seaborn 徹底入門！Pythonを使って手軽で綺麗なデータ可視化８連発
データの可視化はなぜ必要なのでしょうか。それは、そのデータを生み出している事象をより正確に理解したり、機械学習での予測に用いる際に、使うべきデータを適切に選んだりするためです。そのためにはまず、データを可視化することによって、データの大まかな特徴をつかんだり、データ同士の相関関係を知ることが必要なのです。 さて、Pythonでデータを可視化する際には、まず、Pandasでデータを集計・加工します。その上で、matplotlib（マットプロットリブ）や今回ご紹介するseaborn（シーボーン）というライブラリで可視化を行います。seabornは特に、手軽に美しく可視化ができるライブラリなので、本稿でseabornがいかに魅力的なライブラリであるかを学びましょう。 seabornの特徴 seabornとは、Pythonのデータ可視化ライブラリで、同じPythonの可視化ライブラリであるmatp
ExcelのPythonJupyter Notebook
ExcelのPythonJupyter Notebook JupyterをMicrosoftExcelに埋め込み、VBAの代わりにPythonを記述します 以前は、ExcelとPython JupyterNotebooksの間の「どちらか/または」の選択でした。PyXLL-Jupyterパッケージの導入により、両方を並べて使用できるようになりました。 この記事では、Excel内で実行されるJupyterNotebookをセットアップする方法を紹介します。2つの間でデータを共有し、ExcelワークブックからJupyterノートブックに記述されたPython関数を呼び出すこともできます。 入門 まず、ExcelでPythonコードを実行するには、PyXLLアドインが必要です。PyXLLアドインを使用すると、PythonをExcelに統合し、VBAの代わりにPythonを使用できます。PyXLL
データサイエンティストとして読んで役立った本たち@2020-07｜だみ〜
2016年10月に未経験・新人データサイエンティストで雇ってもらいました。当時はまだ業界が牧歌的だったのと、比較的書類上のスペックが高い若者だったのもあり、運良く拾ってもらえたのでした。今だと100％受かってないです。 そんな私が今までで読んだ本の中で、役に立った本をつらつら書いていきます。 現代の若者がどんどん優秀になっているので、これくらいでいまんとこいっぱしのデータサイエンティスト（@ビジネスサイド）になれるんだなあという基準を述べようかと思いました。何年か後に振り返りたいですね。 もちろん、これが誰かの学習の役に立てばと思っています。 ちなみに、アフィリエイト入れてないので気にせず買っていってください。 数学無難に解析学と線形代数学を勉強しておくといいと思っています。
matplotlib.pyplot.imshow — Matplotlib 3.9.0 documentation
matplotlib.pyplot.imshow# matplotlib.pyplot.imshow(X, cmap=None, norm=None, *, aspect=None, interpolation=None, alpha=None, vmin=None, vmax=None, origin=None, extent=None, interpolation_stage=None, filternorm=True, filterrad=4.0, resample=None, url=None, data=None, **kwargs)[source]# Display data as an image, i.e., on a 2D regular raster. The input may either be actual RGB(A) data, or 2D scalar da
matplotlib.pyplot.subplot — Matplotlib 3.9.0 documentation
matplotlib.pyplot.subplot# matplotlib.pyplot.subplot(*args, **kwargs)[source]# Add an Axes to the current figure or retrieve an existing Axes. This is a wrapper of Figure.add_subplot which provides additional behavior when working with the implicit API (see the notes section). Call signatures: subplot(nrows, ncols, index, **kwargs) subplot(pos, **kwargs) subplot(**kwargs) subplot(ax) Parameters: *
Spectrogram — Matplotlib 3.9.0 documentation
import matplotlib.pyplot as plt import numpy as np # Fixing random state for reproducibility np.random.seed(19680801) dt = 0.0005 t = np.arange(0.0, 20.5, dt) s1 = np.sin(2 * np.pi * 100 * t) s2 = 2 * np.sin(2 * np.pi * 400 * t) # create a transient "chirp" s2[t <= 10] = s2[12 <= t] = 0 # add some noise into the mix nse = 0.01 * np.random.random(size=len(t)) x = s1 + s2 + nse # the signal NFFT = 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
GitHub - matplotlib/pytest-mpl: A pytest plugin to facilitate image comparison for Matplotlib figures
https://matplotlib.org/stable/tutorials/introductory/images.html
https://matplotlib.org/stable/tutorials/colors/colormaps.html
matplotlib.colors.Colormap — Matplotlib 3.9.0 documentation
matplotlib.pyplot.subplots — Matplotlib 3.9.0 documentation
matplotlib.pyplot.xlabel — Matplotlib 3.9.0 documentation
3D plots as subplots — Matplotlib 3.9.0 documentation
pandas.DataFrame.boxplot — pandas 2.2.2 documentation
Chart visualization — pandas 2.2.2 documentation
Cookbook — pandas 2.2.2 documentation
matplotlib.pyplot.hist — Matplotlib 3.9.0 documentation
matplotlib.pyplot.xscale — Matplotlib 3.9.0 documentation
matplotlib.pyplot — Matplotlib 3.5.2 documentation
Python機械学習プログラミング 達人データサイエンティストによる理論と実践 (impress top gear) : Sebastian Raschka, 株式会社クイープ, 福島真太朗 : 本 : Amazon.co.jp
