流行 Python 数据分析库 Pandas 中的绘图功能一直是迅速绘制图表的首选之一。但是，其可用的可视化效果总是十分粗略，实用有余、美观不足。
笔者常用 Pandas 的绘图功能快速地执行一些可视的数据探索，但在介绍数据洞察时，我会使用“更美观”的绘图库(如 Plotly 或 Bokeh )来重做可视化。
自最新的 Pandas 版本0.25.3发布后，无需这样做了，现在我们可以使用第三方可视化库作为 Pandas 绘图功能的后端。Plotly是一款基于 web 实现交互式可视化的流行Python库，其最近发布了 Pandas绘图后端。
来看看如何使用 Plotly 和 Bokeh 后端创建更丰富的可视化效果。
使用不同的后端
想要激活绘图功能的不同后端需在导入 pandas 后，添加此行代码：
- pd.options.plotting.backend = 'plotly'
当前可用的后端有：
- Plotly
- Holoviews
- Matplotlib
- Pandas _bokeh
- Hyplot
Plotly后端
Plotly是一个 Python库，其支持丰富的交互式可视化效果。Plotly包的好处之一在于它是在库的 Javascript 版本之上构建的，这意味着图表会基于Web，可以显示为 HTML 文件或嵌入到基于Python的Web应用程序中。用户还可以将可视化内容下载为高质量的图像文件，以便在文档或论文中使用。
下面来浏览一些Plotly作为Pandas绘图后端的快速示例。
如果还没有安装Plotly ，则需要使用pip intsall plotly来安装。如果是在Jupyterlab中使用 Plotly ，则需要额外执行几个安装步骤来显示可视化效果。首先，安装IPywaidgets：
- pipenv install jupyterlab " ipywidgets>=7.5"
- pip install jupyterlab "ipywidgets>=7.5"
然后运行以下命令以安装Plotly扩展：
- jupyter labextension install jupyterlab-plotly@4.8.1
为了说明绘图后端的用法，使用openml.org名为“wine(葡萄酒)”的数据集。
- import pandas as pd
- import numpy as np
- from sklearn.datasets import fetch_openml
- pd.options.plotting.backend ='plotly'
- X,y =fetch_openml("wine", version=1, as_frame=True, return_X_y=True)
- data = pd.concat([X,y], axis=1)
- data.head()
该数据集由各类葡萄酒的多个特征和相应的标签组成。下图显示了数据集的前几行。
