Matplotlib против ggplot2: что использовать?

Двумя наиболее популярными библиотеками визуализации данных во всей науке о данных являются ggplot2 и Matplotlib .

Библиотека ggplot2 используется в языке статистического программирования R, а Matplotlib — в Python.

Хотя обе библиотеки позволяют создавать настраиваемые визуализации данных, ggplot2 обычно позволяет делать это с меньшим количеством строк кода по сравнению с Matplotlib.

Чтобы проиллюстрировать этот момент, мы покажем, как создавать одинаковые типы диаграмм с использованием обеих библиотек.

Линейные графики: ggplot2 против Matplotlib

Следующий код показывает, как создать линейную диаграмму с помощью 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 ')

А следующий код показывает, как создать ту же линейную диаграмму с помощью 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 ') 

В этом примере количество строк кода, необходимых для создания каждого графика, примерно одинаково для ggplot2 и Matplotlib.

Диаграммы рассеяния: ggplot2 против Matplotlib

Следующий код показывает, как создать диаграмму рассеяния в ggplot2 , в которой точки раскрашены по категориям:

 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 ) 

А следующий код показывает, как создать ту же диаграмму рассеяния с помощью 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 ')

Обратите внимание, что нам пришлось использовать гораздо больше строк кода в Matplotlib, чтобы создать тот же график, что и ggplot2.

Гистограммы: ggplot2 против Matplotlib

Следующий код показывает, как создать гистограмму в 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 ') 

А следующий код показывает, как создать аналогичную гистограмму с помощью 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 ') 

И снова версия Matplotlib требует больше строк кода, чем ggplot2.

Заключение

ggplot2 и Matplotlib позволяют создавать настраиваемые визуализации данных, но ggplot2 имеет тенденцию использовать меньше кода.

Часто предпочтение между ggplot2 и Matplotlib просто зависит от языка программирования, который вы используете для анализа данных.

Люди, использующие Python, как правило, используют Matplotlib, потому что они могут выполнять анализ данных и создавать визуализации данных, используя один язык программирования.

И наоборот, люди, использующие R, как правило, используют ggplot2, поскольку он позволяет им выполнять весь анализ данных и визуализацию на одном языке программирования.