Matplotlib vs ggplot2: quale dovresti usare?

Due delle librerie di visualizzazione dei dati più popolari in tutta la scienza dei dati sono ggplot2 e Matplotlib .

La libreria ggplot2 viene utilizzata nel linguaggio di programmazione statistica R mentre Matplotlib viene utilizzata in Python.

Sebbene entrambe le librerie consentano di creare visualizzazioni di dati altamente personalizzate, ggplot2 generalmente consente di farlo con meno righe di codice rispetto a Matplotlib.

Per illustrare questo punto, mostreremo come creare gli stessi tipi di grafici utilizzando entrambe le librerie.

Grafici a linee: ggplot2 vs Matplotlib

Il codice seguente mostra come creare un grafico a linee utilizzando ggplot2 :

 library (ggplot2)

#create data frame
df <- data. frame (day=c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10),
                 sales=c(2, 4, 5, 8, 6, 12, 15, 19, 15, 22))

#create line chart
ggplot(df, aes(x=day, y=sales)) +
  geom_line(size= 1.2 , col=' purple ') +
  ggtitle(' Sales by Day ') +
  xlab(' Day ') +
  ylab(' Sales ')

E il codice seguente mostra come creare lo stesso grafico a linee utilizzando Matplotlib :

 import pandas as pd
import matplotlib. pyplot as plt 

#createDataFrame
df = pd. DataFrame ({' day ': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
                   ' sales ': [2, 4, 5, 8, 6, 12, 15, 19, 15, 22]})

#create line chart
plt. plot (df. day , df. sales , color=' purple ')
plt. title (' Sales by Day ', loc=' left ')
plt. ylabel (' Sales ')
plt. xlabel (' Day ') 

Per questo esempio, il numero di righe di codice necessarie per generare ogni grafico è approssimativamente lo stesso tra ggplot2 e Matplotlib.

Grafici a dispersione: ggplot2 contro Matplotlib

Il codice seguente mostra come creare un grafico a dispersione in ggplot2 in cui i punti sono colorati per categoria:

 library (ggplot2)

#create data frame
df <- data. frame (team=c('A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'),
                 assists=c(1, 2, 2, 4, 5, 7, 8, 10),
                 points=c(4, 6, 10, 8, 12, 15, 22, 28))

#create scatterplot
ggplot(df, aes(x=assists, y=points)) +
  geom_point(aes(col=team), size= 3 ) 

E il codice seguente mostra come creare lo stesso grafico a dispersione utilizzando Matplotlib :

 import pandas as pd
import matplotlib. pyplot as plt 

#createDataFrame
df = pd. DataFrame ({' team ': ['A', 'A', 'A', 'A', 'B', 'B', 'B', 'B'],
                   ' assists ': [1, 2, 2, 4, 5, 7, 8, 10],
                   ' points ': [4, 6, 10, 8, 12, 15, 22, 28]})

#define colors to use
color_list = [] 
for x in df[' team ']: 
    if x == ' A ': color_list. append (' #F8766D ') 
    else : color_list. append (' #00BFC4 ') 

#create scatterplot
plt. scatter (df. assists , df. points , c=color_list)
plt. ylabel (' points ')
plt. xlabel (' assists ')

Tieni presente che abbiamo dovuto utilizzare molte più righe di codice in Matplotlib per generare lo stesso grafico di ggplot2.

Istogrammi: ggplot2 vs Matplotlib

Il codice seguente mostra come creare un istogramma in ggplot2 :

 library (ggplot2)

#create data frame
df <- data. frame (x=c(2, 2, 4, 4, 4, 5, 5, 6, 7, 7, 8, 8,
                     10, 11, 11, 11, 12, 13, 14, 14))

#create scatterplot
ggplot(df, aes(x=x)) +
  geom_histogram(bins= 6 , fill=' red ', color=' black ') +
  ggtitle(' My Histogram ') 

E il codice seguente mostra come creare un istogramma simile utilizzando Matplotlib :

 import pandas as pd
import matplotlib. pyplot as plt 

#createDataFrame
df = pd. DataFrame ({' x ': [2, 2, 4, 4, 4, 5, 5, 6, 7, 7, 8, 8,
                         10, 11, 11, 11, 12, 13, 14, 14]})

#create histogram
plt. hist (df[' x '], bins= 6 , color=' red ', ec=' black ')
plt. title (' My Histogram ', loc=' left ') 
plt. xlabel (' x ') 
plt. ylabel (' Count ') 

Ancora una volta la versione Matplotlib richiede più righe di codice rispetto a ggplot2.

Conclusione

ggplot2 e Matplotlib ti consentono di creare visualizzazioni di dati altamente personalizzabili, ma ggplot2 tende a utilizzare meno codice.

Spesso la preferenza tra ggplot2 e Matplotlib dipende semplicemente dal linguaggio di programmazione utilizzato per l’analisi dei dati.

Le persone che utilizzano Python tendono a utilizzare Matplotlib perché possono eseguire l’analisi dei dati e creare visualizzazioni di dati utilizzando un unico linguaggio di programmazione.

Al contrario, le persone che utilizzano R tendono a utilizzare ggplot2 perché consente loro di eseguire tutte le analisi e visualizzazioni dei dati in un unico linguaggio di programmazione.