tl;dr 2020年1年間のはてなブックマークの人気エントリー3万件をもとに技術トレンドを分析。 その結論とPythonでグラフ化した手順を書き記します。 ※ご指摘がありましたが、技術トレンドというよりitニューストレンドと言った方が正しいかもしれません。踏まえてお読みください。 前置き 手元に2020年の1年間ではてなブックマークの技術カテゴリーにおいて人気エントリーに一度でも乗ったことのある記事のタイトルデータが3万件ほどあったため、形態素解析を行い単語の出現頻度順に並べてみました。欠損の割合としては多くても1割程度、つまり少なくとも9割程度のデータは揃っているはずなので精度はかなり高いと思います。 （※はてなブックマークはNewsPicksみたくインターネット上の記事をブックマーク・コメントでき、より多くブックマークされた記事が人気エントリーとしてピックアップされるサービスです。w
こんにちは，米国データサイエンティストのかめ(@usdatascientist)です． この度33回に渡る「データサイエンスのためのPython入門講座」を書き終えたので，目次とまとめの記事を書いていこうと思います． (「データサイエンスのためのPython講座」動画版がでました！詳細はこちら) 本講座の目的 本講座では，Pythonでデータサイエンスをするにあたり必要な環境構築・Pythonの基本・データサイエンスに使うPythonライブラリの基本・その他データサイエンスで頻出のPythonモジュールの’基本の’使い方をマスターすることを目的としています． この講座で目指すところは Pythonでデータサイエンスに必要なデータ処理をするためのツール・ライブラリ・モジュールの使い方の基本をマスターする Excelなどの表計算ツールを使うことなくデータ処理ができる 画像ファイルなどのデータフ
データの可視化はなぜ必要なのでしょうか。それは、そのデータを生み出している事象をより正確に理解したり、機械学習での予測に用いる際に、使うべきデータを適切に選んだりするためです。そのためにはまず、データを可視化することによって、データの大まかな特徴をつかんだり、データ同士の相関関係を知ることが必要なのです。 さて、Pythonでデータを可視化する際には、まず、Pandasでデータを集計・加工します。その上で、matplotlib（マットプロットリブ）や今回ご紹介するseaborn（シーボーン）というライブラリで可視化を行います。seabornは特に、手軽に美しく可視化ができるライブラリなので、本稿でseabornがいかに魅力的なライブラリであるかを学びましょう。 seabornの特徴 seabornとは、Pythonのデータ可視化ライブラリで、同じPythonの可視化ライブラリであるmatp
color mapの一覧をheatmapで(160個くらい画像があるので注意) - podhmo's diary
from nbreversible import code import pandas as pd import numpy as np import seaborn as sns # %matplotlib inline xs = np.arange(1, 10) ys = np.arange(1, 10).reshape(9, 1) m = xs * ys df = pd.DataFrame(m) df 0 1 2 3 4 5 6 7 8 0 1 2 3 4 5 6 7 8 9 1 2 4 6 8 10 12 14 16 18 2 3 6 9 12 15 18 21 24 27 3 4 8 12 16 20 24 28 32 36 4 5 10 15 20 25 30 35 40 45 5 6 12 18 24 30 36 42 48 54 6 7 14 21 28 35 42 49
最近，研究活動（おもに実験)で得たデータを計算したり，可視化するのに使っているPython。 可視化（グラフ作成)に使うMatplotlib(Seaborn)の使い方をすぐ忘れてしまうので，自分のために書き留めておこうと思う。 ごく基本的な使い方モジュールのインポート import numpy as np import matplotlib.pyplot as plt import seaborn as snsデータ準備 x = np.linspace(1,100,100) y = x**2一番簡単なプロット方法plt.plot(x,y, label = 'y = x^2') plt.legend() オブジェクト指向な書き方（その1：figとaxを別々に指定）figureを作り，次にその中のグラフの外枠（軸メモリなど)となるAxesを設定後，グラフを描画する方法。以下では，figとaxを
PythonのSeabornライブラリでグラフを作っている方比較するデータの表示方法を探している方大学生や研究生の方でグラフの作り方を覚えたい方 こんにちは．けんゆー（@kenyu0501_)です． 今日は，PythonのSeabornライブラリでグラフを作成するときに，「二つ以上のグラフを一枚の図の中に貼り付けて比較する方法」を紹介します． Seabornは，Pythonの可視化ツールの一つで，matplotlibをベースにしたライブラリです． これを使えるようになると，おそらく他のグラフ作成ツールはほとんど必要なくなると思います． 大学生や，データを扱っている方でグラフをよく作成するという人にはオススメです． 例題を使ってデータを比較するやっていることを分かり易くするため，以下のような例題を扱って，それをグラフ化していきます． 例題：Aさん，Bさん，Cさんが3種類のテストを5回ずつ行っ
概要 データに基づき、自動でラベルを見分ける機械学習手法を「分類」と呼びます。 例えば、「大きさ」と「色」のデータから、「リンゴ」と「ミカン」を見分けるようなイメージです。 今回はPythonのグラフ描画ライブラリ「seaborn」をベースにして、 分類結果の解釈を強力にサポートするツールを作成しました！ 機能1. 決定境界の可視化 機能2. クラス確率の可視化 RGB画像表示 (proba_type='imshow') 等高線表示 (proba_type='contourf') 2021/7 修正：pipでインストールできるよう改良しました 下記コマンドでインストール可能となりました ※関連ツールを1つの記事にまとめました！よければこちらもご覧ください もしこのツールを良いと思われたら、GitHubにStar頂けるとありがたいです！ 背景 分類は、データの基づき自動でラベル（「クラス」「
Seaborn Objects ~ グラフィックの文法で強化された Python 可視化ライブラリの新形態 ~ - GMOインターネットグループ グループ研究開発本部
2023.02.10 Seaborn Objects ~ グラフィックの文法で強化された Python 可視化ライブラリの新形態 ~ お久しぶりです。グループ研究開発本部・AI研究開発質の T.I. です。色々あって久しぶりの Blog となりました。今回は、趣向を変え、最近大幅に改良された Python のデータ可視化ライブラリである Seaborn の新しい機能を紹介します。昨年９月にリリースされたばかりということもあるのか、本邦どころか英語で検索しても解説資料は公式サイト以外はほぼ皆無(当方調べ)というレアな情報となります。 はじめに データ分析・機械学習などにおいて、データの様々な特徴を可視化しながらの調査・探索(Exploratory Data Analysis (EDA))は、対象の正確で深い理解には不可欠なアプローチと言えます。Python のデータ可視化ライブラリとしては、
最新のseabornAPIを全て試してデータ可視化スキルを高める【可視化, 2020/9/9-ver0.11.0】 - Qiita
最新のseabornAPIを全て試してデータ可視化スキルを高める【可視化, 2020/9/9-ver0.11.0】Python機械学習Python3可視化seaborn 2020年9月9日にseabornの新バージョンがでましたね 今回はそんなver0.11.0を使いながら可視化の振り返りをしていきます seaborn公式のギャラリーと関数を参考に全べてのAPIを使ってみたいと思います 可視化だけ興味のある人は真ん中まで飛んでくだし 長いのでctrl + F で検索かけてください 検証環境 conda create -n eda python==3.8 conda activate eda notebook==6.1.4 ipykernel==5.3.4 seaborn==0.11.0 pandas==1.1.2 matplotlib==3.3.2 statsmodels==0.12.0
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
はてなブックマーク3万件にみる技術トレンド2020年まとめ - Qiita
データサイエンスのためのPython入門講座全33回〜目次とまとめ〜
seaborn 徹底入門！Pythonを使って手軽で綺麗なデータ可視化８連発
Matplotlib(Seaborn)の基本的な使い方｜Hi-Roto's Note
【Python】Seabornでグラフを重ねてプロットする方法
Pythonでデータの挙動を見やすくする可視化ツールを作成してみた（分類編） - Qiita