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
用いるデータ 例として 分子性物質のデータ（融点・沸点） を使ってみましょう。分子量（molecular weight）から沸点（boiling point）を予測するという問題を解いてみたいと思います。 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',
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
matplotlib.animationを利用してgif画像を作る (ArtistAnimation) - Qiita
matplotlibはデータ解析の可視化ツールとして一般的に用いられています． 今回は，matplotlib.animation機能を使ってgif画像を作ってみたので，そのコードを紹介します． 最終的には，以下のgifアニメーションを作りたいとします． matplotlib.animationには，「ArtistAnimation」機能「FuncAnimation」機能があります． 今回は「ArtistAnimation」機能で話を進めます． 「FuncAnimation」機能については，こちらのページでまとめています． matplotlib.animationを利用してgif画像を作る (FuncAnimation) なお，こちらのページも参考にしています． + Animation using matplotlib with subplots and ArtistAnimation 動作
ggplotとMatplotlibのコード比較 - Qiita
pythonの代表的なグラフ描画ツールであるmatplotlibを勉強するついでに、Rの代表的なグラフ描画ツールであるggplotとmatplotlibのコードを比較していこうと思います。備忘録的要素が強いですが、ggplotに慣れている方や、逆にmatplotlibに慣れている方がもう片方を勉強する際の助けになれば幸いです。 データセットの読み込み 今回は、定番であるirisデータセットを使っていきます。 #python import matplotlib.pyplot as plt import seaborn as sns df=sns.load_dataset("iris") df.head() #python sepal_length sepal_width petal_length petal_width species 0 5.1 3.5 1.4 0.2 setosa 1 4
dockerで機械学習 with anaconda(8)「実践機械学習システム」Willi Richest, Luis Pedro Coelho 著
dockerで機械学習(8) with anaconda(8)「実践機械学習システム」Willi Richest, Luis Pedro Coelho 著Python機械学習matplotlibDockerAnaconda 1.すぐにプログラムを動かしたい方へ(as soon as you want) 実践機械学習システム Willi Richest, Luis Pedro Coelho 著 <この項は書きかけです。順次追記します。> docker dockerは複数人で同じ設定で作業、実験、実習ができるとても便利な道具です。 それまで利用していた環境とは全く別に作ります。 それまでどのような設定をしていても、dockerが起動し、ネットがつながれば大丈夫です。ここでは、本で紹介しているdockerの資料に直接基づかず、すぐに利用できる環境を提供し、またご自身で新たに導入したソフトを含めて
Matplotlibの日本語化でハマったよ♪ - Qiita
【DQN】秘書問題のところで、Matplotlibのグラフの見出し等の日本語化が出来ずに豆腐になっていた問題。。。解決したのでまとめておく。 結論からいうと、基本は、以下の参考のとおりでできました。 そして、理由はわかりませんが、それ以外はまったくできませんでした。 【参考】 ・ 【matplotlib】日本語の設定@keisukeのブログ 前提の環境 ・Windows10 ・Python3 ・Anaconda3 手順は以下のとおり ・matplotlibの設定ファイルの場所を探して、matplotlibrcをコピー ・日本語に対応したフォントのダウンロードとコピー ・matplotlibの設定ファイルを書き換える ・フォントのキャッシュの削除 ・matplotlibの設定ファイルの場所を探して、matplotlibrcをコピー これはpythonを実行した後に、以下のコマンドでいけます
Pythonでスピーカの周波数特性を分析 - Qiita
なぜスピーカの周波数分析を行うのか ダンスミュージックを聴くときは低音重視、クラシックを聴くときは高音重視、音楽制作に使うときはフラットなど、スピーカは用途によって求められる周波数の特性が変わってきます。欲しい音がきちんと出るスピーカを設計したり、選んだりする際にスピーカの周波数分析を行い、定量的に評価することが重要になります。 分析の流れ PythonでTSP信号（測定信号）を作る →スピーカに入力して出力をマイクで録音 →Pythonで分析、グラフ作成 使用機材 被測定スピーカ：Genelec 8050A マイク：NTI M2230 オーディオインターフェイス：RME MADIface XT 測定環境：無響室 TSP信号とは システムの周波数特性は、理想的にはインパルスをシステムに入力し、その出力であるインパルス応答をフーリエ変換することで得られます。 しかしインパルスを放出するスピー
勾配降下法の勾配とは何か、可視化してみる - Qiita
はじめに 勾配降下法の勾配のイメージを鮮明にするため主にmatplotlibを使って可視化してみたいと思います。 勾配降下法の詳細については拙著以下の記事を参考にしてみてください。 パーセプトロン(ADALINE)でライブラリを用いず多クラス分類してみる【Python】 勾配を可視化する 今回勾配を可視化するにあたって、例として以下の関数を用います。 $$ z = x^2 + xy $$ 勾配の計算 勾配ベクトルの定義は $$ \nabla z = \left( \frac{\partial z}{\partial x}, \frac{\partial z}{\partial y} \right) $$ なので、実際に偏微分を計算すると、 $$ \begin{align} \nabla z &= \left( \frac{\partial z}{\partial x}, \frac{\pa
MatplotlibでRuntimeError,ImportErrorが出てきた時の対処法 - Qiita
MatplotlibでRuntimeError,ImportErrorになった時の対処法 経緯 Pythonの学習を進めている途中で以下のようなエラーにぶち当たり、色々試行錯誤して理解しました。せっかくなのでそれを解決するに至ったストーリーをQiitaの練習がてら残します。。。 該当のコード import matplotlib.pyplot as plt import numpy as np x = np.arange(0,10,0.1) print(x) y = 2 * x + 1 print(y) plt.plot(x,y) plt.show() /Users/MYNAME/.pyenv/versions/anaconda3-5.1.0/envs/Pycharm_test/bin/python /Users/MYNAMEo/math_training/liner_function Tr
Google Colaboratory上で某ビジネス系オンラインメディアのPV推移のグラフをmatplotlibを用いて描画する - Qiita
Google Colaboratory上で某ビジネス系オンラインメディアのPV推移のグラフをmatplotlibを用いて描画するanalyticsmatplotlibpandasデータ分析GoogleColaboratory 1.概要 そういえば某ビジネス系オンラインメディアのPV推移を個人的な趣味で定点観測しているのですが、そのオンラインメディアのADページで、PVやUB(UniqueBrowser)の数値をHTMLページのTableタグで表記して公開している事に気付いたので、最近覚えたGoogle colaboratoryを使ってPandasのread_HTML()でPV数値を読み込んで、Matplotlibでグラフ描画しようというのが、本イシューの趣旨。 （注：今まで1個1個PVやUBの数値をExcel等にてコピペしてグラフ描画する的な作業をやっていたけれど、その作業が超絶面倒くさい
matplotlibを使ってデータ可視化(箱ひげ図) - Qiita
今回はPython3のmatplotlibの簡単な使い方について話したいと思います． なぜwxpythonの続きではなく？--->理由は授業で使うからの理由でmatplotlibにした． matplotlibとは matplotlibはPythonでグラフを描画するときなどに使われる標準的なライブラリです． 画像ファイルを作るばかりでなく，簡単なアニメーションやインタラクティブなグラフを作ることもできます． 実際の例はmatplotlibサイトのギャラリーで見ることができます． https://matplotlib.org/gallery.html 準備 サンプルコードを動かす上で予めいくつかモジュールを読み込んでおきます． Wikipediaでmatplotlibを見てみると以下の4つのグラフについて紹介しました． 折れ線グラフ ヒストグラム 散布図 3Dグラフ 今回のデータ可視化する図
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
【随時更新】よく使う・よく忘れるコード一覧(Python編) - Qiita
pandas-profiling に matplotlib の設定を上書きされる問題とその回避方法 - Qiita
matplotlib.pyplotのimport時にSegmentation fault - Qiita
Debian (Docker) にmatplotlibを入れる時に詰まったのでメモ
matplotlib にフォントが無いと怒られる場合の対処 - Qiita
matplotlib ３次元プロットは難しくない！
scipyのfftまとめ（備忘録） - Qiita