关于人工智能:Matplotlib-vs-ggplot2

作者|Dario Radečić
编译|VK
起源|Towards Datas Science

2020年行将完结（终于），数据可视化再重要不过了。出现一个看起来像5岁小孩的货色曾经不再是一个抉择，所以数据科学家须要一个有吸引力和简略易用的数据可视化库。

明天咱们将比拟其中的两个-Matplotlib和ggplot2。

为什么是这两个？Matplotlib是我学习的第一个可视化库。但最近我越来越喜爱R语言的ggplot2了，然而明天咱们将在这两个库中从新创立五个雷同的图，看看代码和美学方面的停顿。

数据呢？咱们将应用两个驰名的数据集：mtcars和航空乘客。你能够通过导出CSV性能通过RStudio取得第一个，第二个在这里可用：https://raw.githubusercontent...

以下是R和Python的库导入：

R: library(ggplot2) Python: import pandas as pd import matplotlib.pyplot as plt import matplotlib.dates as mdates mtcars = pd.read_csv('mtcars.csv')

直方图

咱们应用直方图来可视化给定变量的散布。这正是咱们对mtcars数据集所做的——可视化MPG属性的散布。

以下是R的代码和后果：

ggplot(mtcars, aes(x=mpg)) +   geom_histogram(bins=15, fill='#087E8B', color='#02454d') +  ggtitle('Histogram of MPG') + xlab('MPG') + ylab('Count')

Python也是这样：

plt.figure(figsize=(12, 7)) plt.hist(mtcars['mpg'], bins=15, color='#087E8B', ec='#02454d')plt.title('Histogram of MPG') plt.xlabel('MPG') plt.ylabel('Count');

默认状况下两者十分类似。即便咱们须要编写的代码量也大致相同，所以很难在这里抉择最喜爱的代码。我喜爱Python的x轴是从0开始的，但在R中能够很容易地扭转。另一方面，我喜爱R中没有边界，但这也是Python中易于实现的货色。

平局

条形图

条形图由不同高度的矩形组成，其中高度示意给定属性段的值。咱们将应用它们来比拟不同数量的圆柱体（属性cyl）的计数。

以下是R的代码和后果：

ggplot(mtcars, aes(x=cyl)) +   geom_bar(fill='#087E8B', color='#02454d') +   scale_x_continuous(breaks=seq(min(mtcars$cyl), max(mtcars$cyl), by=2)) +   ggtitle('Bar chart of CYL') +   xlab('Number of cylinders') + ylab('Count')

Python也是一样：

bar_x = mtcars['cyl'].value_counts().index bar_height = mtcars['cyl'].value_counts().values plt.figure(figsize=(12, 7)) plt.bar(x=bar_x, height=bar_height, color='#087E8B', ec='#02454d') plt.xticks([4, 6, 8]) plt.title('Bar chart of CYL') plt.xlabel('Number of cylinders') plt.ylabel('Count');

毫无疑问，R的代码更整洁、更简略，因为Python须要手动计算高度。从美学角度看，它们十分类似，但代码我更喜爱R版。

获胜者：ggplot2

散点图

散点图用于可视化两个变量之间的关系。这样做的目标是察看第二个变量随着第一个变量的变动（回升或降落）会产生什么。咱们还能够通过对其余属性值的点着色来为二维图增加另一个“维度”。

咱们将应用散点图来可视化HP和MPG属性之间的关系。

以下是R的代码和后果：

ggplot(mtcars, aes(x=hp, y=mpg)) +   geom_point(aes(size=cyl, color=cyl)) +   ggtitle('Scatter plot of HP vs MPG') +   xlab('Horse power') + ylab('Miles per gallon')

Python也是一样：

colors = [] for val in mtcars['cyl']:     if val == 4: colors.append('#17314c')     elif val == 6: colors.append('#326b99')     else: colors.append('#54aef3') plt.figure(figsize=(12, 7)) plt.scatter(x=mtcars['hp'], y=mtcars['mpg'], s=mtcars['cyl'] * 20, c=colors) plt.title('Scatter plot of HP vs MPG') plt.xlabel('Horse power') plt.ylabel('Miles per gallon');

代码方面，这是R和ggplot2的显著胜利。Matplotlib不提供一种简略的办法，通过第三个属性给数据点上色，因而咱们必须手动执行该步骤。尺寸也有点怪。

获胜者：ggplot2

箱线图

箱线图用于通过四分位数可视化数据。它们通常会有线（胡须）从盒子里伸出来，这些线在高低四分位数之外显示出变动。两头的线是中值。顶部或底部显示的点被视为异样值。

咱们将应用箱线图，通过不同的CYL值来可视化MPG。

以下是R的代码和后果：

ggplot(mtcars, aes(x=as.factor(cyl), y=mpg)) +   geom_boxplot(fill='#087E8B', alpha=0.6) +   ggtitle('Boxplot of CYL vs MPG') +   xlab('Number of cylinders') + ylab('Miles per gallon')

Python也是一样：

boxplot_data = [     mtcars[mtcars['cyl'] == 4]['mpg'].tolist(),     mtcars[mtcars['cyl'] == 6]['mpg'].tolist(),     mtcars[mtcars['cyl'] == 8]['mpg'].tolist() ] fig = plt.figure(1, figsize=(12, 7)) ax = fig.add_subplot(111) bp = ax.boxplot(boxplot_data, patch_artist=True) for box in bp['boxes']:     box.set(facecolor='#087E8B', alpha=0.6, linewidth=2) for whisker in bp['whiskers']:     whisker.set(linewidth=2) for median in bp['medians']:     median.set(color='black', linewidth=3) ax.set_title('Boxplot of CYL vs MPG') ax.set_xlabel('Number of cylinders') ax.set_ylabel('Miles per galon') ax.set_xticklabels([4, 6, 8]);

有一件事是立刻可见的-Matplotlib须要大量的代码来生成一个外观不错的boxplot。ggplot2不是这样。到目前为止，R是这里显著的赢家。

获胜者：ggplot2

折线图

当初咱们将从mtcars数据集转移到airline passengers数据集。咱们将应用它创立一个带有日期格局的x轴的简略折线图。这并不像听起来那么容易。

以下是R的代码和后果：

ap <- read.csv('https://raw.githubusercontent.com/jbrownlee/Datasets/master/airline-passengers.csv') ap$Month <- as.Date(paste(ap$Month, '-01', sep='')) ggplot(ap, aes(x=Month, y=Passengers)) +   geom_line(size=1.5, color='#087E8B') +   scale_x_date(date_breaks='1 year', date_labels='%Y') +   ggtitle('Line chart of Airline passengers') +   xlab('Year') + ylab('Count')

Python也是一样：

ap = pd.read_csv('https://raw.githubusercontent.com/jbrownlee/Datasets/master/airline-passengers.csv') ap['Month'] = ap['Month'].apply(lambda x: pd.to_datetime(f'{x}-01')) fig = plt.figure(1, figsize=(12, 7)) ax = fig.add_subplot(111) line = ax.plot(ap['Month'], ap['Passengers'], lw=2.5, color='#087E8B') formatter = mdates.DateFormatter('%Y')ax.xaxis.set_major_formatter(formatter) locator = mdates.YearLocator() ax.xaxis.set_major_locator(locator) ax.set_title('Line chart of Airline passengers') ax.set_xlabel('Year') ax.set_ylabel('Count');

从美学角度来看，这些图表简直完全相同，但在代码量方面，ggplot2再次击败Matplotlib。与Python相比，R在X轴显示日期要容易得多。

获胜者：ggplot2

论断

在我看来，ggplot2在简略性和数据可视化好看方面是一个显著的赢家。简直总是能够归结为十分类似的3-5行代码，而Python则不是这样。

原文链接：https://towardsdatascience.co...

欢送关注磐创AI博客站：
http://panchuang.net/

sklearn机器学习中文官网文档：
http://sklearn123.com/

欢送关注磐创博客资源汇总站：
http://docs.panchuang.net/