Matplotlib = простота использования, Gnuplot = (немного лучшая) производительность
Я знаю, что этот пост старый и ответил, но я проходил мимо и хотел поставить свои два цента. Вот мой вывод: если у вас небольшой набор данных, вы должны использовать Matplotlib. Это проще и выглядит лучше. Однако, если вам действительно нужна производительность, вы можете использовать Gnuplot. Я добавил некоторый код, чтобы протестировать его на вашей машине и убедиться, что он действительно имеет значение (это не реальный тест производительности, но он должен дать первое представление).
Следующий график представляет требуемое время (в секундах) для:
- График случайного рассеяния
- Сохранить график в png-файле
Конфигурация:
- gnuplot: 5.2.2
- gnuplot-py: 1,8
- matplotlib: 2.1.2
Я помню, что разрыв в производительности был намного больше при работе на старом компьютере с более старыми версиями библиотек (разница ~ 30 секунд для большого разброса графика).
Более того, как уже упоминалось в комментариях, вы можете получить эквивалентное качество графиков. Но вам придется потратить на это больше пота, чтобы сделать это с Gnuplot.
Вот код для генерации графика , если вы хотите попробовать его на своем компьютере:
# -*- 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()