Matplotlib = łatwość użycia, Gnuplot = (nieco lepsza) wydajność
Wiem, że ten post jest stary i odpowiedziałem, ale przechodziłem obok i chciałem włożyć swoje dwa centy. Oto mój wniosek: jeśli masz niezbyt duży zestaw danych, powinieneś użyć Matplotlib. Jest łatwiejsze i lepiej wygląda. Jeśli jednak naprawdę potrzebujesz wydajności, możesz użyć Gnuplot. Dodałem trochę kodu, aby przetestować go na twoim komputerze i przekonać się, czy robi to prawdziwą różnicę (nie jest to prawdziwy test wydajności, ale powinien dać pierwszy pomysł).
Poniższy wykres przedstawia wymagany czas (w sekundach) do:
- Sporządzić losowy wykres rozrzutu
- Zapisz wykres do pliku png
Konfiguracja:
- gnuplot: 5.2.2
- gnuplot-py: 1.8
- matplotlib: 2.1.2
Pamiętam, że różnica w wydajności jest znacznie większa podczas pracy na starszym komputerze ze starszymi wersjami bibliotek (różnica ~ 30 sekund w przypadku dużego wykresu punktowego).
Ponadto, jak wspomniano w komentarzach, można uzyskać podobną jakość działek. Ale będziesz musiał włożyć więcej potu, aby zrobić to z Gnuplot.
Oto kod do wygenerowania wykresu, jeśli chcesz wypróbować go na swoim komputerze:
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
g = Gnuplot.Gnuplot()
g("set terminal png size 640,480")
plt.clf()
for idx, val in enumerate(numberOfPoints):
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()
x = np.random.randint(sys.maxint, size=val)
y = np.random.randint(sys.maxint, size=val)
gdata = zip(x,y)
start = timer()
mPlotAndSave(x, y)
end = timer()
matplotlibTime.append(end - start)
start = timer()
gPlotAndSave(gdata, g)
end = timer()
gnuplotTime.append(end - start)
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()