Jupyter-notebook の作図ライブラリ比較 - Qiita
時は戦国 Python には作図ライブラリがたくさんあります。 最もデファクトスタンダードに近く歴史も古い作図ライブラリは matplotlib で間違いないでしょうが、それでも R における ggplot2 ほどの地位は確立していないように思います。 特に、Jupyter-notebook 上ではインタラクティブなグラフを表示するニーズがあり、そこでは静的なグラフよりもさらにライブラリが割拠している印象があります。何がどう違うのかよくわかりません。 そこで今回は代表的な作図ライブラリの Jupyter-notebook 上での 違いについて簡単にまとめます。 注意 各ライブラリはいずれも細かくグラフのスタイルを設定可能で、やろうと思えば同じような見た目のグラフを生成することも可能ですが、今回はできるだけ何も設定せずにプロットした時のグラフを使います。 今回試すライブラリたち matplo
Bokehの初歩を完全に理解したい - Qiita
bokehの対話的プロットを極力丁寧に理解するために、手頃なサンプルを例に解読を試みる。 ソースコードから予想で仕様を書いているが、ドキュメントも確認しているので大まかには間違いないはず。 全体のソースコードはこちら こんなやつ↓ データ生成 # create three normal population samples with different parameters x1 = np.random.normal(loc=5.0, size=400) * 100 y1 = np.random.normal(loc=10.0, size=400) * 10 x2 = np.random.normal(loc=5.0, size=800) * 50 y2 = np.random.normal(loc=5.0, size=800) * 10 x3 = np.random.normal(loc
Pythonでボケ(Bokeh)よう ～ データ可視化ライブラリの紹介 ～ - Qiita
はじめに Pythonで可視化したい場合 pandasでCSV化してExcelでグラフ化 Pythonのグラフライブラリで可視化 matplotlib seaborn Mayavi Plotly bokeh holoviews pandasでCSV化してRDBに投入して、BIツールで分析 metabase Redash Pythonの可視化パッケージの使い分け Bokehを使った経緯 Pythonで公開APIにアクセスし、取得したデータを可視化したい 取得できるデータは日々変わるので、「CSV→Excelでグラフ表示」は面倒 matplotlibで可視化してみたけど、分析しづらい インタラクティブなBokehを使おう！ matplotlib matplotlibとは グラフ描画ライブラリ 2003年リリース ほとんどのPython入門本で紹介されている（はず） matplotlibでグラフ
Pythonの可視化パッケージの使い分け - Qiita
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 グラフ上のデータ点の数値を確認したいなら Bokeh Plotly 3D形状をプロットするなら Plotly Mayavi 統計分析するなら seaborn Matplotlib 良い点 簡単なデータをプロットするのは楽。 プロットの機能が充実している（気がす
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
