【Python】多項分布の作図 - からっぽのしょこ
はじめに 機械学習で登場する確率分布について色々な角度から理解したいシリーズです。 多項分布の計算とグラフの作成をPythonで行います。 【前の内容】 www.anarchive-beta.com 【他の記事一覧】 www.anarchive-beta.com 【目次】 はじめに 多項分布 定義式の確認 確率の計算 統計量の計算 グラフの作成 ・分布の計算 ・行ごとに色付け ・確率に応じて色付け パラメータと分布の形状の関係 ・パラメータの影響 ・試行回数の影響 乱数の生成 参考文献 おわりに 多項分布 多項分布(Multinomial Distribution)の計算と作図を行います。 利用するライブラリを読み込みます。 # 利用するライブラリ import numpy as np from scipy.stats import multinomial # 多項分布 from scip
VSCodeでPython書いてる人はとりあえずこれやっとけ〜 - Qiita
はじめに Pythonはコードが汚くなりがち（個人的にそう思う） そんなPythonくんを快適に書くための設定を紹介します。 拡張機能編 ここでは Pythonを書きやすくするため の拡張機能を紹介していきます。 1. Error Lens before 「コード書いたけど、なんか波線出てるよ💦」 記述に問題があった場合、デフォルトでは波線が表示されるだけ。。。 after Error Lensくんを入れることによって 波線だけでなくエディタに直接表示される。 はい、有能〜 2. indent-rainbow before Pythonくんは インデントでスコープを認識している。 for の f から下に線が伸びてるけど、ちょっと見にくいなぁ after 色が付いてちょっと見やすくなった！ 3. Trailing Space before 一見、普通に見えるコード after 末尾にある
ipywidgetsとBokeh使ってインタラクティブな可視化をする - Qiita
なぜ対話型なのか 何らかのパラメータが入ったグラフを出力したい場合、パラメータを変化させる度に確認する方法としては下記のような方法が考えられます。 出力関数の引数を都度入力してグラフを出力 変化させたいパラメータの全てのグラフを出力 対話型でパラメータを設定してグラフを出力 1の方法は入力が少し面倒です。IPythonのコンソール上ならまだしも、Jupyter notebookで関数を実行して、実行した関数の引数を書き換えて・・・はい、面倒ですね。 2の方法はどうでしょうか。2〜3個のグラフを一度に出力して比較するのは十分実用的と言えそうです。 しかし、みたいパラメータが100個あるような状況では人間の目で確認するのが大変そうです。 ということで、3の方法を実装してみます。 ipywidgetsのインストール Jupyter notebookで対話型のUIを実装するにはipywidgets
Python言語による実務で使える100+の最適化問題 | opt100
指針 厳密解法に対しては、解ける問題例の規模の指針を与える。数理最適化ソルバーを使う場合には、Gurobi かmypulpを用い、それぞれの限界を調べる。動的最適化の場合には、メモリの限界について調べる。 近似解法に対しては、近似誤差の指針を与える。 複数の定式化を示し、どの定式化が実務的に良いかの指針を示す。 出来るだけベンチマーク問題例を用いる。OR-Libraryなどから問題例をダウンロードし、ディレクトリごとに保管しておく。 解説ビデオもYoutubeで公開する． 主要な問題に対してはアプリを作ってデモをする． 以下，デモビデオ： 注意 基本的には，コードも公開するが， github自体はプライベート そのうち本にするかもしれない（予約はしているが， 保証はない）． プロジェクトに参加したい人は，以下の技量が必要（github, nbdev, poetry, gurobi); ペー
【翻訳】Minimally Sufficient Pandas（全文） - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Overview この記事は pandasクックブック-―Pythonによるデータ処理のレシピ の著者である Ted Petrou 氏の以下の記事、 Minimally Sufficient Pandas を、許諾を得て翻訳したものです。 https://twitter.com/arc279/status/1095511875050033152 不自然な点、間違っている点などがありましたら指摘してもらえると助かります。 リポジトリはここにあります。 また、長文のため、具体例だけざっくり訳した版も用意しました。 以下、翻訳です。 Mini
食べログ3.8問題に終止符を打つ
import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns import json import glob import math from pathlib import Path from collections import Counter from sklearn.linear_model import LogisticRegression from sklearn.metrics import accuracy_score from sklearn.metrics import confusion_matrix from sklearn.metrics import roc_auc_score from sklearn.model_selection imp
「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
機械学習初心者が『Python 機械学習プログラミング』（速習コース）を読んだメモ - 無印吉澤
きっかけ この記事を書いた人のレベル 今回の読書プラン Python 環境の構築 インストール先の環境 Anaconda (Python 3) のインストール 科学計算に関するライブラリのインストール サンプルの実行に必要なライブラリのインストール サンプルの実行 サンプルコードを実行していて引っかかったところ 3章 12〜13章 Python の勉強 速習コースを読んでみた感想 きっかけ 機械学習の重要性は、それこそ「ビッグデータ」という言葉が出てきた頃からいろいろな人が訴えていますが、最近は特にツールが充実して、敷居が下がってきたように感じています。 そろそろ自分でも機械学習関係のツールを使えるようになりたいと思っていたのですが、そんなときに「具体的なコード例が多くて読みやすい」という本書の評判を聞いて、読み始めました。 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
Python でデータサイエンス
このサイトについて このサイトでは、データ加工や集計、統計分析などインタラクティブに実行されるスクリプトやバッチプログラム、本格的な Web アプリケーションの実装まで、多彩な機能を持ちながらも初心者にも扱いやすいプログラミング言語 Python (パイソン) を使ったデータの統計分析の手順や使い方について紹介します。 初めてプログラムに触れる人や、R や SAS, Ruby のような言語のプログラミング経験はあっても、Python をあまり扱った経験のない初心者向けに理解できるような内容としてまとめています。 また、本格的な統計分析（基本統計量や多変量解析、データマイニング、機械学習）を学んだことがない人でも理解できるよう、統計（アナリティクス）の解説も必要に応じて述べています。 このサイトで提供できる情報を通して、皆さんが Python を使ったビッグデータ解析を思いのままに使いこなせ
PythonでPandasのPlot機能を使えばデータ加工からグラフ作成までマジでシームレス - Qiita
Pandasのグラフ描画機能 この記事ではPandasのPlot機能について扱います。 Pandasはデータの加工・集計のためのツールとしてその有用性が広く知られていますが、同時に優れた可視化機能を備えているということは、意外にあまり知られていません。 この機能は Pandas.DataFrame.plot() もしくは Pandas Plot と呼ばれるものです。 Pandas Plotを使いこなすことが出来るようになれば、 データの読み込み、保持 データの加工 データの集計 データの可視化 というデータ分析の一連のプロセスを全てPandasで完結させることが出来る、つまり分析の「揺りかごから墓場まで」を実現することが出来ます。 Pandasのプロット以外の機能について この記事ではPandasのデータハンドリングなどに関わる機能は説明しません。 そちらにも興味がある方は下記の記事などを
MLBの野球データを用いた分析と可視化のサンプル(Python)を公開しました - Lean Baseball
思ったよりプレミア12が面白くて盛り上がってる私ですこんばんわ！*1 PyCon JP 2015のトークセッション「野球Hack!~Pythonを用いたデータ分析と可視化」で披露した、MLBのオープンデータ「RETROSHEET」を用いたデモを披露させてもらいました。 そのデモで使ったコードを、「野球データを用いた分析と可視化」のお手本として本日公開いたしましたので報告します！ 野球Hack!~Pythonを用いたデータ分析と可視化 サンプルコード（New!!!） github.com スライド 野球Hack!~Pythonを用いたデータ分析と可視化 #pyconjp from 伸一 中川 www.slideshare.net 動画 youtu.be サンプルコード解説 何が出来るの？ 今回公開した野球データ分析サンプル「hatteberg」は、 RETROSHEETのcsvファイルを元に
Mac で Python/Django の開発環境を作ったメモ « イッキログ Tech
Mac Ports の使い勝手の良さに気付き、ウェブアプリ開発はもっぱら Mac で行うようになってしまった今日この頃です。普段（PHP）は Netbeans を使っているのですが、Django の開発環境としては Eclipse + PyDev が良いようですので導入してみました。 Mac Ports をインストール 気分的に OS X の動作環境に影響を与えたくないのでアプリケーションは Mac Ports で揃えます。自分の場合はすでにインストールされていましたが、まだの方は以下あたりを参考に。 FrontPage - MacPortsWiki-JP The MacPorts Project -- Home ~/.bash_profile あたりに export PATH=/opt/local/bin:/opt/local/sbin:$PATH と書いておくことで Mac Ports
Djangoチュートリアル（後編）
はじめに Pythonで開発されたWebアプリケーションフレームワークであるDjango（ジャンゴと読む）はPythonの簡潔さをうまく生かし、シンプルかつ本格的な開発ができるWebアプリケーションフレームワークです。本稿の前編では、DjangoやPythonの特徴、Djangoの概要の紹介とインストール手順、そして、チュートリアルとして、商品（Item）のコマンドラインシェルからのデータ操作、そして、ビュー関数によるHTMLへの表示までを説明しました。後編となる今回は、管理インターフェイスの使い方、ショートカット、汎用ビュー、Formクラス、セッション、キャッシュの使用方法などについて説明します。 対象読者 PythonによるWebアプリケーション開発に興味がある方 日ごろ、Perl、Ruby、PHP、Java、C#などPython以外のプログラミング言語で開発している方 Webアプリケ
python の crawler 調査 — takanory.net
仕事でちょっと必要だったので、python で動く crawler(Web ページを集めまくるツール)を調べてみました。 まずは Python Cheese Shop で crawler をキーワードに検索。すると以下のものがヒットしました。 HarvestMan 1.4.6 final Multithreaded Offline Browser/Web Crawler Orchid 1.0 Generic Multi Threaded Web Crawler spider.py 0.5 Multithreaded crawling, reporting, and mirroring for Web and FTP webstemmer 0.6.0 A web crawler and HTML layout analyzer SpideyAgent 0.75 Each use
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
Python だけで作る Web アプリケーション(フロントエンド編)
はじめに — 機械学習帳
Data visualization with Plotly
GitHub - reorx/httpstat: curl statistics made simple
【大規模スマホゲー】Python未経験エンジニアとの最初の1ヶ月OJTメモ - Qiita
Python と R で連携する - Qiita
