gnuplot vs Matplotlib

Matplotlib = łatwość obsługi, Gnuplot = (nieco lepsza) wydajność

Wiem, że ten post jest stary i odpowiedział, ale przechodziłem i chciałem umieścić moje dwa grosze. Oto mój wniosek: jeśli masz niezbyt duży zestaw danych, powinieneś użyć Matplotlib. Jest łatwiej i wygląda lepiej. Jeśli jednak naprawdę potrzebujesz wydajności, możesz użyć Gnuplot. Dodałem trochę kodu, aby przetestować go na komputerze i zobaczyć na własne oczy, czy robi to prawdziwą różnicę (to nie jest prawdziwy benchmark wydajności, ale powinien dać pierwszy pomysł).

Poniższy wykres przedstawia wymagany czas (w sekundach) do:

• narysuj losowy wykres punktowy
• Zapisz wykres do pliku png

Konfiguracja:

• gnuplot: 5.2.2
• gnuplot-py: 1.8
• matplotlib: 2.1.2

Pamiętam, że luka w wydajności była znacznie większa podczas pracy na starszym komputerze ze starszymi wersjami bibliotek (Różnica~30 sekund dla dużego wykresu punktowego).

Ponadto, jak wspomniano w komentarzach, można uzyskać równoważną jakość działek. Ale będziesz musiał włożyć w to więcej potu, aby to zrobić z Gnuplot.

Oto kod do wygenerowania wykresu, jeśli chcesz wypróbować go na swojej maszynie:

# -*- coding: utf-8 -*-

from timeit import default_timer as timer
import matplotlib.pyplot as plt
import Gnuplot, Gnuplot.funcutils
import numpy as np
import sys
import os

def mPlotAndSave(x, y):
    plt.scatter(x, y)
    plt.savefig('mtmp.png')
    plt.clf()

def gPlotAndSave(data, g):
    g("set output 'gtmp.png'")
    g.plot(data)
    g("clear")

def cleanup():
    try:
        os.remove('gtmp.png')
    except OSError:
        pass
    try:
        os.remove('mtmp.png')
    except OSError:
        pass

begin = 2
end = 500000
step = 10000
numberOfPoints = range(begin, end, step)
n = len(numberOfPoints)
gnuplotTime = []
matplotlibTime = []
progressBarWidth = 30

# Init Gnuplot
g = Gnuplot.Gnuplot()
g("set terminal png size 640,480")

# Init matplotlib to avoid a peak in the beginning
plt.clf()

for idx, val in enumerate(numberOfPoints):
    # Print a nice progress bar (crucial)
    sys.stdout.write('\r')
    progress = (idx+1)*progressBarWidth/n
    bar = "▕" + "▇"*progress + "▁"*(progressBarWidth-progress) + "▏" + str(idx) + "/" + str(n-1)
    sys.stdout.write(bar)
    sys.stdout.flush()

    # Generate random data
    x = np.random.randint(sys.maxint, size=val)  
    y = np.random.randint(sys.maxint, size=val)
    gdata = zip(x,y)

    # Generate string call to a matplotlib plot and save, call it and save execution time
    start = timer()
    mPlotAndSave(x, y)
    end = timer()
    matplotlibTime.append(end - start)

    # Generate string call to a gnuplot plot and save, call it and save execution time
    start = timer()
    gPlotAndSave(gdata, g)
    end = timer()
    gnuplotTime.append(end - start)

    # Clean up the files
    cleanup()

del g
sys.stdout.write('\n')
plt.plot(numberOfPoints, gnuplotTime, label="gnuplot")
plt.plot(numberOfPoints, matplotlibTime, label="matplotlib")
plt.legend(loc='upper right')
plt.xlabel('Number of points in the scatter graph')
plt.ylabel('Execution time (s)')
plt.savefig('execution.png')
plt.show()

matplotlib ma całkiem dobrą dokumentację i wydaje się być dość stabilny. Działki, które produkuje są piękne - "jakość publikacji" na pewno. Ze względu na dobrą dokumentację i ilość przykładowego kodu dostępnego online, jest on łatwy do nauczenia się i użycia, I nie sądzę, że będziesz miał duże problemy z tłumaczeniem gnuplot kodu do niego. Wszakĺľe matplotlib jest uĺľywany przez naukowcăłw do wykreĺ " lania danych i przygotowywania raportăłw-wiÄ ™ c zawiera wszystko, czego siÄ ™ potrzebuje.

Jedną z zalet matplotlib jest że można zintegrować go z GUI Pythona (wxPython i PyQt, co najmniej) i stworzyć aplikację GUI z ładnymi wykresami.

Po długim używaniu GNUplot (z własnym opakowaniem Pythona) (i naprawdę nie podoba mi się wyjście z lat 80-tych), po prostu zacząłem przeglądać matplotlib. Muszę powiedzieć, że bardzo mi się podoba, wyjście wygląda naprawdę ładnie, a dokumenty są wysokiej jakości i obszerne (choć dotyczy to również GNUplot). Jedyną rzeczą, którą spędziłem wieki szukając w dokumentach matplotlib, jest to, jak pisać do pliku obrazu, a nie do ekranu! Na szczęście ta strona wyjaśnia to całkiem dobrze: http://www.dalkescientific.com/writings/diary/archive/2005/04/23/matplotlib_without_gui.html

Grałem z obydwoma, a Matplotlib znacznie bardziej podoba mi się pod względem integracji Pythona, opcji i jakości wykresów/wykresów.

Co potrafi Gnuplot Gnuplot-Py też potrafi. Ponieważ Gnuplot może być napędzany przez rurę (pgnuplot). Gnuplot-Py jest dla niego tylko cienką warstwą. Więc nie musisz się o to martwić.

Dlaczego wolę gnuplot może wiele formatów wyjściowych (PDF, PS i LaTex), Co jest bardzo przydatne w dokumentach, a domyślne wyjście wygląda bardziej naukowy Styl :)

O wydajności i wykreśleniu dużej liczby punktów: porównałem to dla punktu rozproszonego 500.000 punktów załadowanych z pliku tekstowego i zapisanych do png, używając gnuplot * i matplotlib.

500.000 points scatterplot
gnuplot:      5.171 s
matplotlib: 230.693 s

Uruchomiłem go tylko raz i wyniki nie wyglądają identycznie, ale myślę, że pomysł jest jasny: gnuplot wygrywa w wydajności.

* używałem gnuplot bezpośrednio, ponieważ demo gnuplotpy nie działa po wyjęciu z pudełka. Matplotlib wygrywa w integracji Pythona.