Python pandas プロット機能を使いこなす - StatsFragments
pandas は可視化のための API を提供しており、折れ線グラフ、棒グラフといった基本的なプロットを簡易な API で利用することができる。一般的な使い方は公式ドキュメントに記載がある。 Visualization — pandas 0.17.1 documentation これらの機能は matplotlib に対する 薄い wrapper によって提供されている。ここでは pandas 側で一処理を加えることによって、ドキュメントに記載されているプロットより少し凝った出力を得る方法を書きたい。 補足 サンプルデータに対する見せ方として不適切なものがあるが、プロットの例ということでご容赦ください。 パッケージのインポート import matplotlib.pyplot as plt plt.style.use('ggplot') import matplotlib as mpl m
Pythonの可視化ツールはHoloViewsが標準になるかもしれない - Qiita
HoloViewsとは HoloViews は砕けた表現をすると、matplotlibやBokehなどの可視化ツールを使いやすくしたラッパです。 どのバックエンド(matplotlib, Bokehなど)を用いても統一されたコードかつ簡素な記述で可視化を実装することができます。 可視化にかかる学習コストは結構ばかにならないので、HoloViewsを使うことで「可視化のコードを書くことに時間を浪費するのではなく、本来のデータ分析などの業務に集中しましょう」といった感じのコンセプトのようです。 特にmatplotlibのシンタックスは難解なものが多いので、「もう少しシンプルにならないの？」と思っている方は多いのではないでしょうか。 バックエンド 下記の可視化ツールがバックエンドとして使えます。 matplotlib Bokeh Plotly(experimental) インストール conda
seaborn: statistical data visualization — seaborn 0.13.1 documentation
Seaborn is a Python data visualization library based on matplotlib. It provides a high-level interface for drawing attractive and informative statistical graphics. For a brief introduction to the ideas behind the library, you can read the introductory notes or the paper. Visit the installation page to see how you can download the package and get started with it. You can browse the example gallery
pythonで美しいグラフ描画 -seabornを使えばデータ分析と可視化が捗る その1 - Qiita
Pythonでのグラフ描画 Pythonチャートを描く場合の定番は「matplotlib」ですが、その見た目のやや野暮ったい感じと、表記法のややこしさが指摘されています。 そこで、この記事ではMatplotlibの機能をより美しく、またより簡単に実現するためのラッパー的存在である、「Seaborn」の使い方を取り上げます。 ◆ Overview of Python Visualization Tools http://pbpython.com/visualization-tools-1.html 上記の記事ではMatplotlibとSeabornについて下記のように書かれています。 matplotlibについて Matplotlib is the grandfather of python visualization packages. It is extremely powerful b
Welcome to Bokeh — Bokeh documentation
Bokeh documentation# Bokeh is a Python library for creating interactive visualizations for modern web browsers. It helps you build beautiful graphics, ranging from simple plots to complex dashboards with streaming datasets. With Bokeh, you can create JavaScript-powered visualizations without writing any JavaScript yourself. Finding the right documentation resources# Bokeh’s documentation consists
1.4. NumPy：数値データの作成と操作 — Scipy lecture notes
配列：科学技術計算の基本的な道具 並んだ離散的なデータ の頻繁な操作： 実験やシミュレーションでの離散化された時間 測定機器に記録された信号 画像のピクセル Numpy モジュールは以下を可能にします. 上のようなデータの集まりの作成を1度ですませる データ配列のバッチ処理を実現（要素に対するループは不要） データ配列 := numpy.ndarray >>> import numpy as np >>> a = np.array([0, 1, 2]) >>> a array([0, 1, 2]) >>> print a [0 1 2] >>> b = np.array([[0., 1.], [2., 3.]]) >>> b array([[ 0., 1.], [ 2., 3.]])
networkxとpython-twitterでネットワーク描く
twitterのネットワークをグラフにして書き出してみる。python-twitterとnetworkxを使用。日本語のフォントの指定の仕方(pylabのほうだと思う)がわからなかったので日本語は表示されていない。 from pylab import * from networkx import * import twitter myname= USERNAME mypassword = PASSWORD api = twitter.Api(username=myname,password=mypassword) friends = api.GetFriends() G = XGraph() for friend in friends: G.add_edge(myname,friend.name) for friend in friends[-3:]: for user in api.Ge
Tutorial — python-igraph v0.6 documentation
Tutorial¶ This chapter contains a short overview of igraph‘s capabilities. It is highly recommended to read it at least once if you are new to igraph. I assume that you have already installed igraph; if you did not, see Installing igraph first. Familiarity with the Python language is also assumed; if this is the first time you are trying to use Python, there are many good Python tutorials on the I
Python：決定木の作成 : 分析技術とビジネスインテリジェンス
Pythonを用いたデータマイニング事例として決定木の作成をまとめる。 これまでの事例は、ある変数とある変数の一対関係が中心だった。それに対し本手法は、ある目的変数に対し複数の説明変数がどのように組み合わさった関係があるのかを探索するための手法である。 決定木の強み•弱みは以下のページが参考になる。 http://scikit-learn.org/stable/modules/tree.html 上記ページはpythonのデータマイニングライブラリのscikit-learnのもので、 機能の多様さでいえばこれが一番良さそうに感じる。 ただし、結果の可視化方法まで含めた調査がスムースにいかなかったため、 機能の数はやや劣るが内容は十分にあるOrangeライブラリを用いた例を紹介したい。 scikit-learnは精度勝負の時には自由度と種類があるので良いと思う。 また可視化の際、Grap
Peekaboo
Tldr; You probably shouldn’t be citing the "No Free Lunch" Theorem by Wolpert . If you’ve cited it somewhere, you might have used it to support the wrong conclusion. What it actually (vaguely) says is “You can’t learn from data without making assumptions”. The paper on the “No Free Lunch Theorem” , actually called " The Lack of A Priori Distinctions Between Learning Algorithms " is one of these pa
Welcome to igraph's new home
igraph – The network analysis package igraph is a collection of network analysis tools with the emphasis on efficiency, portability and ease of use. igraph is open source and free. igraph can be programmed in R, Python, Mathematica and C/C++. igraph R package python-igraph IGraph/M igraph C library python-igraph 0.9.6, the fourth bugfix release of the 0.9 series, has arrived. The preferred way of
Python：データマイニング事例 : 分析技術とビジネスインテリジェンス
これからの記事の作成目標を立てるため、これまでの記事を整理した。これまではデータが収集されていることを前提に、それをどう処理するかといった観点から記事を書いてきた。これからは分析手法に加え、そもそもどうやってデータを収集するか、そして分析処理した結果をどう見せるかといった点も深めていきたい。また当然、分析はインテリジェンス活動の手段であって目的ではない。分析を目的化せず、より良い意思決定のツールとするための考察も深めたい。 データ操作と基礎統計 連続変数の基礎統計 散布図の作成 ヒストグラムの作成 Radviz Parallel Coordinates 質的変数の基礎統計 カイ２乗検定と可視化 データ操作Tips（作成予定） 統計解析とデータマイニング事例 回帰分析 回帰分析（ステップワイズ法） 回帰分析（予測値の付与） ロジスティック回帰分析 ポアソン回帰 一般化線形モデル（作成予定
sage/graph/集合知プログラミング３章 - PukiWiki
2011/07/15からのアクセス回数 4720 ここで紹介したSageワークシートは、以下のURLからダウンロードできます。 http://www15191ue.sakura.ne.jp:8000/home/pub/18/ また、Sageのサーバを公開しているサイト（http://www.sagenb.org/, http://www15191ue.sakura.ne.jp:8000/）にユーザIDを作成することで、ダウンロードしたワークシートを アップロードし、実行したり、変更していろいろ動きを試すことができます。 Sageでグラフを再現してみよう：集合知プログラミング第３章 † この企画は、雑誌や教科書にでているグラフをSageで再現し、 グラフの意味を理解すると共にSageの使い方をマスターすることを目的としています。 今回は、 集合知プログラミング の第３章にできてきます似たブロ
Graphviz
[GUIs] [external bindings (web, programming language)] [generators] [network and web engineering] [AI and natural language] [software engineering] [bio-informatics] [document preparation] [social networking] [third-party distributions] These are some representative external resources. The list includes tools that complement Graphviz, such as graph generators, postprocessors and interactive viewers
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
Adjust space between tick labels a in matplotlib
Arthur Buxton: Ten Years, Ten Artists