Pythonの可視化ライブラリ「Bokeh」ではじめるデータビジュアライゼーション
Pythonの可視化ライブラリ「Bokeh」ではじめるデータビジュアライゼーション Bokehではじめるデータビジュアライゼーション 2019年1月22日、freee株式会社にて、Data Driven Developer Meetupが主催するイベント「Data Driven Developer Meetup #4」が開催されました。サービスをより良いものにするために日々データと向き合っているデータサイエンティストやエンジニアなど、様々な職種で活躍する人々が集い、知見を共有する本イベント。今回は日本経済新聞社とエムスリー株式会社の2社がメインセッションに登壇し、自社の取り組みについて語りました。プレゼンテーション「Bokehではじめるデータビジュアライゼーション」に登場したのは、YukiyoshiSato氏。デモを交えながら、Pythonのインタラクティブビジュアライゼーションライブラリ
プログラマーが効果的な可視化を作成する （中編） - Qiita
(9/2/2014 追記：何故か後編の記事が削除されていましたので、分割後修正して再アップしました。） はじめに この記事は実際に手を動かし、コンピュータを使ってデータ可視化を行う人に向けて一般的なノウハウをお伝えする三回シリーズの第二回です。 前編: 効果的なデータ可視化とはどのようなものか？ 中編: 分かりにくい可視化を避けるための手法の選択 後編: Part 1 基本原則 後編: Part 2 学習ガイド わかりにくい可視化 昨夜寝る前に気づいたのですが、前回のプログラマ向けのニッチな記事をはてなブックマークのヘッドラインで見かけて驚きました。そしてその中に鋭いコメントを発見しました: この手のグラフ系の可視化で本当に知見が得られたの？って思ってしまうな。わかりにくい。 これはまさにその通りで、これこそ私がこの記事をまとめようと思った理由の一つです。身も蓋もない事実を申し上げますと、
数値最適化のインタラクティブ・チュートリアル | POSTD
「数値最適化」は機械学習における中心的手法の1つです。多くの問題では、最適解を直接突き止めることは難しいものですが、ある解がどれほど適しているかを測定する損失関数を設定し、解を見つけるためにその関数のパラメータを最小化することは比較的容易です。 かつてJavaScriptを初めて学ぼうとしていた時 、結果的に数値最適化ルーチンを多数書きました。そのコードを特に使うこともなく置いていたので、それらのアルゴリズムの動作をインタラクティブな形で可視化したら面白いのではないかと考えました。 本記事の良い点は、コードが全てブラウザで実行できることです。つまり、アルゴリズムの動作をより把握するために、各アルゴリズムのハイパーパラメータをインタラクティブにセットしたり、初期位置を変更したり、どの関数が呼び出されるかを変更したりすることができるのです。 (編注：本記事ではスクリーンショットのみ公開しており
D3.js
D3The JavaScript library for bespoke data visualization Create custom dynamic visualizations with unparalleled flexibility
トップページ - RESAS 地域経済分析システム
地域経済分析システム（RESAS：リーサス）は、地方自治体の様々な取り組みを情報面から支援するために、内閣官房デジタル田園都市国家構想実現会議事務局が提供する、産業構造や人口動態、人の流れなどの官民ビッグデータを集約し、可視化するシステムです。
楽しい可視化 ： elasticsearchとSpark Streamingの出会い | NTTデータ先端技術株式会社
0. ログやデータを取得した後は？ ログやデータの分析には、様々なアプローチが考えられるが、Apache Solrやelasticsearchといった全文検索エンジン製品にデータを蓄積し、その機能を用いて検索・集計・分析を行う方法がある。その際、データをそのまま蓄積するのではなく、各ツイート・各行に属性を付与（エンリッチメント）することにより、分析の幅は大きく広がる。 全文検索エンジンへのデータの投入では、Flume-ngやfluentdといったデータ収集製品を利用する実例が多い。しかし、リアルタイムにデータに対してエンリッチメントの前処理を行おうとした場合、処理が複雑になるにつれ、単体サーバーで動作するFlume-ngやfluentdでは処理能力が頭打ちになってくる。そこで、登場するのが、リアルタイムに大量のデータを処理することができるストリーミング処理系のビッグデータ関連技術である。
elastic/Kibanaでセンサーデータの可視化 | Natural Days
これは Elasticsearch Advent Calendar 2015 の記事です。 複数のセンサーデータを取得してfluentd経由でelasticsearchに流して可視化する内容です。構成的にはこんな感じです。 これだけ見れば普通にサクッと出来そうですね。golang/fluentdとセンサー周辺の設定、データ形式やコードについてはこちらの記事を参照。elastic/kibanaは次のような感じです。 elastic : 2.0.0-rc1 kibana : 4.3.0 kibanaについてはgitにある最新版を使ってみました。これは一つにダークテーマを使いたいという、これ１点に尽きます。開発時点ではテーマの選択が出来なくて白い感じので、何となくクールでカッコイイテーマを使いたくて、4.3を使おうとしたらelasticのバージョンも上げないとダメ…という事でどちらも最新版を使っ
可視化ツール現状確認会に参加してきました。#可視化
可視化ツール現状確認会に参加して、カジュアルウォーターじゃなくて可視化ツールの現状を確認してきました。 ということで、いつものメモです。 Mackerel と Graphite について （y_uuk1さん） Graphite 時系列 工夫すればスケーラブル SensuやCollectdと組み合わせたり GrafanaとGrapheneでGUI Mackerel素敵だよと。 架空のわかりやすいグラフが見れた Kibana & Grafana & Influga （hakoberaさん） Kibana かっこいい。 JVM大変。 Grafana Graphiteがカッコ悪いのでKibanaをフォーク なぜか、ESが必要。 InfluxDBに浮気しそう Influga @haoberaさん作 InfluxDB Queryサポート 迷ったら、Kibana入れとけ。 DistinctがKibana
pythonで美しいグラフ描画 -seabornを使えばデータ分析と可視化が捗る その1 - Qiita
Pythonでのグラフ描画 Pythonチャートを描く場合の定番は「matplotlib」ですが、その見た目のやや野暮ったい感じと、表記法のややこしさが指摘されています。 そこで、この記事ではMatplotlibの機能をより美しく、またより簡単に実現するためのラッパー的存在である、「Seaborn」の使い方を取り上げます。 ◆ Overview of Python Visualization Tools http://pbpython.com/visualization-tools-1.html 上記の記事ではMatplotlibとSeabornについて下記のように書かれています。 matplotlibについて Matplotlib is the grandfather of python visualization packages. It is extremely powerful b
TagTeam :: Split violin plots - R-bloggers - Statistics and Visualization
(This article was first published on Ecology in silico, and kindly contributed to R-bloggers) Violin plots are useful for comparing distributions. When data are grouped by a factor with two levels (e.g. males and females), you can split the violins in half to see the difference between groups. Consider a 2 x 2 factorial experiment: treatments A and B are crossed with groups 1 and 2, with N=1000. 1
seaborn: statistical data visualization — seaborn 0.13.2 documentation
Seaborn is a Python data visualization library based on matplotlib. It provides a high-level interface for drawing attractive and informative statistical graphics. For a brief introduction to the ideas behind the library, you can read the introductory notes or the paper. Visit the installation page to see how you can download the package and get started with it. You can browse the example gallery
ggplot2 の自分用メモ集を作ろう - Triad sou.
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
ggplot2のqplot関数のまとめ - ぬいぐるみライフ？
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
数値流体力学 - Wikipedia
NASAの極超音速実験機 X-43Aまわりの可視化結果。機体表面の色は伝熱量を表し、断面のスライスには局所マッハ数の等値線が示されている。 数値流体力学（すうちりゅうたいりきがく、英: computational fluid dynamics、略称：CFD）とは、偏微分方程式の数値解法等を駆使して流体の運動に関する方程式（オイラー方程式、ナビエ-ストークス方程式、またはその派生式）をコンピュータで解くことによって流れを観察する数値解析・シミュレーション手法。計算流体力学とも。コンピュータの性能向上とともに飛躍的に発展し、航空機・自動車・鉄道車両・船舶・血流等の流体中を移動する機械および建築物の設計をするにあたって風洞実験に並ぶ重要な存在となっている。 原理[編集] 離散化法[編集] 数値流体力学では与えられた幾何形状をコンピュータで扱えるように離散化する必要がある。離散化には次のような手法
Rによる多変量解析と可視化
KH Coderの本（サポートページへ） 実例 クラスター分析 ※本当に分かりやすくて、それでいて大切なことがきちんと書いてある本 クラスター分析とその応用 ※もう一歩高度な内容へ パソコン多次元尺度構成法 ※Kruskalの非計量多次元尺度法について比較的読みやすい解説あり Applied Multidimensional Scaling ※「よくある間違い」だけでも読んでおけば役立つかも。 対応分析入門 原理から応用まで ※対応分析（コレスポンデンス分析）を主にあつかう数少ない和書 Correspondence Analysis in Practice 2nd Ed. ※対応分析を詳しく知りたい方へ ネットワーク分析 ※読みやすい入門書 ネットワーク分析 第2版 ※Rを使った実践なので、KH Coderの共起ネットワークのカスタマイズにも Self-Organizing Maps 3r
Cytoscapeやネットワーク解析・可視化に関する情報の集め方 - Qiita
Cytoscapeやネットワーク解析と可視化に関する情報リソース これは昨日の記事を読んでこういったものを実際に作ってみたいと思われた方に向けての補足です。とても基本的な情報ばかりですので、経験者の方には少々物足りないと思いますが… はじめに データ可視化という分野の中で、ネットワークの可視化は比較的ポピュラーな手法ですが、実務家向け（最新の計算機科学の研究論文ではなく、実務寄り、つまり実際にデータ解析を行う人々向け）の最新の情報は、あまりまとまった形で入手する事ができません。そして残念ながらほとんどの文献は英語で書かれています。ここでは、実際にネットワーク分析と可視化を行ってみたい方々に向けて、Cytoscape関連のリンクを中心としたいくつかのポインタを集めてみたいと思います。 Cytoscapeの情報 Cytoscape公式サイト コンソーシアムが管理する公式のサイトです。最新版はこ
Graphite
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
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
Gapminderr
Amazon.co.jp: グラフィックスのためのRプログラミング: H. ウィッカム (著), 石田基広 (翻訳), 石田和枝 (翻訳): 本
Visualizing Optimization Algos