數(shù)據(jù)可視化：Matplotlib vs ggplot2
作者 | Dario Rade?i??
編譯 | VK?
來(lái)源 | Towards Datas Science
轉(zhuǎn)自 | 磐創(chuàng)AI
2020年即將結(jié)束（終于），數(shù)據(jù)可視化再重要不過(guò)了。呈現(xiàn)一個(gè)看起來(lái)像5歲小孩的東西已經(jīng)不再是一個(gè)選擇，所以數(shù)據(jù)科學(xué)家需要一個(gè)有吸引力和簡(jiǎn)單易用的數(shù)據(jù)可視化庫(kù)。
今天我們將比較其中的兩個(gè)-Matplotlib和ggplot2。
為什么是這兩個(gè)？Matplotlib是我學(xué)習(xí)的第一個(gè)可視化庫(kù)。但最近我越來(lái)越喜歡R語(yǔ)言的ggplot2了，但是今天我們將在這兩個(gè)庫(kù)中重新創(chuàng)建五個(gè)相同的圖，看看代碼和美學(xué)方面的進(jìn)展。
數(shù)據(jù)呢？我們將使用兩個(gè)著名的數(shù)據(jù)集：mtcars和航空乘客。你可以通過(guò)導(dǎo)出CSV功能通過(guò)RStudio獲得第一個(gè)，第二個(gè)在這里可用：https://raw.githubusercontent.com/jbrownlee/Datasets/master/airline-passengers.csv
以下是R和Python的庫(kù)導(dǎo)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')
直方圖
我們使用直方圖來(lái)可視化給定變量的分布。這正是我們對(duì)mtcars數(shù)據(jù)集所做的——可視化MPG屬性的分布。
以下是R的代碼和結(jié)果：
ggplot(mtcars,?aes(x=mpg))?+?
??geom_histogram(bins=15,?fill='#087E8B',?color='#02454d')?+
??ggtitle('Histogram?of?MPG')?+?xlab('MPG')?+?ylab('Count')
Python也是這樣：
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');
默認(rèn)情況下兩者非常相似。即使我們需要編寫的代碼量也大致相同，所以很難在這里選擇最喜歡的代碼。我喜歡Python的x軸是從0開(kāi)始的，但在R中可以很容易地改變。另一方面，我喜歡R中沒(méi)有邊界，但這也是Python中易于實(shí)現(xiàn)的東西。
平局
條形圖
條形圖由不同高度的矩形組成，其中高度表示給定屬性段的值。我們將使用它們來(lái)比較不同數(shù)量的圓柱體（屬性cyl）的計(jì)數(shù)。
以下是R的代碼和結(jié)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也是一樣：
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');
毫無(wú)疑問(wèn)，R的代碼更整潔、更簡(jiǎn)單，因?yàn)镻ython需要手動(dòng)計(jì)算高度。從美學(xué)角度看，它們非常相似，但代碼我更喜歡R版。
獲勝者：ggplot2
散點(diǎn)圖
散點(diǎn)圖用于可視化兩個(gè)變量之間的關(guān)系。這樣做的目的是觀察第二個(gè)變量隨著第一個(gè)變量的變化（上升或下降）會(huì)發(fā)生什么。我們還可以通過(guò)對(duì)其他屬性值的點(diǎn)著色來(lái)為二維圖添加另一個(gè)“維度”。
我們將使用散點(diǎn)圖來(lái)可視化HP和MPG屬性之間的關(guān)系。
以下是R的代碼和結(jié)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也是一樣：
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');
代碼方面，這是R和ggplot2的明顯勝利。Matplotlib不提供一種簡(jiǎn)單的方法，通過(guò)第三個(gè)屬性給數(shù)據(jù)點(diǎn)上色，因此我們必須手動(dòng)執(zhí)行該步驟。尺寸也有點(diǎn)怪。
獲勝者：ggplot2
箱線圖
箱線圖用于通過(guò)四分位數(shù)可視化數(shù)據(jù)。它們通常會(huì)有線（胡須）從盒子里伸出來(lái)，這些線在上下四分位數(shù)之外顯示出變化。中間的線是中值。頂部或底部顯示的點(diǎn)被視為異常值。
我們將使用箱線圖，通過(guò)不同的CYL值來(lái)可視化MPG。
以下是R的代碼和結(jié)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也是一樣：
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]);
有一件事是立即可見(jiàn)的-Matplotlib需要大量的代碼來(lái)生成一個(gè)外觀不錯(cuò)的boxplot。ggplot2不是這樣。到目前為止，R是這里明顯的贏家。
獲勝者：ggplot2
折線圖
現(xiàn)在我們將從mtcars數(shù)據(jù)集轉(zhuǎn)移到airline passengers數(shù)據(jù)集。我們將使用它創(chuàng)建一個(gè)帶有日期格式的x軸的簡(jiǎn)單折線圖。這并不像聽(tīng)起來(lái)那么容易。
以下是R的代碼和結(jié)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也是一樣：
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');
從美學(xué)角度來(lái)看，這些圖表幾乎完全相同，但在代碼量方面，ggplot2再次擊敗Matplotlib。與Python相比，R在X軸顯示日期要容易得多。
獲勝者：ggplot2
結(jié)論
在我看來(lái)，ggplot2在簡(jiǎn)單性和數(shù)據(jù)可視化美觀方面是一個(gè)明顯的贏家。幾乎總是可以歸結(jié)為非常相似的3-5行代碼，而Python則不是這樣。
原文鏈接：https://towardsdatascience.com/matplotlib-vs-ggplot2-which-to-choose-for-2020-and-beyond-ced5e294bfdc
往期精彩：
【原創(chuàng)首發(fā)】機(jī)器學(xué)習(xí)公式推導(dǎo)與代碼實(shí)現(xiàn)30講.pdf
【原創(chuàng)首發(fā)】深度學(xué)習(xí)語(yǔ)義分割理論與實(shí)戰(zhàn)指南.pdf