サンキーダイアグラムとは、工程間の流量を表現するグラフです。フローチャートのように各工程間の流れをみながら、線の太さによって表現される流れの量を確認できます。化学工学、環境工学、物流管理等の分野でシステム内の各プロセス間の流量を表す為に使われ、エネルギー収支の視覚化のために使用されてきました。 近年では、集めた税金とその使い道を表現するときや、Webマーケティングにおいてサイト内でのユーザーの動きを分析するときなど幅広く利用されています。 Originでは、バージョン2020以降で作図可能になりました。
Rでggplotを使って作った図の軸ラベルや, タイトルの変更の仕方を解説します. 使用する関数 labs() xlab() ylab() ggtitle() 使い方 このページでは, 次の図を基本にして, ラベルなどを変えていきます. 使用するデータセットは, irisです. > library(ggplot2) > str(iris) 'data.frame': 150 obs. of 5 variables: $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ... $ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ... $ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ... $ Pe
図があまりにもきれいにしかも簡単に作れすぎて美しいペアプロット図を簡単に作るという記事をそのままパクる。 GGallyというパッケージでかんたんにかつかっこよくdata.frameのプロットができる。 library(GGally) data(tips, package="reshape") ggpairs(tips) ggpairs(tips, upper = "blank") # 上三角行列部分をプロットしない。 # プロットの仕方は密度、分布、点、平滑化などあるようだ。 ggpairs( tips, upper = list(continuous = "density", combo = "box"), lower = list(continuous = "points", combo = "dot") ) # data.frame 内で factor 化されていたら color で
# https://www.kaggle.com/abcsds/pokemon から取得した Pokemon.csv を読み込む。 df = pd.read_csv("Pokemon.csv") # df とは、 pandas の DataFrame 形式のデータを入れる変数として命名 https://www.kaggle.com/abcsds/pokemon によると、各カラム(列)は次のような意味らしいです。 #: PokeDex index number Name: Name of the Pokemon Type 1: Type of pokemon Type 2: Other Type of Pokemon Total: Sum of Attack, Sp. Atk, Defense, Sp. Def, Speed and HP HP: Hit Points Attack: At
データビジュアライゼーションのデザインパターン20 - 混沌から意味を見つける可視化の理論と導入 -posted with カエレバ鈴木雅彦,鈴村嘉右 技術評論社 2015-05-08 Amazonで最安値を探す楽天市場で最安値を探すYahooショッピングで最安値を探す 目次 目次 PythonライブラリのSeabornとは? Seabornのインストール Seabornの特徴 スタイルの変更方法 matplotlibのグラフをSeabornのデフォルトスタイルに変更する Seabornのスタイルを変更する whitegrid dark white ticks 右と上のグラフの枠線を無くす グラフ描画機能 折れ線グラフ 棒グラフ 一次元分布データの描画(ヒストグラムや確率密度関数) ヒストグラム表示 二次元の分布データの描画 散布図のプロット データセットの相関分析 ヒートマップ Mac
はじめまして。ABEJAでResearcherをやらせていただいている白川です。 先日、化合物の物性推定をDeep Learningをつかって従来手法より300,000倍高速に処理するという論文がでました([1], [2])。この論文の手法は、Graph Convolutionというグラフ上に定義されたConvolution演算がベースとなっています。物性推定に限らず、グラフ解析全般を Deep Learning で上手にこなせるようになれば、Deep Learningのアプリケーションの幅がぐっと拡がり、さらなるイノベーションが起きそうな予感がします。 ICMLやNIPSなどの機械学習系の主要国際会議でも数年前からGraph Convolutionについての論文がちらほら出現しはじめており、とくに最近その勢いが増してきている印象があります。個人的にも最近(前から?)にわかにグラフづいてい
3次元のベクトルで表されるデータをグラフ化する方法について,いくつかまとめてみました. 使用するデータvolcanoRに組み込まれているデータセットで,Maunga Whau山の標高データだそうです.10m * 10mのグリッドで,87rowと61columnからなります.rowは東から西へ,columnは南から北へのラインと対応しており,最小値は94,最大値は195です. まずはデータセットの準備. # あらわしたいデータのラベルを作成 EastWest <- 1:nrow(volcano) * 10 # rowの数は87 SouthNorth <- 1:ncol(volcano) * 10 # columnの数は61 # 頂上の位置を変数に入れておく mountaintop <- which(volcano == max(volcano), arr.ind = TRUE) * 10 グ
全脳アーキテクチャ・イニシアティブ副代表の高橋です。 巷で話題のTensorFlow(TF)のwhite paperとソース見ました。ソースも見ましたが、whitepaperがとてもよく書けてるのでこれだけで大体設計が理解できるようになってます。 で、結論からですが、これさすがというかすごくよく出来てます。 ただ、ロボットミドルウェアのROSなどよりかはデータ解析ソフトウエアに近く、これと比べるとBriCAはかなりROSに近いです。 何が違うかですが; TFは多次元配列(テンソル)に対する操作を定義するカーネル(正確に言うと抽象操作のoperationにパラメータを与えて具体的な計算手順にしたのがカーネル)を有向グラフで表して、グラフ全体でなんらかのデータ処理パイプラインを表現、実行します。 この場合のグラフはBriCAやROSでいうところのノードやモジュールを結合した認知アーキやロボット
ヒストグラムと箱ヒゲ図は、両方とも分散あるいは標準偏差の状況を 視覚的に解りやすく表現したものである。 ヒストグラムは、全体的な分布の形を視覚化し、 データの偏り方を視覚化する。 一方、箱ヒゲ図は、全体的な分布の範囲を四分位で表し、 データの偏り方を視覚化する。 分散や標準偏差というのは、全体のバラツキの程度を指標化しているだけ。 それに対して、箱ヒゲ図やヒストグラムは、全体のデータの偏り方を観察できる。 また、標準偏差からの乖離の程度を見たり、 あるいは、対応する分布を考えるためにも用いる。 これらは、統計においては、非常に重要なことである。 さて、今回は、この辺りの話には深入りせず、 もう少し、データのバラツキの可視化方法について考えてみる。 「箱ヒゲ図」と「ヒストグラム」の両方の特性を併せ持った可視化方法がある。 ここで紹介する方法は、かなり魅力的。利用価値も高い。 それにも関わらず
A layer combines data, aesthetic mapping, a geom (geometric object), a stat (statistical transformation), and a position adjustment. Typically, you will create layers using a geom_ function, overriding the default position and stat if needed. layer_geoms Layer geometry display geom_abline() geom_hline() geom_vline() Reference lines: horizontal, vertical, and diagonal geom_bar() geom_col() stat_cou
単純な作図ならば,引数に add=T を入れることで重ねた図を描くことができる.2 つのグラフの x 軸と y 軸の座標は自動的に合わせられる. しかし,高水準作図関数の中には add=T を引数にもってくることが出来ないものがある.そこで,グラフィックスパラメータの new を T と指定することで,既存のグラフに新たなグラフを上書きするように指定することが出来る. par(new=T) で重ね描きする場合,そのままでは軸と軸のラベルが重ね描きされる.2 回目の plot() によって軸と軸のラベルが重ね書きされるのを避けるため,1 回目のプロット時に axes=F , xlab="",ylab=""(もしくは ann=T )を指定するのが得策である. par(new=T) で重ね描きする場合,普通はそれぞれのグラフの座標範囲が異なるため,仕上がりがおかしくなる.重ね描きする全てのグラフ
美しい描画を行うためのパッケージとして有名なggplot2の仲間?にGGallyパッケージなるものがあるらしく、その中のggpairs関数を使うとふつくしいペアプロットが楽に作成できる。 できるのはいいんだが、この関数を使ってplotする際のフォントサイズ変更方法がググってもマニュアル読んでも出て来なかったのでメモっておく。 例のごとく、パッケージは install.packages("GGally") でインストールしておく。 肝心のフォントサイズの変更については、結論としてparams引数にlistとして入れればよく、各種フォントサイズについては size:散布図の点のサイズ(今回は使用してない) labelSize:各項目(列名)の文字サイズ corSize:相関値の文字サイズ と対応しており、これらを所望のサイズに設定してやればOKだ。*1 実際にPLOTしてみると以下のような感じ
プロットの作製 基本プロットを作る Geoms Aesthetics 違う種類のグラフを重ねる 参照線の追加 グループ分け 層別プロット スケールと軸 Scales 軸ラベルやタイトルの変更 軸の表示範囲を変更する 軸の左右の余白を削除する 軸表示の修飾 日時の軸スケール 軸区切り値の変更 軸スケールの変更 (変数変換) プロットのソート (離散型変数の水準をソートしてプロット) 座標系の反転:横向き箱ひげ図 極座標への変換:円グラフ 座標系のアスペクト比の指定 色セットの変更 ggplot2 のデフォルト色セットの定義 任意の色セットの利用 凡例 凡例位置の変更 凡例ラベルの変更 凡例の一部を削除する テーマ (グラフ背景・グリッドの色, マージン, フォント) Themes 定義済み theme の適用と編集 theme 要素と theme() の併用時の注意点 フォント変更 保存 g
Rのステキグラフィックスライブラリ「ggplot2」のqplot関数についてまとめてみた.少し頑張りすぎた. 関連記事:ggplot2の概要 - ぬいぐるみライフ? qplot関数とは ggplot2にはqplot(Quick PLOTの略)というステキな関数が用意されている.これを使うと,デフォルトの設定のままでもRのbaseライブラリ(plot関数など)と比べてきれいな図が描ける上に,色付けや凡例の設定もある程度よしなにやってくれる. 以降,ggplot2のqplot関数について詳しく見ていくことにしよう. この記事の構成 最初に,qplot関数について以下のことをチェックする. qplot関数の基本 qplot関数のdataパラメータ 次に,以下のグラフについてbaseライブラリとggplot2のqplot関数の間でシンタックスの違いや描画されるグラフを比較していく. 散布図 折れ線
Matplotlib: Visualization with Python Matplotlib is a comprehensive library for creating static, animated, and interactive visualizations in Python. Matplotlib makes easy things easy and hard things possible. Create publication quality plots. Make interactive figures that can zoom, pan, update. Customize visual style and layout. Export to many file formats. Embed in JupyterLab and Graphical User I
Graphite does three things: Kick ass. Chew bubblegum. Make it easy to store and graph metrics. (And it’s all out of bubblegum.) Learn more about Graphite About the Project Graphite is an enterprise-ready monitoring tool that runs equally well on cheap hardware or Cloud infrastructure. Teams use Graphite to track the performance of their websites, applications, business services, and networked serv
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