plotly の紹介 - Qiita
plotly とは plotly はデータ可視化のためのプラットフォームです。 基本的に無料で利用することが可能です。 (可視化結果の 入出力データのプライベートなクラウドホストや共有 SVG, PDF, EPS 形式での保存 もしくは「APIを頻繁に叩く」といった場合は有料プランへの加入が必要です。詳細は後述します。) その可視化結果はインタラクティブに操作可能であり 棒グラフ 地図 箱ひげ図 ヒストグラム といった図に対し マウスオーバーでのデータ内容の表示 ズーム、パン が可能、という特徴があります。 またデータ可視化における主要言語 R Python MATLAB のクライアントが提供されており、この他にも Excel Julia Igor Spotfire Nodejs Ruby Go F# Arduino や Rasberry PI のようなハードウェア 用にplotlyのAP
Jupyter-notebook の作図ライブラリ比較 - Qiita
時は戦国 Python には作図ライブラリがたくさんあります。 最もデファクトスタンダードに近く歴史も古い作図ライブラリは matplotlib で間違いないでしょうが、それでも R における ggplot2 ほどの地位は確立していないように思います。 特に、Jupyter-notebook 上ではインタラクティブなグラフを表示するニーズがあり、そこでは静的なグラフよりもさらにライブラリが割拠している印象があります。何がどう違うのかよくわかりません。 そこで今回は代表的な作図ライブラリの Jupyter-notebook 上での 違いについて簡単にまとめます。 注意 各ライブラリはいずれも細かくグラフのスタイルを設定可能で、やろうと思えば同じような見た目のグラフを生成することも可能ですが、今回はできるだけ何も設定せずにプロットした時のグラフを使います。 今回試すライブラリたち matplo
この絵描きに注目！2019
2018年、主観で特にすごかった絵描きを独断と偏見でまとめました。 規約に基づきTwitterからの引用を行ってます。 最後に総評。敬称略。 オルタナティブ 丸紅茜 夜は二人を咎めない pic.twitter.com/rDilIwcCKk — 丸紅茜🦐1/23画集 (@malbeni) 2018年3月20日 線の太さが本当に素晴らしい。 構図が非常に高度で、パース角が弱いながらもアクロバティックな画面を作れる。 絵柄のタイプ的には競合が多く、かつ強く、激戦区だがそれでも存在感を持つ。 今年は画集もリリースされ、躍進が期待される。 あすぱら Bell pic.twitter.com/GeCzfuK0Vx — あすぱら (@sushi0831) 2018年3月5日 驚異的な才能をさらに伸ばし続けている。 クリエイターから愛されるタイプ。 くっか 加湿鼠 pic.twitter.com/fcL
Bokehにおけるファイル出力 | 東京大学 佐々木淳 研究室 沿岸環境学 海岸工学 環境水工学 水環境学
2020年9月23日追記： bokeh 2.2.1 ではhtmlからpngへのエクスポートで画像全体が出力されないバグがありました．bokeh 1.4.0 では問題ありませんでした．bokeh 1.4.0 をインストールするには，仮想環境を作成し，conda install -c pyviz bokeh==1.4.0 とします． 当記事はWindows 10を対象としております．Pythonにおけるグラフ作成はMatplotlibが定番ですが，Bokehはインタラクティブなグラフをお手軽に作成できる比較的新しいパッケージです．ただし，パワーポイントやワードに貼り付けるための画像出力が，デフォルトでは解像度が低すぎ，図を作成する段階で縦横のピクセル数の値を大きく設定することで対応していました．しかし，このやり方では文字の大きさが変わらないため，ピクセル数を変更する度に文字の大きさも設定しなく
Bokehで散布図(scatter plot)を作成する例
from bokeh.plotting import figure, show, output_file from bokeh.sampledata.iris import flowers colormap = {'setosa': 'red', 'versicolor': 'green', 'virginica': 'blue'} colors = [colormap[x] for x in flowers['species']] p = figure(title = "Iris Morphology") p.xaxis.axis_label = 'Petal Length' p.yaxis.axis_label = 'Petal Width' p.circle(flowers["petal_length"], flowers["petal_width"], color=colors,
「Python」「R」「Jupyter Notebook」「Tableau」「Keras」が愛用される理由
関連キーワード BI（ビジネスインテリジェンス） データと分析は、デジタルトランスフォーメーションやデジタルディスラプション（デジタル時代の創造的破壊）を引き起こすガソリンになる。そして、企業がこのガソリンをハイオクに変える方法は1つしかない。それは、統計学者、数学者、ビジネス分析専門家のチームに適切なデータサイエンスツールを提供し、増大し続ける企業データのプールから洞察を引き出すことだ。 純粋な統計分析、機械学習のモデリング、視覚化など、その用途が何であれ、データ駆動型のビジネス文化を発展させるには強力な一連のデータサイエンスツールが欠かせない。 さまざまな業界に身を置く多数の経験豊かなデータサイエンティストと情報交換を行い、各自が最も使用しているツールについてインタビューした。本稿では、その中で何度となく名前が挙がった上位5つの厳選されたツールを紹介する。 併せて読みたいお薦め記事 進
なんで社内の人を「さん付け」して呼んじゃダメなの？ (2/14追記)
社外の人に、社内の人を「さん付け」で呼ぶなって一般的に言われてる。 「身内を"さん付け"で呼ばないだろ」って、身内じゃないし。血は繋がってないし。 最低限の敬いというか、配慮は必要でしょう？なんで「さん付けするな！」って言うの？ 上司のことを呼び捨てにするのは気が引けるし、 後輩から「増田が居ますけど」とか言われてもちょっと腹立つかもしれないし、 なんでダメなのかサッパリ分からない。どんな文化なの？何なの？ 外国もこういうことあるのかな。近くの人は「This」で呼ぶとかさ。そんな感じ？ はぁ。とにかく面倒。「さん付け」で呼んでもOKな世の中にしていかない？ 特に誰も嫌な思いしないでしょ。なんで？納得する理由が欲しい。 ちなみに、一応社外の人と話すときは「さん付け」じゃなく呼び捨てにしてる。 先輩も、上司も、社内の人の名前をいう時に「さん付け」していること多いから滅んで良いと思う。 2/14
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
ライセンスに関してWebデザイナーが知っておくべきこと | Bigmac inc
Pythonでボケ(Bokeh)よう ～ データ可視化ライブラリの紹介 ～ - Qiita
なるほど統計学園高等部 | イントロダクション