データサイエンス系チートシートを網羅してみた - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? はじめに この記事では、私がこれまでXで発信してきたデータサイエンスに関わるさまざまな分野のチートシートを一挙にまとめました。前処理、可視化、機械学習、深層学習、ベイズ・統計、さらにはその他の関連トピックまで、私が作成したものからネット上のものまで多岐にわたる内容を網羅しています。 それぞれのセクションでは、実践的かつ即戦力となる情報が詰まったチートシートを紹介しており、初心者から上級者まで幅広い層に役立つ内容を目指しました。 日頃からX（旧Twitter）を通じて、データサイエンスに関する知識や役立つリソースを共有していますが、今回の
Spectrogram — Matplotlib 3.10.1 documentation
import matplotlib.pyplot as plt import numpy as np # Fixing random state for reproducibility np.random.seed(19680801) dt = 0.0005 t = np.arange(0.0, 20.5, dt) s1 = np.sin(2 * np.pi * 100 * t) s2 = 2 * np.sin(2 * np.pi * 400 * t) # create a transient "chirp" s2[t <= 10] = s2[12 <= t] = 0 # add some noise into the mix nse = 0.01 * np.random.random(size=len(t)) x = s1 + s2 + nse # the signal NFFT = 1
matplotlib.pyplot — Matplotlib 3.5.3 documentation
matplotlib.pyplot# matplotlib.pyplot is a state-based interface to matplotlib. It provides an implicit, MATLAB-like, way of plotting. It also opens figures on your screen, and acts as the figure GUI manager. pyplot is mainly intended for interactive plots and simple cases of programmatic plot generation: import numpy as np import matplotlib.pyplot as plt x = np.arange(0, 5, 0.1) y = np.sin(x) plt.
matplotlibでのプロットの基本
matplotlibを使ってプロットする時、プロットするたびに関数を調べることが多く、効率が悪いので、よく使うものについて情報まとめておく。 matplotlib, pyplot, pylabの関係性 まず、「各々の言葉が何を指すのか」から。 Matplotlib: データビジュアライゼーションパッケージの全体を指す。 pyplot: matplotlibパッケージ内のモジュールを指す。欲しいプロットを作るために暗黙的かつ自動的に図形や軸を作成するインターフェース。基本的にはこのモジュール越しにmatplotlibの機能を活用する。以下のようにインポートして置くのが一般的。 pylab: pyplotとnumpyモジュールを一括インポートするものであるが、現在では特にJupyter notebookやipythonカーネルを使っている場合に奨励されないので、注意すること。 グラフの構成要素
Thumbnail gallery — Matplotlib 2.0.2 documentation
You are reading an old version of the documentation (v2.0.2). For the latest version see https://matplotlib.org/stable/
matplotlib.pyplot.specgram — Matplotlib 3.9.2 documentation
matplotlib.pyplot.specgram# matplotlib.pyplot.specgram(x, NFFT=None, Fs=None, Fc=None, detrend=None, window=None, noverlap=None, cmap=None, xextent=None, pad_to=None, sides=None, scale_by_freq=None, mode=None, scale=None, vmin=None, vmax=None, *, data=None, **kwargs)[source]# Plot a spectrogram. Compute and plot a spectrogram of data in x. Data are split into NFFT length segments and the spectrum
Top 50 matplotlib Visualizations - The Master Plots (w/ Full Python Code) | ML+
Top 50 matplotlib Visualizations – The Master Plots (with full python code) Join thousands of students who advanced their careers with MachineLearningPlus. Go from Beginner to Data Science Expert through a structured road map of 70+ courses in 9 core specializations. Build industry grade Data Science projects. A compilation of the Top 50 matplotlib plots most useful in data analysis and visualizat
Ipython Directive — sampledoc 1.0 documentation
Ipython Directive¶ The ipython directive is a stateful ipython shell for embedding in sphinx documents. It knows about standard ipython prompts, and extracts the input and output lines. These prompts will be renumbered starting at 1. The inputs will be fed to an embedded ipython interpreter and the outputs from that interpreter will be inserted as well. For example, code blocks like the following:
matplotlib基礎 | figureやaxesでのグラフのレイアウト - Qiita
import matplotlib.pyplot as plt plt.style.use('seaborn-whitegrid') import numpy as np %matplotlib inline x = np.linspace(0, 10, 10000) #わからない1 fig = plt.figure() #わからない2 ax = plt.axes() #わからない3 plt.plot(x, np.sin(x)) #同じfigureの中に追加 plt.plot(x, np.cos(x)) #同じfigureの中に追加 結果： (わからない1) linspace便利そう 線形に等間隔な数列を生成するライブラリ。 numpy.linspace(start, stop, num = 50, endpoint = True, retstep = False, dtype = Non
Text properties and layout — Matplotlib 2.0.2 documentation
You are reading an old version of the documentation (v2.0.2). For the latest version see https://matplotlib.org/stable/
Plots with different scales — Matplotlib 3.0.0 documentation
Plots with different scales# Two plots on the same Axes with different left and right scales. The trick is to use two different Axes that share the same x axis. You can use separate matplotlib.ticker formatters and locators as desired since the two Axes are independent. Such Axes are generated by calling the Axes.twinx method. Likewise, Axes.twiny is available to generate Axes that share a y axis
線形重回帰を本当はPythonで解きたいけど表計算で解けと言われたので - Qiita
import pandas as pd data = [['HF', 19.5, 20.0, 1.826567], ['HCl', -84.9, 36.5, 1.1086], ['HBr', -67.0, 80.9, 0.8271], ['HI', -35.1, 127.9, 0.4477], ['H2O', 100.0, 18.0, 1.8546], ['H2S', -60.7, 34.1, 0.978325], ['H2Se', -42, 81.0, 0.627], ['NH3', -33.4, 17.0, 1.471772], ['PH3', -87, 34.0, 0.57397], ['AsH3', -55, 77.9, 0.217], ['SbH3', -17.1, 124.8, 0.116], ['CH4', -161.49, 16.0, 0], ['SiH4', -111.8
JupyterLab上で周期表を用いた可視化、分析をする方法 - Qiita
from __future__ import absolute_import from bokeh.models import (ColumnDataSource, LinearColorMapper, LogColorMapper, ColorBar, BasicTicker) from bokeh.plotting import figure from bokeh.io import output_file, show from bokeh.sampledata.periodic_table import elements from bokeh.transform import dodge from matplotlib.colors import Normalize, LogNorm, to_hex from matplotlib.cm import plasma, inferno,
線形回帰を本当はPythonで解きたいけど表計算で解けと言われたので - Qiita
import pandas as pd data = [['HF', 19.5, 20.0], ['HCl', -84.9, 36.5], ['HBr', -67.0, 80.9], ['HI', -35.1, 127.9], ['H2O', 100.0, 18.0], ['H2S', -60.7, 34.1], ['H2Se', -42, 81.0], ['H2Te', -1.8, 129.6], ['NH3', -33.4, 17.0], ['PH3', -87, 34.0], ['AsH3', -55, 77.9], ['SbH3', -17.1, 124.8], ['CH4', -161.49, 16.0], ['SiH4', -111.8, 32.1], ['GeH4', -90, 76.6], ['SnH4', -52, 122.7], ['He', -268.934, 4.0
Google TrendのデータをAPI経由で取得し時系列解析②〜プログラム言語の人気トレンドを国別比較する〜 - Qiita
Summary Google Trendから各キーワードの検索データを取得し、時系列データ分析を行います Pytrendsという（非公式の）ライブラリを用いてデータを取得します 各検査キーワードの検索トレンドを国別に比較・分析します 前回同様にstatsmodelを用いて時系列解析を施して比較してみます 参考（前回記事）： Google TrendのデータをAPI経由で取得し時系列解析①〜人気プログラム言語のトレンドを考察する〜 分析ゴール 各プログラム言語のキーワード検索傾向に関する国別の違いを把握する 対象国は下記とする（言語の影響を排除するため、英語圏に絞りました） 日本 U.S イギリス シンガポール オーストラリア カナダ 対象データ 前回分析時の結果を参考に、対象言語を以下として、Google trendから抽出する Python（日本では上昇傾向） JavaScript（日本
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よる理論と実践 (impress top gear) : Sebastian Raschka, 株式会社クイープ, 福島真太朗 : 本 : Amazon.co.jp
Tutorials — Matplotlib 3.9.2 documentation
https://matplotlib.org/stable/users/installing.html
https://matplotlib.org/stable/tutorials/introductory/usage.html
【随時更新】よく使う・よく忘れるコード一覧(Python編) - Qiita
