この記事の元の本編は削除しました。｜樫田光 | Hikaru Kashida｜note
これは何かGoogleの Material Design Guideline - Data Visualization がとても良くまとまっていたので、自分なりに和訳・編集してまとめたものです。 ※ 注意事項 こちらはあくまで、もとのドキュメントを参考に筆者が和訳・編集したものになります。原文の完全な和訳ではなく、抜粋の範囲や、英=>和の際の意訳を筆者が恣意的に行っています。 筆者の意訳・編集による曲解や元のドキュメントでのオリジナルの文意が気になる方は原文を読むことを強くおすすめします。 和訳の公開の可否についてはGoogle社に直接問い合わせています。1 / 原理原則（Principles） データの可視化は、複雑で内容の多い情報をグラフィカルな形式で表現するコミュニケーション手段である。 可視化の結果、データを比較しストーリーを伝えることが容易になり、データの利用者の意思決定の助け
Strava heatmapを使ったOSRM最適化 – ちゃりラボBlog
今回は、Stravaのheatmapを使って、自転車経路の最適選択するというテーマです。２年ほど前からアイディアはあったのですが、最近OSRMのドキュメントを見ていたら、意外と簡単に実現できそうだったのでやってみました。 自転車で実際走っていると、「実は並行している別の道路の方が走りやすかった」「そもそも自転車通行禁止だった」等に遭遇します。道路の属性データの質・量を上げていくのも１つの解決策ですが、そこは地元の自転車乗りが一番知っているはず。Stravaのheatmapを眺めていると「ああやっぱりみんなこっち走っているのね」とか「あれ？こんなルートあったの？」とか思うことが多々あるので、このデータを使うと満足度の高いルート探索が実現できそうと思ったのが始まり。 構築手順 まず基本になるのが、こちらのOSRMのドキュメント。最後の方にある”Using Raster Data”というところ。
分析者から見た使いにくいデータ基盤の話 | リクルートテクノロジーズ メンバーズブログ
リクルートテクノロジーズのアドベントカレンダーの 12/25 の分です。 要するにデータが潤沢なデータレイクと、秩序だったデータウェアハウスがほしいという話をします。データマートは分析者も必要に応じて作ればいいので、なくても問題ないです。データレイク、データウェアハウス、データマートについては本記事で解説します。 とはいえ、「データあるから分析してくれ」を最初に取りかかる場合は、秩序だったデータウェアハウスが無いはずなので、データレイクに大量のデータがあれば贅沢は言いません。実はデータがない状態は本記事では想定していません。 本アドベントカレンダーでは似た内容を先に書かれましたが、本ブログでは使う側の視点なのでちょっと違います。とはいえ、目指す姿はだいたい似るはずです。 http://yuzutas0.hatenablog.com/entry/2018/12/08/235900 なんのため
衛星画像解析が変わる!? 「Google Earth Engine」の何がすごいのか | 宙畑
「一部の人だけができる衛星画像解析」から「誰もが気軽に触れる衛星画像解析」へ。 近年、衛星画像解析が大きく変わろうとしています。 近年、衛星画像解析が大きく変わろうとしています。その兆しのひとつとして挙げられるが「Google Earth Engine」です。 「一部の人だけができる衛星画像解析」から「誰もが気軽に触れる衛星画像解析」へ。 近年、衛星画像解析が大きく変わろうとしています。その兆しのひとつとして挙げられるが「Google Earth Engine」です。 これまでの衛星画像解析と何が違って何ができるのか、早稲田大学教育学部・講師で、衛星地球観測学を専門とされている永井さんに教えていただきました。 【永井裕人さんプロフィール】 永井裕人さん 永井裕人（ながいひろと） 早稲田大学教育学部・講師。専門は衛星地球観測学。 2014年、名古屋大学大学院環境学研究科博士後期課程修了。博士
DATA GO JP/open data
データセット データセットとは、ファイルやURLなどの「オープンデータ」が登録された入れ物を指します。 データポータルでは、複数の切り口からデータセットを探すことができます。
【Unity】ローカルデータの保存 - KAYAC engineers' blog
はじめに こんにちは、Unityエンジニアの清水です。 この記事はカヤックUnityアドベントカレンダー2016の18日目の記事になります。 今日はローカルデータの保存についてお送りします。 データの保存について サーバの存在するゲームでは大抵のユーザデータはサーバ上に保存されると思います。 サーバにデータが置いてあればユーザが任意に書き換えられないのでチート対策になりますし、アプリをインストールしている端末を壊してしまったときに新しい端末とサーバのデータを紐付け直せば復帰できるかもしれません。 しかし、端末上には何もデータを保存しないかといえば、そんなことはありません。 例えば、サーバ上のデータと紐付けるためのIDのような値、通信や処理を減らすためのキャッシュデータ、書き変えられたり失われたりしてもあまり問題ない音量や表示の設定値といったデータは端末上に保存されるかもしれません。 そこで
matplotlibで等高線やら何やらのプロット - たこ焼き食べた.net
今回は等高線や、疑似カラープロット(？)に挑戦です。 今までと違い、x, yのデータの他にz方向のデータを持っています。 以前のお話はこちら matplotlibでグラフを書く - たこ焼き食べた.net 疑似カラープロット(？) 行列の作り方 これは以下の等高線などでも使う知識なので重要です。 今回挑戦するx, y, zの3軸の情報を持つグラフは、今までと若干行列の与え方が異なります。 例えば、5*5の行列をプロットするとすると以下の行列が必要となります。 このように、x, y, zがそれぞれ、5*5の情報を持つ必要があります。 通常、x, y, zは x = arange(5) y = arange(5) Z = array([[24, 32, 12, 16, 21], [23, 24, 25, 26, 27], [43, 36, 32, 26, 25], [30, 32, 25, 2
GMTTipsPage
データはどこにあるのか？ 海底地形図を描くためのデータを入手するには以下の４つの方法がある...... 自分で観測する 観測した人にねだる 無料の公開データを手に入れる 買う：もうあまりない 以下は３についての情報. データを論文に使用する際の引用方法などの注釈がついていることが多いので十分注意して使うこと。 無料の公開水深データ [ グリッド ] ETOPO Global Relief Model 定番中の定番。NGDC（米国地球物理データセンター）が提供しているグローバル地形データセット。極域も含め全地球の海陸あわせた標 高・水深のグリッドデータである。音響測深による実測データと，衛星高度計から得られる推定水深のハイブリッド．ETOPO5と呼ばれる5分グリッド（緯度5分=~9.2km)でスタートし、その後衛星高度計のデータによる補間を加えたETOPO2（2分グリッド＝～3.7km),
Python pandas データのイテレーションと関数適用、pipe - StatsFragments
pandas ではデータを 列 や 表形式のデータ構造として扱うが、これらのデータから順番に値を取得 (イテレーション) して何か操作をしたい / また 何らかの関数を適用したい、ということがよくある。このエントリでは以下の 3 つについて整理したい。 イテレーション 関数適用 pipe (0.16.2 で追加) それぞれ、Series、DataFrame、GroupBy (DataFrame.groupbyしたデータ) で可能な操作が異なるため、順に記載する。 まずは必要なパッケージを import する。 import numpy as np import pandas as pd イテレーション Series Series は以下 2つのイテレーション用メソッドを持つ。各メソッドの挙動は以下のようになる。 __iter__: Series の値 ( values ) のみをイテレーシ
1
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
Unityでゲームデータのセーブ・ロードを行う方法
Googleの無料BIツール「Google Data Portal(グーグルデータポータル)」の使い方 | 解析レポート作成時間がゼロに！ | Ledge.ai