gnuplot vs Matplotlib

Question

Ho iniziato su una grafica Tomcat registra utilizzando gnuplot-py , in particolare la correlazione particolari richieste con allocazione della memoria e garbage collection. Qual 'é saggezza collettiva su gnuplot-py vs Matplotlib per Python grafica. Ci sono migliori librerie di grafici là fuori che non ho sentito parlare?

Le mie considerazioni generali sono:

• Mentre gnuplot ha una grande quantità di documentazione, gnuplot-py non lo fa. Quanto è buono è la comunità documentazione per Matplotlib?
• Ci sono cose che gnuplot può fare, ma gnuplot-py non può?
• La Matplotlib ha un miglior supporto Python?
• sono ci sono grandi insetti esposizione che arresta in entrambi? Contrattempi?
• Attualmente Gnuplot è Rappresentazione grafica 100.000 di punti di, sto pensando di ridimensionamento questo fino a milioni. Dovrei aspettare problemi? In che Matplotlib gestire questo?
• Facilità di utilizzo, i tempi di consegna per gnuplot vs Matplotlib?
• Come sarebbe facile per il codice porta esistente gnuplot-py a matplotlib?

Come vorresti affrontare questo compito?

Answer 1

• È possibile controllare documentazione del matplotlib te . Trovo abbastanza completo.
• Ho poca esperienza con gnuplot-py, quindi non posso dire se si può fare tutto può gnuplot.
• Matplotlib è scritto e progettato specificamente per Python, quindi si adatta molto bene con idiomi Python e così via.
• Matplotlib è un progetto maturo. NASA lo utilizza per alcune cose.
• ho tramato decine di milioni di punti in Matplotlib, e sembrava ancora bella e ha risposto rapidamente.
• Al di là del modo orientato agli oggetti di utilizzare Matplotlib è l'interfaccia pylab, il che rende tracciando così facile come è in MATLAB - vale a dire, molto facile
.
• Per quanto riguarda il porting da gnuplot-py a matplotlib, non ho idea.

Answer 2

Matplotlib = facilità d'uso, Gnuplot = (un po 'meglio) prestazioni

---

So che questo post è vecchio e ha risposto ma ero di passaggio e voluto mettere i miei due centesimi. Ecco la mia conclusione: se si dispone di un non-so-grande insieme di dati, è necessario utilizzare Matplotlib. E 'più facile e sembra migliore. Tuttavia, se si davvero hanno bisogno di prestazioni, è possibile utilizzare Gnuplot. Ho aggiunto un certo codice di provarlo sulla vostra macchina e vedere di persona se si fa la differenza (questo non è un punto di riferimento di prestazioni reali, ma dovrebbe dare una prima idea).

Il grafico rappresenta il tempo desiderato (in secondi):

• Tracciare la curva dispersione casuale
• Salvare il grafico in un file PNG

Configurazione:

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

Mi ricordo il divario di prestazioni di essere molto più ampio quando si esegue su un vecchio computer con le versioni precedenti delle librerie (~ 30 secondi la differenza per un grande appezzamento dispersione).

Inoltre, come menzionate nelle osservazioni, è possibile ottenere la qualità equivalente di trame. Ma si dovrà mettere più sudore in quella di farlo con Gnuplot.

---

Ecco il codice per generare il grafico se si vuole fare un tentativo sulla vostra macchina :

# -*- 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()

Answer 3

matplotlib ha abbastanza buona documentazione, e sembra essere abbastanza stabile. Le trame che produce sono belle - "qualità pubblicazione" di sicuro. Grazie alla buona documentazione e la quantità di codice di esempio disponibili on-line, è facile da imparare e da usare, e non credo che avrete troppi problemi a tradurre il codice gnuplot ad esso. Dopo tutto, matplotlib viene utilizzato dagli scienziati per tracciare i dati e di elaborare relazioni -. In modo che include tutto il necessario

Una notevole vantaggio di matplotlib è che si può integrarlo con Python GUI ( wxPython e PyQt , almeno) e creare applicazioni GUI con belle trame.

Answer 4

Dopo aver usato GNUplot (con il mio Python involucro) per un lungo periodo di tempo (e in realtà non gradire l'uscita 80-looking), ho appena iniziato avere uno sguardo matplotlib. Devo dire che mi piace molto, l'uscita sembra davvero bello e la documentazione sono di alta qualità e ampia (anche se questo vale anche per GNUplot). L'unica cosa che ho trascorso le età alla ricerca di nella documentazione matplotlib è come scrivere un file immagine, piuttosto che sullo schermo! Per fortuna questa pagina spiega abbastanza bene: http: // www .dalkescientific.com / scritture / diario / archive / 2005/04/23 / matplotlib_without_gui.html

Answer 5

Ho giocato con entrambi, e mi piace Matplotlib molto meglio in termini di integrazione Python, le opzioni, e la qualità dei grafici / rustico.

Answer 6

Cosa può fare Gnuplot Gnuplot-Py può fare troppo. Poiché Gnuplot può essere mosso da tubo (pgnuplot). Gnuplot-Py è solo un sottile strato per esso. Quindi non è necessario preoccuparsi di esso.

Perché preferisco gnuplot forse molti formato di output (PDF, PS e lattice), che è molto utile nei documenti, e l'output predefinito sembra più scientifico-style:)

Answer 7

A proposito di prestazioni e tracciando un gran numero di punti:. Ho confrontato questo per un grafico a dispersione di 500.000 punti caricati da un file di testo e salvati in una png, utilizzando gnuplot * e matplotlib

500.000 points scatterplot
gnuplot:      5.171 s
matplotlib: 230.693 s

ho corso solo una volta ed i risultati non sembrano identici, ma penso che l'idea è chiara:. Gnuplot vince a prestazioni

* Ho usato gnuplot direttamente dal momento che il gnuplotpy demo non funziona out-of-the-box per me. Matplotlib vince a integrazione Python.