Plotly.py 中非Pandas数据源混合列名与Series的绘图问题解析

在数据可视化领域，Plotly.py是一个功能强大的Python库，而Polars则是近年来兴起的高性能DataFrame库。本文将深入分析Plotly.py在处理非Pandas数据源（特别是Polars）时，当参数混合列名和Series对象时出现的绘图问题。

问题现象

当使用Plotly Express的sunburst图时，如果传入一个Polars DataFrame，并且在path参数中混合使用列名和Series对象，例如：

path = [data['total'], "regions", "sectors", "vendors"]

会导致TypeError异常，提示"unhashable type: 'Series'"。然而，同样的操作在使用纯列名列表或Pandas DataFrame时却能正常工作。

技术背景

Plotly.py在处理DataFrame时，内部会执行列选择优化（column selection pushdown），这是为了提高性能而设计的一种机制。它会预先确定需要哪些列，然后只从数据源中提取这些列，而不是处理整个DataFrame。

问题根源

问题的核心在于Plotly.py的列选择逻辑实现方式。在_core.py文件中，构建DataFrame时会检查参数中的列名是否存在于DataFrame的列中：

necessary_columns.update(i for i in args[field] if i in columns)

当传入的是Polars Series时，尝试将其作为字典键进行哈希操作会导致失败，因为Polars Series对象是不可哈希的。而Pandas的Series在这种情况下能够正常工作，是因为Pandas和Plotly之间有更紧密的集成处理。

解决方案方向

解决这一问题有几种潜在方向：

1. 类型检查与转换：在列选择逻辑前添加类型检查，将Series对象转换为列名
2. 统一处理接口：通过Narwhals等适配层统一不同DataFrame库的接口
3. 条件性优化：对于支持完整API的数据源跳过列选择优化

最佳实践建议

对于使用Plotly.py与Polars等非Pandas数据源的用户，建议：

1. 尽量使用纯列名字符串列表作为参数
2. 如需引用列，可以先提取列名为字符串列表
3. 考虑在复杂场景下先将Polars DataFrame转换为Pandas DataFrame

总结

这个问题揭示了不同数据操作库之间接口兼容性的重要性。Plotly.py最初设计时主要考虑Pandas的集成，随着更多高性能DataFrame库的出现，需要更通用的接口设计。理解这些底层机制有助于开发者更好地利用这些工具，并避免常见的陷阱。

对于库维护者而言，这个问题也提示了需要考虑更广泛的数据源兼容性，可能通过中间抽象层来实现对不同DataFrame库的统一支持。