Python-visualisointikirjaston valinta : kirjallisuuskatsaus vertailevaan tutkimukseen

Abstract

Python on suosituin datatieteilijöiden käyttämä ohjelmointikieli, ja sille on olemassa runsaasti erilaisia datan visualisointikirjastoja. Tässä tutkielmassa tarkastellaan, mitkä tekijät vaikuttavat eniten datatieteilijöiden tekemiin kirjastovalintoihin ja vertaillaan neljää eri Pythonin visualisointikirjastoa näihin tekijöihin perustuen. Tutkimusmenetelmänä on kirjallisuuskatsaus, jossa on painotettu tuoretta ja vertaisarvioitua tutkimusta. Yksi syy Pythonin suosioon datatieteissä on sen laaja kirjastovalikoima. Tässä tutkielmassa keskitytään arvioimaan ainoastaan yleiskäyttöisiä visualisointikirjastoja, joista on julkaistu riittävästi vertailevaa tutkimusta. Näitä kirjastoja ovat Matplotlib, Seaborn, Plotly ja Bokeh. Vertailuun valitut ominaisuudet perustuvat siihen, mitkä tekijät ovat tutkitusti datatieteilijöille tärkeimpiä valintaa tehdessään. Näistä tekijöistä tässä tutkielmassa tarkastellaan käytettävyyttä, yhteisön aktiivisuutta ja käyttötarkoitusta. Tutkielmassa käytettävyys rinnastetaan helppokäyttöisyyteen, ja sitä tarkastellaan lähinnä visualisointikirjastojen syntaksin näkökulmasta. Seabornin syntaksi on selvästi yksinkertaisin ja erityisesti aloittelijoille helppo opeteltava. Kirjaston ympärillä olevan yhteisön aktiivisuus vaikuttaa oleellisesti siihen, kuinka helppo kirjaston käyttöä on opetella ja kuinka paljon käyttäjille on tarjolla vertaistukea. Aktiivisin yhteisö on Matplotlibillä ja Bokehilla, Plotlyn yhteisö puolestaan on vahvimmassa kasvussa. Suurin valikoima eri käyttötarkoituksiin sopivia kaavioita löytyy Plotlystä, mutta myös Matplotlibin ja Seabornin valikoima on runsas. Bokehissa kaaviovalikoimaa on merkittävästi vähemmän, mutta kuitenkin monipuolisesti eri tarkoituksiin. Interaktiivisten kaavioiden tekoon soveltuvat parhaiten Plotly ja Bokeh. Tutkimuksessa havaittiin, ettei ole yhtä vahvinta kirjastoa, joka soveltuisi parhaiten kaikkiin tarkoituksiin ja kaikille käyttäjille. Jokaisella tarkastelluista kirjastoista on omat vahvuutensa, ja lopullinen valinta riippuu siitä, mitä ominaisuuksia kukin käyttäjä haluaa priorisoida.