(Python編) 時系列データをサクッとSTLでトレンド・季節性に分解
幸か不幸か、ビジネス系のデータの多くは時系列データです。売上データもホームーページのアクセスログもセンサーデータも時系列データです。 時系列データを手にしたとき、どのようなデータなのか見てみたい、ということは多々あります。 多くの場合、折れ線グラフを描き傾向を掴む、ということをやります。 折れ線グラフを眺めると、トレンド（上昇傾向や下降傾向）や季節性などが見て取れるケースがあります。 そこで、サクッとトレンドや季節性などを掴む手法がSTL分解（Seasonal Decomposition Of Time Series By Loess）です。 STL分解（Seasonal Decomposition Of Time Series By Loess）を実施することで、元データをトレンド、季節性、残差に分解することができます。 元データ ＝ トレンド ＋ 季節性 ＋ 残差 STL分解（Seas
Matplotlibの日本語文字化けを解消する(Mac編) | ブログ一覧 | DATUM STUDIO株式会社
はじめにPythonでグラフを作成したい場合、グラフ描画ライブラリであるmatplotlibを利用するのが定石となっております。 しかしながら、matplotlibでグラフのタイトル、X軸、Y軸を日本語表記で設定した場合、文字化けが発生し結局英語表記で済ませていることが多いのではないでしょうか。 今回はmatplotlibでグラフを描画する際、グラフのタイトル、X軸、Y軸を日本語表記に指定したとしても文字化けが発生しない方法を2つ紹介します。 なお、今回紹介するのはmac、jupyter notebook環境下での設定方法です。ご留意ください。 実行環境 Python 3.6.5 matplotlib 3.3.4 jupyter notebook matplotlibのドキュメントサイト matplotlibで日本語の設定をしない状態でグラフを作成まずは、グラフの各ラベルを英語表記で指定し
【Python】matplotlibで日本語を使おう
matplotlibの設定ファイルを作成し、日本語を使えるようにしよう matplotlibの設定ファイルパスを確認します。 import matplotlib print(matplotlib.get_configdir()) ターミナルを起動して設定ファイルを作るフォルダまで移動します。 matplotlibの設定ファイルを移動したフォルダで作成します。 vi ./matplotlibrc INSERTモード([I])に切り替えて、以下を入力し保存([esc]+:wq)します。 （今回はMacにデフォルトでインストールされている「Hiragino sans」を指定します） font.family : Hiragino sans matplotlibのフォント設定確認 再度、以下を実行してみると作成したmatplotlibrcで指定したフォントになっているはずです。 import mat
seaborn.FacetGrid — seaborn 0.13.0 documentation
seaborn.FacetGrid# class seaborn.FacetGrid(data, *, row=None, col=None, hue=None, col_wrap=None, sharex=True, sharey=True, height=3, aspect=1, palette=None, row_order=None, col_order=None, hue_order=None, hue_kws=None, dropna=False, legend_out=True, despine=True, margin_titles=False, xlim=None, ylim=None, subplot_kws=None, gridspec_kws=None)# Multi-plot grid for plotting conditional relationships.
matplotlibやseabornのヒストグラムでビン幅をサクッとキレイに整える - Qiita
はじめに Icons8 Team ラベル別にデータの分布を確認するためヒストグラムを重ねてプロットすることは多いが、データ次第ではビン幅の違いが目立つケースがある。 TableauをはじめとしたBIツールを使っていても発生しないが、matplotlibやseabornは勝手に調整してくれないので自分で対応する必要がある。 方法 引数のbinsを利用する。 bins : int or sequence or str, optional matplotlib.pyplot.hist binsは整数値だけでなくsequenceも受け取れるので、 range関数に最大値最小値を指定して好みの分割数を設定するだけでいい。 import numpy as np import matplotlib.pyplot as plt # ラベルが2種類でデータの分布が異なるDataFrameを用意 df_1st
adjustText: matplotlib の散布図でラベルの重なりを自動調整 - Wizard Notes
問題点 matplotlib の散布図などのプロットの際に、各点にラベルを付けてプロットしたい場合、下の図のようにラベルが重なってしまうため、ラベル付きプロットを諦めることが多々ありました。 図1: 散布図 (Before) 解決方法 ラベルの配置を制御する方法を探していたら、adjustTextというモジュールと出会いました。 github.com なんとラベルの重なりを最小限にし、スマートに配置してくれるモジュールとのこと。早速使ってみました。 図2: adjustTextと適用した散布図（アロー無し） 重なりが最小限になり、かなり見やすくなりました！ さらに、アローを付けることもできます。 図3: adjustTextと適用した散布図（アロー付き さすがにプロットする点数が数百点ともなると処理に時間がかかる＆最適化しても重なってしまうため、50±30点くらいの時に使うのが良さそうです
Python matplotlib 時系列グラフ（時間軸の設定） - Qiita
はじめに 年末よりずっと忙しかったのですが、久しぶりに余裕ができて記事を書いています。 何年か前にやった仕事のフォローのため二週間の出張でマレーシアに来ています。お客さんに提出する報告書で久しぶりに時系列グラフを作成する必要があったので、その時調べたものをアップしたいと思います。（実はお客さん提出用グラフの時間軸はデフォルトで出してしまったのですが、提出後今後のために調べたものをアップしているのが本当のところです） 当方の環境は以下の通り。 MacBook Pro (Retina, 13-inch, Mid 2014) macOS MOjave Python 3.7.2 時間軸設定には以下のサイトを参考にしました。 https://stackoverflow.com/questions/17452179/not-write-out-all-dates-on-an-axis-matplotl
【Python】matplotlibによるグラフ描画時のColormapのカスタマイズ - Qiita
AdventarのPython Advent Calendar 2015 21日目の記事です。 Pythonでグラフを描く時、Matplotlibを使うと思います。また最近はSeabornというグラフを綺麗にしてくれるライブラリがあり、自分はそれを愛用しています。ただ、色をもっと自由に選びたい、設定したいという時に＋αでColormapのカスタマイズをすると便利です。今回はこれを紹介します。 準備 まずはいつもの一式インポートです。大体Anacondaにあるものですが、足りないものは pip install ＜入れたいライブラリ名＞で入れることができます。 import numpy as np import pandas as pd from sklearn import datasets import matplotlib.pyplot as plt import matplotlib.
color example code: colormaps_reference.py — Matplotlib 2.0.2 documentation
""" ================== Colormap reference ================== Reference for colormaps included with Matplotlib. This reference example shows all colormaps included with Matplotlib. Note that any colormap listed here can be reversed by appending "_r" (e.g., "pink_r"). These colormaps are divided into the following categories: Sequential: These colormaps are approximately monochromatic colormaps vary
「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
【機械学習】ディープラーニング フレームワークChainerを試しながら解説してみる。 - Qiita
今話題のDeep Learning(深層学習)フレームワーク、Chainerに手書き文字の判別を行うサンプルコードがあります。こちらを使って内容を少し解説する記事を書いてみたいと思います。 (本記事のコードの全文をGitHubにアップしました。[PC推奨]) とにかく、インストールがすごく簡単かつ、Pythonが書ければすぐに使うことができておすすめです！ Pythonに閉じてコードが書けるのもすごくいいですよね。 こんな感じのニューラルネットワークモデルを試してみる、という記事です。 主要な情報はこちらにあります。 Chainerのメインサイト ChainerのGitHubリポジトリ Chainerのチュートリアルとリファレンス 1. インストール まずは何はともあれインストールです。ChainerのGitHubに記載の"Requirements" ( https://github.co
SVM(RBFカーネル)のハイパーパラメータを変えると何が起こるの? - Qiita
概要 SVM(Support Vector Machine)は分類精度の高い機械学習の手法として知られています. SVMでより高い分類精度を得るには, ハイパーパラメータを訓練データから決定する必要があります. この記事では, RBFカーネル(Gaussian カーネル)を用いたSVMのハイパーパラメータを調整することで, 決定境界がどのように変化するのかを解説します. 決めるべきハイパーパラメータ RBFカーネルを用いたSVMでは, 以下の2つのハイパーパラメータを調整します. コストパラメータ: $C$ RBFカーネルのパラメータ: $\gamma$ コストパラメータについて SVMは特徴空間に写像されたデータ点集合を分離する超平面を決定する手法です. しかし, 特徴空間上の点集合がいつも分離可能とは限りません. 例えば, 以下の図では二種類の記号を完璧に分割するような直線を引くことは
matplotlib入門 - りんごがでている
matplotlibはPythonでグラフを描画するときなどに使われる標準的なライブラリです。 画像ファイルを作るばかりでなく、簡単なアニメーションやインタラクティブなグラフを作ることも可能です。 実際の例はmatplotlibサイトのギャラリーで見ることができます。 matplotlib/gallery matplotlibは本家のサイトやどこかのブログにあるチュートリアルや例を描画してみるぶんには簡単なのですが、 実際に自分でプロットするとなると基礎的な概念を理解していないと使いにくいライブラリでもあります。 また、基礎的な概念を理解していないとドキュメントを参照する際にもどこを見て、どう実用すればいいのかわかりません。 そこで、この記事ではそのあたりのmatplotlibの基礎を解説していきます。 なお、Python自体の知識はある程度仮定していますが、matplotlib自体の実装
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
Cyberpunk Style with Matplotlib
Scatter
Scatter
Scattermapbox
Choropleth Maps | Greydon Gilmore
Matplotlibでグラフの背景色の不透明度を設定する方法 - BugsDB
【超簡単】たったの2ステップで matplotlib の日本語表記を対応させる方法 | YOLO – 人工知能の導入録
