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2 - 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。 詳しくは下記リンクをご覧ください。 本記事では下記記事でのSeaborn、及びiris,tip,titanicのデータがインポートされている前提で進めます。 ◆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 http://qiita.com/hik0107/items/3dc541158fceb3156ee0 分布プロット ここではtipデータを使ってみます。 曜日ごとに、お客さんの会計（total_bill）がどう分布している
matplotlib と Seaborn の軸の日本語設定 - Qiita
Python でとりあえずグラフを描画する場合は matplotlib を使うことが多いと思います。しかし、設定 API がたくさんありすぎてどれを使うべきか迷ったり、デフォルトのカラーパレットがイマイチな印象があります。Seaborn を使うとこれらの課題のいくつかを解決できます。具体例は以下の記事が参考になるでしょう。 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2 - Qiita 純粋な数値演算の場合は縦軸も横軸も数値や日付などになることが多いのですが、データセットによっては日本語を扱うこともあるでしょう。ラベルやテキストに日本語を使うためにはフォント設定が必要になります。この問題にはいくつかの記事が参考になります。 matplotlib
岩隈久志(SEA)のナイスピッチングをPythonで可視化(Jupyter,seaborn,pitchpx) - Qiita
岩隈久志(SEA)のナイスピッチングをPythonで可視化(Jupyter,seaborn,pitchpx)PythonJupyterseabornbaseball野球 Jupyterとseaborn、pitchpxを使ったMLB野球データの可視化 前回の記事（といっても4ヶ月近く経っちゃいましたがw）の続編かつ、BPStudy#103「Baseball Play Study 2016」の技術的な補足資料となります. 野球Hack!（野球プログラミング）2016年の新作となります. 【はじめに】ライセンスについて 絶対質問が来る&コメントが入るので先に書いちゃいます. 使用ライブラリ(Jupyter,seabornなど)のライセンスは各ライブラリのページもしくはPyPIのページで確認ができます. 今回使用する野球データ(MLBAM)のライセンスは、 個人利用程度であれば問題ありません！！！
データの可視化をPython seabornでお手軽に。 - Qiita
Seaborn is a Python visualization library based on matplotlib. It provides a high-level interface for drawing attractive statistical graphics. 意訳すると、matplotlibのwrapperとしてより高レベルな（抽象化された）インタフェースを提供してくれるそうです。 urllibに対するrequestsパッケージみたいな位置づけかな。 インタフェースも大事ですが、こんなheatmapを10行程程度のコードで描画できてしまうなら、学習意欲が湧いてきますよね。 とは言え、いきなりheatmap描くような大そうなデータは持ち合わせていないので、我が家の家電製品の消費電力データを使って基本的なグラフを描画してみようと思います。 $ cat 冷蔵庫.csv
Seabornのカラーパレットの選び方 - Qiita
%matplotlib inline import seaborn as sns, numpy as np from ipywidgets import interact, FloatSlider color_palette()を用いた作成方法 (Building color palettes with color_palette()) color_paletteを用いると、ほとんどのカラーパレットを作成できます。 set_paletteを用いると、デフォルトのカラーパレットを設定できます(例は後述)。 定性的なカラーパレット (Qualitative color palettes) カラーパレット名を指定しないと、現在のカラーパレットが取得できます。(下記は、デフォルトのカラーパレット) palplotは、カラーパレットを表示します。
seaborn: statistical data visualization — seaborn 0.13.0 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
seaborn.pairplot — seaborn 0.13.2 documentation
seaborn.pairplot# seaborn.pairplot(data, *, hue=None, hue_order=None, palette=None, vars=None, x_vars=None, y_vars=None, kind='scatter', diag_kind='auto', markers=None, height=2.5, aspect=1, corner=False, dropna=False, plot_kws=None, diag_kws=None, grid_kws=None, size=None)# Plot pairwise relationships in a dataset. By default, this function will create a grid of Axes such that each numeric variab
seaborn.PairGrid — seaborn 0.13.2 documentation
seaborn.PairGrid# class seaborn.PairGrid(data, *, hue=None, vars=None, x_vars=None, y_vars=None, hue_order=None, palette=None, hue_kws=None, corner=False, diag_sharey=True, height=2.5, aspect=1, layout_pad=0.5, despine=True, dropna=False)# Subplot grid for plotting pairwise relationships in a dataset. This object maps each variable in a dataset onto a column and row in a grid of multiple axes. Dif
seaborn.kdeplot — seaborn 0.13.2 documentation
seaborn.kdeplot# seaborn.kdeplot(data=None, *, x=None, y=None, hue=None, weights=None, palette=None, hue_order=None, hue_norm=None, color=None, fill=None, multiple='layer', common_norm=True, common_grid=False, cumulative=False, bw_method='scott', bw_adjust=1, warn_singular=True, log_scale=None, levels=10, thresh=0.05, gridsize=200, cut=3, clip=None, legend=True, cbar=False, cbar_ax=None, cbar_kws=
Choosing color palettes — seaborn 0.13.2 documentation
Choosing color palettes# Seaborn makes it easy to use colors that are well-suited to the characteristics of your data and your visualization goals. This chapter discusses both the general principles that should guide your choices and the tools in seaborn that help you quickly find the best solution for a given application. General principles for using color in plots# Components of color# Because o
User guide and tutorial — seaborn 0.13.2 documentation
Ctrl+K Site Navigation Installing Gallery Tutorial API Releases Citing FAQ GitHub StackOverflow Twitter On this page User guide and tutorial# An introduction to seaborn A high-level API for statistical graphics Multivariate views on complex datasets Opinionated defaults and flexible customization API Overview# Overview of seaborn plotting functions Similar functions for similar tasks Figure-level
Controlling figure aesthetics — seaborn 0.13.2 documentation
Controlling figure aesthetics# Drawing attractive figures is important. When making figures for yourself, as you explore a dataset, it’s nice to have plots that are pleasant to look at. Visualizations are also central to communicating quantitative insights to an audience, and in that setting it’s even more necessary to have figures that catch the attention and draw a viewer in. Matplotlib is highl
Example gallery — seaborn 0.13.2 documentation
Ctrl+K Site Navigation Installing Gallery Tutorial API Releases Citing FAQ GitHub StackOverflow Twitter Example gallery# lmplot scatterplot lineplot displot relplot catplot boxplot violinplot relplot jointplot histplot boxplot stripplot JointGrid jointplot FacetGrid boxenplot scatterplot lmplot FacetGrid heatmap JointGrid kdeplot displot displot lmplot PairGrid PairGrid PairGrid barplot kdeplot ba
seaborn.heatmap — seaborn 0.13.2 documentation
seaborn.heatmap# seaborn.heatmap(data, *, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt='.2g', annot_kws=None, linewidths=0, linecolor='white', cbar=True, cbar_kws=None, cbar_ax=None, square=False, xticklabels='auto', yticklabels='auto', mask=None, ax=None, **kwargs)# Plot rectangular data as a color-encoded matrix. This is an Axes-level function and will draw the hea
Building structured multi-plot grids — seaborn 0.13.2 documentation
Building structured multi-plot grids# When exploring multi-dimensional data, a useful approach is to draw multiple instances of the same plot on different subsets of your dataset. This technique is sometimes called either “lattice” or “trellis” plotting, and it is related to the idea of “small multiples”. It allows a viewer to quickly extract a large amount of information about a complex dataset.
Visualizing distributions of data — seaborn 0.13.2 documentation
Visualizing distributions of data# An early step in any effort to analyze or model data should be to understand how the variables are distributed. Techniques for distribution visualization can provide quick answers to many important questions. What range do the observations cover? What is their central tendency? Are they heavily skewed in one direction? Is there evidence for bimodality? Are there
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
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
http://seaborn.pydata.org/introduction.html