matplotlibで忘れがちな文法まとめ - QiitaDeleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?
matplotlib の figure（図） と axes（座標軸）－python | コード７区
python の matplotlib でグラフを描くのは非常に簡単です。とくに、グラフが 1 つだけの場合は import matplotlib.pyplot as plt import numpy as np x = np.linspace(-3, 3, 20) y = x ** 2 plt.plot(x, y) plt.show()
itermplot - Matplotlibを利用してiTerm2にグラフを直描画できるライブラリ | ソフトアンテナ
Mac用のターミナルエミュレーター「iTerm2」。多機能で使いやすく、Macの開発者の中には、標準のターミナルではなく、こちらを愛用している方も多いと思います。 本日紹介する「itermplit」は、こいのiTerm上にグラフを直接描画することができるPythonライブラリ。Python用のグラフプロットライブラリであるMatplotlibをベースとし、Pythonコードで記述したグラフの結果をすぐにターミナルで確認することができるというものです。 例えば以下のようなコードを使用すると: import numpy as np import matplotlib.pyplot as plt import networkx as nx plt.rcParams["font.size"] = 10 plt.figure(figsize=(8,3)) ax = plt.subplot(121)
Matplotlib 超入門(1)：インストールから基本的機能の使い方まで
この投稿から「matplotlib 超入門」という名前のシリーズで，matplotlib の使い方を本当に最初の最初からの説明を試みたいと思います．今までグラフを描くソフトを使ったことがない方もわかるように配慮して書いてみたいです．「matplotlib を使うと綺麗なグラフが書けるから使ってみたい」という方の背中が押せればと思います．あまりプログラムに慣れていない方もわかるように，書いていることの説明をできるだけ丁寧に書いていきます． なお，この記事の流れは自分が初めて matplotlib を使ったログをもとに作成しています．なので，本当に初心者向けの超入門ではないのでしょうか． 環境は Windows10 に Anaconda4.1.1(64bit) で Python3.5.2 をインストールした状態です．IDE として PyCharm を用いております．今回の記事では公式のチュート
IDL/FortranユーザがPythonに移行した際のメモ - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 目的 Fortran 90で出力したバイナリファイル等をPythonで読み込み解析。 開発で参考になったリンクや注意などをメモ。 書いている人 普段はFortran 90とIDL(Interactive Data Language)。 Pythonはあまり慣れていない。 ライセンスが必要なIDLの代わりにPythonに移行中。 個人的な開発方針 pylabはGoogle検索で引っかかりにくい。直接numpyやmatplotlibをインポートする。 from [package] import *は極力やらない。 サーバ上でも使いたいので、
pythonでローソク足(candle chart)の描画 - Qiita
import numpy as np import pandas as pd def randomwalk(periods=None, start=None, end=None, freq='B', tz=None, normalize=False, name=None, closed=None, tick=1, **kwargs): """Returns random up/down pandas Series. Usage: ``` import datetime randomwalk(100) # Returns +-1up/down 100days from now. randomwalk(100, freq='H') # Returns +-1up/down 100hours from now. randomwalk(100, ,tick=0.1 freq='S') # Retu
【技術メモ】python matplotlibで見栄えの良い色, グラフを作るTips - プロクラシスト
matplotlibでも割と綺麗な図を作ることができる。 図示の時に色々と使うテクニックを列挙。 どうぞ皆さんもお使いください 基本の体裁 関数で調整 plt()内の基本オプションで調整 透過度をあげる 漫画風にする 棒グラフに柄を載せる グラデーション用の色を作る グラデーションの作り方 色の参考にcmリスト 王道カラフル系 単色濃淡(っぽい) 温度系 季節の色たち グラデーションにならない系 その他 基本の体裁 まずこのグラフ import numpy as np import matplotlib.pyplot.plt x = np.arange(-np.pi,np.pi,np.pi/50) plt.axvspan(-0.5*np.pi,0.5*np.pi,color="red") plt.plot(x,np.sin(x)) plt.show() どぎついし、端が切れているし、イマイ
Effectively Using Matplotlib - Practical Business Python
Taking care of business, one python script at a time Introduction The python visualization world can be a frustrating place for a new user. There are many different options and choosing the right one is a challenge. For example, even after 2 years, this article is one of the top posts that lead people to this site. In that article, I threw some shade at matplotlib and dismissed it during the analy
pandas + matplotlib による多彩なデータプロッティング - Qiita
科学技術計算用言語としての Python そもそもなぜデータ分析などの科学技術計算を Python でやるのでしょうか。主に次の二点によります。 NumPy, pandas, matplotlib など豊富なライブラリが揃っている 汎用性の高いグルー言語として利用できる データフレームを利用した計算とそのグラフ描画 (プロッティング) のみであれば R のほうがどちらかといえば簡単かもしれません。しかし統計解析を汎用性の高い Python で完結させることで様々な分野へのより幅広い応用が可能になります。 NumPy 統計解析の多くはベクトル演算を伴います。 NumPy は高速でメモリ効率の良い多次元配列の実装である ndarray を備えています。プログラミング言語に元から備わっている配列・ハッシュオブジェクトでは到底かなわないような高次元のベクトル演算を可能にします。またファンシーインデ
statistics example code: histogram_demo_cumulative.py — 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/ """ ========================================================== Demo of using histograms to plot a cumulative distribution ========================================================== This shows how to plot a cumulative, normalized histogram as a step function in order to visualize
matplotlib によるデータ可視化の方法 (1) - Qiita
matplotlib と pandas によるさまざまな図の描画方法を以前に紹介しました。しかしその具体的なパラメーターについては触れませんでした。今回から数回に渡り matplotlib による図形描画について追っていこうと思います。 図とサブプロット matplotlib の Figure オブジェクトはプロット機能を提供します。 plt.figure() メソッドは何も描画されていない新しいウィンドウを描画します。 add_subplot() メソッドはその内部にサブプロットを生成します。 import numpy as np from pandas import * from pylab import * import matplotlib.pyplot as plt from matplotlib import font_manager from numpy.random imp
Pyplot tutorial — Matplotlib 2.0.2 documentation
Pyplot tutorial¶ matplotlib.pyplot is a collection of command style functions that make matplotlib work like MATLAB. Each pyplot function makes some change to a figure: e.g., creates a figure, creates a plotting area in a figure, plots some lines in a plotting area, decorates the plot with labels, etc. In matplotlib.pyplot various states are preserved across function calls, so that it keeps track
matplotlib (+ pandas) によるデータ可視化の方法 (4) - Qiita
前回までに引き続き matplotlib と pandas によるデータ可視化について話を進めていきます。 外部データを可視化する 今回はより実践的なデータとして外部のデータを利用しましょう。この記事の参考にもしている pydata-book のデータをまずダウンロードしてきます。 pydata-book/ch08/tips.csv https://github.com/pydata/pydata-book/blob/master/ch08/tips.csv import numpy as np from pandas import * import matplotlib.pyplot as plt tips = read_csv('tips.csv') # CSV データのクロス集計をおこなう party_counts = crosstab(tips.day, tips.size) pr
matplotlib (+ pandas) によるデータ可視化の方法 (5) - Qiita
import numpy as np from pandas import * import matplotlib.pyplot as plt # CSV データを読み込む macro = read_csv('macrodata.csv') # いくつかの列をピックアップする data = macro[['cpi', 'm1', 'tbilrate', 'unemp']] # .diff() メソッドは値をひとつ前の行からの差分に変更する # 先頭が NaN になるので .dropna() メソッドで取り除く trans_data = np.log(data).diff().dropna() # trans_data は前行からの変化を示すデータセットになる # 最後の 5 行を表示 print( trans_data[-5:] ) # => # cpi m1 tbilrate unemp
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
Matplotlib.pyplotのplotの全引数を解説 | 自調自考の旅
Mac に matplotlib をインストールする手順 - Qiita
pandas による金融データの分析とその可視化 (1) - Qiita
matplotlib (+ pandas) によるデータ可視化の方法 (3) - Qiita
Overview — Matplotlib 3.0.0 documentation
https://matplotlib.org/stable/api/axes_api.html