Python的matplotlib与MATLAB的对比小demo:haitao:"囧"字图: MATLAB与Python的语法对比zhuanlan.zhihu.com
总体来说, Python的matplotlib与MATLAB是比较接近的, 但是在3D绘图上, 比MATLAB要差.
3D绘图上, 我还没有找到与MATLAB接近的Python绘图库.
做统计图的话, Python的seaborn完爆MATLAB.
简单的语句, 就可以生成高颜值的统计图, 举几个例子:
合并聚类图:
先利用hierarchically-clustered算法, 对行和列分别进行了重排, 然后绘制热度图
直观上的表现为, 将原先的雪花状(没有信号的电视机)的热度图变成了规律性比较强的热度图(大致上分成了若干个小矩阵)
注意, 行号与列号都不是原先的顺序了.
分组经验累计概率图:
jointplot:
jointplot: 同时画三张图, 第一张: 两个变量之间的关系, 第2, 3张分别为两个变量的分布
分组概率密度图:
回归图:
虽然函数名看起来是做回归,但是也要注意到它也能做二分类。同时,既能做线性的能做非线性的。
类别变量的直方图:
类似于histogram, 都是计数, 区别在于: countplot根据某个分类变量进行计数, 而histogram是根据连续变量进行计数(将连续变量离散化)
蜂群图:
类似于stripplot, 经过了一定的处理, 不会有重合, 而且看起来更规整.
pairplot:
适合于高维数据, 画出变量两两之间的关系, 以及变量各自的分布.
默认情况下, 只会画出数值类型的特征, 其他类型的特征会自动过滤掉.
占比图:
pointplot:
相比boxplot, 更加简化了. 只显示均值与置信区间(或者标准差).
和plt.errorbar类似, 区别在于plt.errorbar上下表示标准差, 而pointplot默认是置信区间, 但也可以设置成标准差.
violinplot:
很方便看到数据的分布(kde)
总结:
1 MATLAB在三维绘图上有优势.
2 统计图上Python的seaborn的更有优势.
3 matplotlib大致上等价于MATLAB的二维绘图.