seaborn の新バージョン（v0.9.0 (July 2018)）を試してみる - Qiita
概要 What’s new in each version --v0.9.0 (July 2018) seabornがメジャーアップデートをして、バージョン0.9.0がリリースされました。 いくつかの変更点や新たな関数が追加されたようなので、いくつか試してみたいと思います。 特に、散布図のscatterplot()や、線グラフのlineplot()が良さげなので、それについて詳しく見ます。 コードだけ見たい方は、以下の文章は飛ばしてこちらからどうぞ。 注意！ ベータ版なので、アップデート等は自己責任でお願いします。 主な変更点や追加関数 以下、公式ドキュメントの翻訳（意訳）の抜粋。だいぶ粗い訳なので、分かりにくい箇所はドキュメントを参照してください。 新しいグラフ関数が追加された。 relplot() scatterplot() lineplot() relplot()は FacetGri
pandas, seaborn による可視化メモ - Qiita
データセットの可視化 iris.csvをサンプルのデータセットとして，pandas, seabornで可視化の練習をした際のメモ．あくまで自分用メモなので図の種類やカラムの選び方など恣意的な箇所があると思いますが，ご了承ください_(..) データ： https://raw.githubusercontent.com/uiuc-cse/data-fa14/gh-pages/data/iris.csv ヒストグラムの描画 iris.csvは，４つのカラムと１つのカテゴリ値 sepal_length, sepal_width, petal_length, peta_width と species から成る． カテゴリ値であるspeciesの分類を念頭においた可視化をする． まずは1つのカラムについて，分布を確認する． ・sepal_lengthの分布
Python でデータ可視化 - カッコいいヒートマップを描こう - 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。 Seabornについてと、初歩的な使い方については下記リンクをご覧ください。 ◆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 ヒートマップ seabornでは下記のように美しいヒートマップを描くことが出来ます （SeabornのTutorialサイトより抜粋） 見た目にもインパクトがあり、数字があまり得意でない人にもウケが
Python でデータ可視化 - "Facet"で属性別グラフを一気に描く方法が便利すぎる - 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。 Seabornについてと、初歩的な使い方については下記リンクをご覧ください。 ◆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 たくさんのグラフを一気に書く 本記事ではデータから属性の異なる複数のグラフを一気に描く方法について解説します。 例えば下記にようなイメージです。 『Walk』という属性ごとに x-step, y-p
【Python】matplotlibによるグラフ描画時のColormapのカスタマイズ - Qiita
AdventarのPython Advent Calendar 2015 21日目の記事です。 Pythonでグラフを描く時、Matplotlibを使うと思います。また最近はSeabornというグラフを綺麗にしてくれるライブラリがあり、自分はそれを愛用しています。ただ、色をもっと自由に選びたい、設定したいという時に＋αでColormapのカスタマイズをすると便利です。今回はこれを紹介します。 #準備 まずはいつもの一式インポートです。大体Anacondaにあるものですが、足りないものは pip install ＜入れたいライブラリ名＞で入れることができます。 import numpy as np import pandas as pd from sklearn import datasets import matplotlib.pyplot as plt import matplotlib
Pythonの可視化パッケージの使い分け - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Pythonで可視化といえばMatplotlibだけど、APIがごちゃちゃしていて覚えにくいのが難点かな。BokehがAPIもうまく整理されていて一番使い勝手がいい気がするけど、まだまだ日本語の情報が少ないのが惜しいところ。 これからはWebにも対応できるBokehが伸びてくるんじゃないかと勝手に期待している。 おすすめの使い分け方 簡単なデータを手早くプロットするなら Matplotlib MATLABからPythonに乗り換えたなら Matplotlib かっこよく人に見せたいなら Bokeh 対話操作を入れたいなら Bokeh グ
【Seaborn】日本語を表示する (フォントを変更する) - Qiita
Seaborn? Seaborn とは、Pythonの外部モジュールのひとつで、統計データの可視化を目的として作られています。 公式ページでは、 Seaborn is a Python visualization library based on matplotlib. It provides a high-level interface for drawing attractive statistical graphics. (SeabornはmatplotlibにもとづくPythonの可視化ライブラリです。魅力的な統計グラフを描くためのハイレベルなインターフェースを提供します。) と説明されています。要は、matplotlibをかっこ良く、かつ使いやすくするためのライブラリです。 しかし、Seabornはフォントの問題でデフォルトでは日本語をうまく表示することが出来ません1。
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
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！！！ ただし、商用利用、大量に取得&スクレイピングはNG この辺の解説は以下のリンクを参照ください&認識齟齬があればコメントを. http://gd2.mlb.com/com
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
seabornでintroductionを見ながら最短でグラフを出力するところまで - Qiita
https://qiita.com/yudsuzuk/items/a13236a415f238da857e
データの可視化をPython seabornでお手軽に。 - Qiita
Seabornのカラーパレットの選び方 - Qiita
