Infographic Maker Trusted By 11 Million Users - Piktochart
Meet the next generation of infographics Introducing Piktochart’s latest AI-powered infographic maker. Turn any idea into a professionally designed infographic in seconds, tailored to your brand’s voice. Created for simplicity. Learn the platform in less than an hour. Tools like Photoshop & Illustrator require months of training before you can make a graphic that looks professional. With Piktochar
[JS]便利なのが登場！実装はかなり簡単なのに、さまざまなチャートやグラフを実装できるスクリプト -ApexCharts
チャートやグラフを実装するのは面倒、と思われがちですが、そんな人にはこのスクリプトをお勧めします。 div要素一つと外部ファイルを一つ、あとはグラフのデータを設定するだけで、さまざまなチャートやグラフが簡単に実装できてしまう単体のJavaScriptライブラリを紹介します。 レスポンシブ対応で、アニメーションにも対応、カラー変更やグラデーションやパターンにも対応している優れものです。 ApexCharts ApexCharts -GitHub ApexChartsの特徴 ApexChartsのデモ ApexChartsの使い方 ApexChartsの特徴 ApexChartsはシンプルなAPIを使用して、インタラクティブなチャートやビジュアライゼーションを作成するためのモダンJavaScriptのチャート作成ライブラリです。 MITライセンスで、個人でも商用でも無料で利用できます。 レスポ
![[JS]便利なのが登場！実装はかなり簡単なのに、さまざまなチャートやグラフを実装できるスクリプト -ApexCharts](https://cdn-ak-scissors.b.st-hatena.com/image/square/b793c623eb3187e192351b9611f75aea908bbf46/height=288;version=1;width=512/https%3A%2F%2Fcoliss.com%2Fwp-content%2Fuploads-201803%2F2018080101-02.png)
東京の夏は着実に｢暑く･長く｣なっている
各セルをタップまたはマウスホバーすることで詳細な気温データを確認できます。 画像をダウンロード（png） データをダウンロード（JSON） このヒートマップは、夏期（６月から９月）の東京における過去140年間の日別平均気温を表したものだ。横軸は月、縦軸は年（1876年から2018年）を示している。つまり、ヒートマップの下に行くほど現代に近づく。それぞれのセルの色はその日の平均気温が色で表現されている。「18度未満」「18度以上20度未満」「20度以上22度未満」……「30度以上」と、２度刻みで青から黄緑・黄色を経て赤へと変わっていく。たとえば平均気温が20度なら黄緑、31度なら濃い赤となる。元データとなる日別の平均気温は気象庁のウェブページから入手した。ヒートマップの画像生成にはJavaScriptライブラリのP5.jsを用いている。 ヒートマップを見ると、夏の気温は1920年代から徐々に
XKCD-style plots in Matplotlib | Pythonic Perambulations
from IPython.display import Image Image('http://jakevdp.github.com/figures/xkcd_version.png') Sometimes when showing schematic plots, this is the type of figure I want to display. But drawing it by hand is a pain: I'd rather just use matplotlib. The problem is, matplotlib is a bit too precise. Attempting to duplicate this figure in matplotlib leads to something like this: It just doesn't have the
手書き風グラフを支える技術 -Matplotlibのxkcd関数とFIRフィルタ- - drilldripper’s blog
Pythonのグラフ描画ライブラリのMatplotlibには、手書き風のグラフを描画するための関数xkcd()があります。以下のソースコードを実行すると、手書き風のsinグラフが描画されます。 from matplotlib import pyplot as plt import numpy as np plt.xkcd() # この関数を実行すると、次のグラフが手書き風グラフになる plt.plot(np.sin(np.linspace(0, 10))) plt.title('Handwriting sin graph') plt.show() 温かみがあっていい感じですね。 このような手書き風グラフは、関数の名前にも使われているxkcdというサイトの画像をリスペクトしたものです。 xkcd: Color Pattern 理系的なネタが多く、エンジニアの間でもよく話題になります。また海外
C++のコードから簡単にmatplotlibを使ってグラフを作成する方法 - MyEnigma
Pythonデータサイエンスハンドブック ―Jupyter、NumPy、pandas、Matplotlib、scikit-learnを使ったデータ分析、機械学習posted with カエレバJake VanderPlas オライリージャパン 2018-05-26 Amazonで探す楽天市場で探すYahooショッピングで探す 目次 目次 はじめに C++からmatplotlibのグラフ描画機能を使うヘッダライブラリ: matplotlib-cpp コンパイル方法 Makefile CMake matplotlib-cppの使い方 標準的なPlot関数の使い方 複数のプロットをする グラフの凡例の表示 グラフの表示範囲を設定する 軸のタイトルやグラフの名前を設定する グラフを保存する アニメーションを表示する方法 最後に 参考資料 MyEnigma Supporters はじめに C++で複
ソーベルフィルタでMNISTデータの画像のエッジ検出 - 人工知能・ロボティクス・and so on 工学系ブログ
今回は空間フィルタの一つで、エッジ検出に用いられるソーベルフィルタを使ってみたいと思います。 1. ソーベルフィルタ ソーベルフシルタは空間フィルタの一種で使用されるもので、以下のものが代表的です。 ぱっと行列を示されるのもあれなので、順に簡単に説明します。 1.1 エッジ検出と微分 我々人間も画像でエッジを検出するときには色の変化の度合いを見ますよね。コンピュータにおいても同様で、画素と画素の間における画素値の差の大きさを見るのです。例えば以下行列を画像にしてみます。 >>> ex = np.array([[0,0,0,0,0], [1,1,1,1,1], [1,2,3,4,5], [5,4,3,2,1], [1,1,1,1,1], [0,0,0,0,0]]) >>> plt.imshow(ex, cmap=plt.cm.gray_r, interpolation='nearest')
[Python]Matplotlibで複数のグラフを描画する方法 - Qiita
import matplotlib.pyplot as plt import numpy as np t = np.linspace(-np.pi, np.pi, 1000) x1 = np.sin(2*t) x2 = np.cos(2*t) fig, (axL, axR) = plt.subplots(ncols=2, figsize=(10,4)) axL.plot(t, x1, linewidth=2) axL.set_title('sin') axL.set_xlabel('t') axL.set_ylabel('x') axL.set_xlim(-np.pi, np.pi) axL.grid(True) axR.plot(t, x2, linewidth=2) axR.set_title('cos') axR.set_xlabel('t') axR.set_ylabel('x')
![[Python]Matplotlibで複数のグラフを描画する方法 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/9693c4c3a7640439dc9be790d00e9fc89eeeb033/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTkxNiZoPTMzNiZ0eHQ9JTVCUHl0aG9uJTVETWF0cGxvdGxpYiVFMyU4MSVBNyVFOCVBNCU4NyVFNiU5NSVCMCVFMyU4MSVBRSVFMyU4MiVCMCVFMyU4MyVBOSVFMyU4MyU5NSVFMyU4MiU5MiVFNiU4RiU4RiVFNyU5NCVCQiVFMyU4MSU5OSVFMyU4MiU4QiVFNiU5NiVCOSVFNiVCMyU5NSZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1jbGlwPWVsbGlwc2lzJnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9YzZlZTIwMDRkZGJlYjNlMTM5NmNlZDg2Zjk3ZWU3NDE%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwc3VwZXJzYWlha3VqaW4mdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTNhYWU4OGExODAwZGJlZjhjNzJjZDEzY2NiMDk5NjE2%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D3a0f829f996383f9a0b5e91d2995499d)
Realtime tSNE Visualizations with TensorFlow.js
Posted by Nicola Pezzotti, Software Engineering Intern, Google Zürich In recent years, the t-distributed Stochastic Neighbor Embedding (tSNE) algorithm has become one of the most used and insightful techniques for exploratory data analysis of high-dimensional data. Used to interpret deep neural network outputs in tools such as the TensorFlow Embedding Projector and TensorBoard, a powerful feature
高次元のデータを可視化するt-SNEの効果的な使い方
t-SNEは、高次元のデータを可視化する手法としては、非常に便利ですが、時々不可解な挙動をしたり、誤解を招くような可視化をすることがあります。 シンプルなデータを可視化して動作の仕組みを理解することで、t-SNEのより効果的な使い方を学ぶことができます。 t-SNEは、高次元のデータを調査するための手法として、2008年にvan der MaatenとHintonによって発表 [1] された人気の手法です。 この技術は、数百または数千次元のデータですら無理やり2次元の「マップ」に落とし込むという、ほとんど魔法のような能力を備えているために、機械学習の分野で幅広く普及しています。 このような印象を持っている方が多いのですが、こういった捉え方をしていると誤解を招くこともあります。 この記事の目的は、よくある共通の誤解を解くためでもあります。 t-SNEで可視化できることと、できないことを説明す
VIZBIキーノート1: 「データ可視化の原則」 - Qiita
VIZBIとは？ VIZBI Poster 2015: http://www.vizbi.org/2015/ 生物学というのは専門性の高い分野なので、他分野の人々が参入するにはかなりのハードルがあります。しかし実験技術の飛躍的な進歩により、そこで生み出されるデータは大量かつ多岐にわたり、分野外の人々にも興味深い話題が多い分野でもあります。生物学者自身も、生命という複雑なシステムを理解するための新たな手法やツールを計算機科学などの分野から求めており、そう言った人々が集う場として6年前から始まったVIZBI (Visualizing Biological Data)と言う学会があります。基本構成は一般的な学会と同じく、専門的な生物学の各トピックを掘り下げる発表とポスターセッションですが、そこにアートの発表や、著名なツールを学ぶハンズオン形式のチュートリアル、可視化分野での著名人を招いてのキーノ
Seabornで相関をヒートマップにする（行・列を並び替えながら） / Heatmap using Seaborn (order rows and columns as you like) - Qiita
Seabornで相関をヒートマップにする（行・列を並び替えながら） / Heatmap using Seaborn (order rows and columns as you like)PythonmatplotlibVisualizationseaborn やりたいこと / Purpose Seabornでヒートマップを描くとき、項目の並び順を自由にカスタマイズしたい。 You may want to order entries arbitrarily as you like when drawing a heatmap with seaborn. Here's how to do that. データ準備 / Data preparation はじめに元データを用意します。ここでは、三箇所の場所で四種類の動物を目撃した回数をデータにします。 Prepare a dataset to v
「データ視覚化のデザイン #1」をmatplotlibで実装する - Qiita
データ視覚化のいろはを無視したグラフはニュースや学術論文によく現れます。いろんな資料からかきあつめたり苦労して測定したデータ、あるいは自分の部署の成果をかっこよく見せたい気持ちはわかりますが、たいていの場合「よく見せる」という欲求は色の濫用や3D化などデザイン要素の足し算として現れがちです。結果としてよく見せたいデータがごちゃごちゃした印象になってしまい、メッセージを読み取りにくいだけでなく時に誤解を生む図に仕上がってしまっていることも多いでしょう。 「データ視覚化のいろは」とは書きましたが、自分は実際に体系的に学んだことがあるわけではなく、ウェブや論文などで目にした良い例と悪い例からぼんやりと「こうすべきなのかな」という指針を認識している程度です。そんな折に、UXやUIを突き詰めたサービスで有名なTHE GUILDの方がデータ視覚化に関するnote記事を公開しているのをみつけました。 デ
Smooth Pie Chart Transitions with D3.js – Chuck Grimmett
Hey, so this post is broken. I moved platforms and some of my old tutorials don’t play nicely with WordPress. I’m working on fixing them, but in the meantime you can view the old version here: https://cagrimmett-jekyll.s3.amazonaws.com/til/2016/08/27/d3-transitions.html Part 1: Let’s Make a Pie Chart with D3.js Part 2: Let’s Update a Pie Chart in Realtime with D3.js Part 3: Smooth Pie Chart Transi
D3.js v4/v5 アニメ―ション使い方 エフェクト一覧(transition, ease) – データビジュアライゼーション・ラボ
D3のアニメーション用API、transitionと一緒に用いるeaseを紹介します。D3でのアニメーションの設定は下記です。 d3.select("circle") .transition() .duration(750) .attr("cx", 500);この設定では、選択した”circle”がcx=500の位置に750ミリ秒かけて移動します。D3のメソッドeaseを用いるとエフェクトを変更することができます。 d3.select("circle") .transition() .duration(750) .ease(d3.easeBounceInOut) .attr("cx", 500);d3.easeBounceInOutはエフェクトを変化させるための関数で、次の種類が用意されています。サンプルとしてcircleに時間変化のアニメーションを、グラフに時間と変化量の関係を表示します
Gif rendering - SVG to GIF
(function(c){function a(b,d){if({}.hasOwnProperty.call(a.cache,b))return a.cache[b];var e=a.resolve(b);if(!e)throw new Error('Failed to resolve module '+b);var c={id:b,require:a,filename:b,exports:{},loaded:!1,parent:d,children:[]};d&&d.children.push(c);var f=b.slice(0,b.lastIndexOf('/')+1);return a.cache[b]=c.exports,e.call(c.exports,c,c.exports,f,b),c.loaded=!0,a.cache[b]=c.exports}a.modules={},
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
t-SNE Viewer
GitHub - vispy/vispy: Main repository for Vispy
more on slopegraphs — storytelling with data
Create beautiful test-driven data visualisations with D3.js | Heart Internet Blog – Focusing on all aspects of the web