一个函数，用于设置 hvPlot 的绘图后端。当你使用 hv.extension 指定一个后端时，比如 Bokeh 或 Matplotlib，hvPlot 将会使用这个后端来渲染所有后续的图表。

然而，在 Jupyter Notebook 或类似的环境中，当你设置了一个特定的后端，如 Bokeh，然后尝试渲染一个依赖于不同后端（如 Matplotlib）的图表时，后一个图表可能不会正确显示，因为它试图使用已经被设置为 Bokeh 的环境来渲染。这是因为 Jupyter Notebook 的输出环境被配置为了 Bokeh，而不再是 Matplotlib。

如果在某个点上设置后端为 Bokeh，那么接下来使用 Matplotlib 或 Seaborn（基于 Matplotlib 的绘图库）绘制的图表可能不会显示，除非你重新设置或重置后端。

为了避免这个问题，你可以在使用 hvPlot 之前或之后单独运行设置后端的代码，或者在不同的会话或内核中处理不同的后端。这确保了每个后端都在其适当的环境中运行，不会相互干扰。如果你在一个脚本中需要使用多种后端，你可能需要手动切换后端，或者使用独立的绘图区域来确保兼容性。

 hv.extension('matplotlib')

可用的后端包括：

Bokeh
Plotly
Matplotlib

可用的绘图类型

.plot 方法可用的绘图类型将随着时间的推移而发展。我们可以通过在 df.plot 上使用 Python 的 dir 函数来打印当前可用的方法列表，从而查看当前的可用列表。

[el for el in dir(df.plot) if not el.startswith("_") ]area
bar
barh
bivariate
box
dataset
density
errorbars
explorer
heatmap
hexbin
hist
kde
labels
line
ohlc
paths
points
polygons
scatter
step
table
vectorfield
violin

我们将在下面演示更多这些内容

折线图

我们创建一个简单的时间序列 DataFrame 来制作折线图

p = (pl.DataFrame({"time":[0,1,2,3,4],"val":[0,1,2,3,4],}).plot.line(x="time",y="val")
)hv.show(p)

要制作多线图，你可以：

指定一列作为x轴维度，然后将所有其他数值列分别绘制为不同的线条
将列名列表传递给 y

因此，无论是否在此处注释掉 y 行，我们都会得到相同的图表。

p = (pl.DataFrame({"time":[0,1,2,3,4],"val":[0.0,1,2,3,4],"vals2":[10.0,11,12,13,14]}).plot.line(x="time",y=["val","vals2"])
)hv.show(p)

蜡烛图

OHLC 是一种有用的图表类型，用于可视化股票走势。

默认情况下，OHLC 会假定索引或第一个日期时间列应映射到 x 轴，而前四个非日期时间列分别对应于 O（开盘价）、H（最高价）、L（最低价）和 C（收盘价）组件。

因此，默认调用 ohlc 相当于：

df.plot.ohlc('date', ['open', 'low', 'high', 'close'], grid=True)

我们现在来画一个简单的蜡烛图：

import polars as pl
import hvplot as hvdata = [  ## 字段为：time, open, high,low,close(1., 10, 13, 5, 11),(2., 13, 17, 9, 12),(3., 13, 14, 11, 13),(4., 14, 15, 5, 11),(5., 15, 19, 8, 12),(6., 9, 15, 8, 10),
]
df = pl.DataFrame(data,schema=['time','open','high','low','close'],orient="row")
p = df.plot.ohlc('time',['open','high','low','close'])
hv.show(p)