はじめに ネタタイトルすみません笑 軽い記事です。 デフォルトのJupyter Notebookってちょっとダサいですよね。 ローカルのJupyter Notebookを簡単にカッコよくする方法を紹介します。 jupyterthemesをインストールする ターミナルを開き、以下のコマンドでjupyterthemesをインストール
本連載では、プログラミングの基本は理解していて、より実践的なデータ解析に取り組みたい方を対象に、スクリプト言語によるデータ解析の実践を解説します。スクリプト言語のなかでも特にデータ解析に役立つライブラリや環境が整っているPythonを取り上げ、対話型解析ツールやライブラリについて導入から解析の実行・可視化までを解説します。第2回では、Pythonによる探索的データ解析を解説します。まず対話的環境による探索的データ解析について確認し、Jupyter Notebookを使ったデータ解析の実行・可視化までの手順を解説します。 対象読者 Pythonの基本的な文法を理解しておりデータ解析のスキルアップに取り組みたい サンプルの動作確認環境 MacOS 10.13 Anaconda 5.1 Python 3.6 Jupyter Notebook 5.4 探索的データ解析の流れを確認 まず対話型環境に
We are proud to announce the beta release series of JupyterLab, the next-generation web-based interface for Project Jupyter. tl;dr: JupyterLab is ready for daily use (installation, documentation, try it with Binder) JupyterLab is an interactive development environment for working with notebooks, code, and data.The Evolution of the Jupyter NotebookProject Jupyter exists to develop open-source softw
今年も野球は終わりですね*1...こんにちは,野球の人です. このエントリーは,PyCon JP 2017で発表した内容の続きであり, 前回のエントリーの続きでもあります.*2 Scrapyでスクレイピング&SQLite3に保存したデータを, Jupyter pandas matplotlib で分析と可視化をしてみましょう. 3行でまとめると Jupyter本(以下,jupyterbookと略す)はいいぞ!Pythonでデータを操る人すべての必読書やぞ! pandasのread_sqlとwhere,groupbyで簡単な野球統計分析ができる 率系の指標(打率・出塁率・長打率・OPS)のHistogramで大雑把な打撃の傾向がつかめる 対象の読者 Pythonでデータ分析・可視化をされたい方 前回のエントリーの続きで野球データを使った分析をしたい方 jupyterbookの感想や実際の利用
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
処理を実行中です
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