seaborn.FacetGrid — seaborn 0.13.0 documentation
seaborn.FacetGrid# class seaborn.FacetGrid(data, *, row=None, col=None, hue=None, col_wrap=None, sharex=True, sharey=True, height=3, aspect=1, palette=None, row_order=None, col_order=None, hue_order=None, hue_kws=None, dropna=False, legend_out=True, despine=True, margin_titles=False, xlim=None, ylim=None, subplot_kws=None, gridspec_kws=None)# Multi-plot grid for plotting conditional relationships.
matplotlibやseabornのヒストグラムでビン幅をサクッとキレイに整える - Qiita
はじめに Icons8 Team ラベル別にデータの分布を確認するためヒストグラムを重ねてプロットすることは多いが、データ次第ではビン幅の違いが目立つケースがある。 TableauをはじめとしたBIツールを使っていても発生しないが、matplotlibやseabornは勝手に調整してくれないので自分で対応する必要がある。 方法 引数のbinsを利用する。 bins : int or sequence or str, optional matplotlib.pyplot.hist binsは整数値だけでなくsequenceも受け取れるので、 range関数に最大値最小値を指定して好みの分割数を設定するだけでいい。 import numpy as np import matplotlib.pyplot as plt # ラベルが2種類でデータの分布が異なるDataFrameを用意 df_1st
[python] pandasの日付データ．変換，読み込み，図示まで | あきとしのスクラップノート
pandasで日付データを操作する際に必要な知識をまとめた． 初めに，pythonにおける日付を取り扱うデータ型に代表的なものが3種類あり(datetime.datetime, np.datetime64, Timestamp)，それぞれの相互変換の方法を説明する．その後，エクセルからpd.read_excel でデータを読み込む際にセルの設定やカラムに何が入るかによってデータ型が異なる点の指摘とTimestamp 型への変換方法．最後に，日付データの図示方法を説明する． 目的としては，pandasにおいて日付データを処理出来るようになることである．pandasではTimestamp 型を用いて内部処理しているため，如何にしてTimestamp型に変換していくかがポイントである． 本記事で使用したコードは，git clone https://github.com/akitoshiblog/
![[python] pandasの日付データ．変換，読み込み，図示まで | あきとしのスクラップノート](https://cdn-ak-scissors.b.st-hatena.com/image/square/4cbb95ce62ab98784f3a5f81aaaf33eca75d13fd/height=288;version=1;width=512/http%3A%2F%2Fakitoshiblogsite.com%2Fwp-content%2Fthemes%2Fcocoon-master%2Fscreenshot.jpg)
seabornでプロットサイズの変更 - Qiita
seabornでプロットのサイズを変えるには 最初にまとめておくと、どのplot関数を使うかによって大きく2種類の方法があるみたい。 一つ目の方法 ググってみるとmatplotlibを使った下のどれかでできるって説明が多いし、これでだいたい上手くいく。 # その1 plt.figure(figsize=(20, 10)) sns.scatterplot(...) # scatterplotを例に # その2 plt.rcParams["figure.figsize"] = (20, 10) sns.scatterplot(...) # その3 fig, ax = plt.subplots(figsize=(20, 10)) sns.scatterplot(..., ax=ax) ただし、seabornのplot関数によっては上の方法が効かない。例えばsns.lmplotなどがそのような例。
PythonのPandas Dataframeで日数差（timedelta）を整数と計算する方法 | KMT92
Pythonで日数差を計算した際、整数型ではなくtimedelta型で結果が出力されました。このままでは整数型との計算ができませんので、timedelta型を整数型に変換する方法を調べました。また、timedelta型から変換せずに計算する方法も載せています。 なおこれがベストな方法とは限りませんので、ご了承ください。 ＜実行環境＞ Python3 (3.7.4) Jupyter Lab version 1.1.4 Windows 10 (64bit) ライブラリのインポート 必要なライブラリを以下の通りインポートします。 今回はCSVファイルの取り込みデータを想定し、データフレームに文字列型で作成された日付を取り扱います。 import pandas as pd from pandas import DataFrame, Series import datetime from datet
PandasでNaNの列を処理する
Pandas でデータを扱うことで、データ分析の前処理が格段に楽になります。 列データにおける NaN の処理を例に、Pandasの便利さの説明をしたいと思います。 NaNとはNaN（Not a Number） は浮動小数点型における異常な値のことを意味します。 わかりやすい例で言うと、0での割り算が該当します。これは実数では表せないため、 NaN になります。 Pandas において NaN は 値が欠損している 場合によく遭遇する表現です。 具体例で見ていきましょう。以下のようなサンプルデータ（sample.csv）を作成します。 ID,名前,年齢,性別,趣味 1,小林,20,男,野球観戦 2,田中,35,女,飲み会 3,佐藤,29,男 4,鈴木,44,女,編み物データを read_csv 関数で読み出して DataFrame とした後、表示してみます。 1import pandas
PA-WG2600HP3 を BRモード（ブリッジモード）/ 無線LANアクセスポイント の設定 やり方
NEC Aterm PA-WG2600HP3 のBRモード（ブリッジモード）は、ブロードバンドルーター機能を停止して、単純に無線LAN / Wi-Fi アクセスポイントになるモードです。その設定方法を解説します。 BRモードは、どんな時に使うの？ すでに、安定したWi-Fiルーターがあって、PA-WG2600HP3のブロードバンド機能を使わない時に、BRモードにします。 とくに、IPv4 over IPv6 に対応したHGW（Home Gate Way）を使っていて、家のLANは安定したネット環境がある場合、無線LAN / Wi-Fi の接続できるアクセスポイントが欲しい時に使います。 BRモード（PA-WG2600HP3）の設定のやり方
Aterm BL172HV DMZの説明
auインターネットでAterm BL172HVが設置されている環境で仮想グローバルIPアドレスDMZ通信する設定の説明です。このポート開放設定は指定するクライアントにポートを優先的に全て割り当てます（ポート転送）ので例えばPS3や任天堂Wiiで友人とオンラインで繋がらない等の場合DMZを設定する事で解決する事が出きます。 備考：DMZは一台のクライアント（PCやPS3）しか割り当てることができません。 準備 まずDMZを適用するPS3や任天堂Wiiもしくはその他クライアントのIPアドレスを固定して下さい。 Windows 7 プレイステーション4 プレイステーション3 WiiU 3DS XBOX IPアドレス：192.168.0.201 サブネットマスク：255.255.255.0 デフォルトルータ（又はゲートウェイ）：192.168.0.1 プライマリDNS：8.8.8.8 セカンダリD
au ホームゲートウェイ Aterm BL172HV ポート開放
au（旧dionとKDDのインターネット）ホームゲートウェイ、Aterm BL172HVがご自宅にある環境で、サーバ公開、NASへの外部アクセス、ストリーミング配信を行い方やオンラインゲームサーバ又はホストを開始したい場合のポート開放手順の説明です。 準備IPアドレスを固定します ポートを開放する必要のあるサーバやアプリケーションを起動するパソコンのIPアドレスを固定してしまいます。 VISTAのIPアドレス固定 Windows 7 Windows 8 IPアドレス：192.168.0.80 サブネットマスク：255.255.255.0 デフォルトゲートウェイ：192.168.0.1 優先DNS：8.8.8.8 代替DNS：8.8.4.4 固定出来たら必ずパソコンを再起動下さい。 Aterm BL172HVルータへのログイン方法（設定画面表示方法）は http://web.setup/ 又
Pythonで地名から住所と座標を割り出すジオコーディングを試してみる
2020年新年最初の投稿です 色々とPython製のライブラリについて調べていたら、仕事でも使えそうなライブラリを見つけたので、今回はそれを試してみます。 地名から座標を割り出す今回はジオコーディングの一種でもある地名や住所から座標を割り出してくれるPython Geocoderというのを使っていきます。Geocoderというものは、多言語にもあるライブラリだそうです。 Geocoderの特徴は、複数のマップサービスのAPIを統一されたスキーマや文法などで代わりに呼び出してくれます。 約30個近くのマップサービスに対応しており、GeocoderからGoogleMap、OpenStreetMapとあらゆるマップサービスからマップの情報を引き出してくれます。 ちなみにGoogleMapなどはAPI Keyが必要ですが、API Keyを設定していなくても、API Key不要なOpenStreet
GeoIP2を使ってIPアドレスの情報を取得 (Python編) - Tahoo!!
前のエントリーでは、PHPでGeoIPを使ってIPアドレスを解析した。 本エントリーでは、Pythonを使ったやり方をメモ。と、言ってもほぼPHPと同じｗ データベースのダウンロード 上記のエントリーと同様なので、上記のエントリーを参照のこと。 インストール インストールにはpipを使う。pipのインストールに関しては、pythonを使っている場合大抵インストールされていると思われるので省略する。 PHPと同様にGithubの公式ページが参考になる。 GeoIP2 Python APIのインストール $ pip install geoip2 これでインストールは完了。 使ってみる 以下のサイトを参考に、PythonでもIPアドレスから地域の情報を取得してみる。 サンプルコード import geoip2.database # データベースの読み込み reader = geoip2.data
Pandasでヒストグラムの作成や頻度を出力する方法
ヒストグラムを作成するhist関数 基数の数を変更する (bins) ラベルを元にヒストグラムを作成する by 非数値データの頻度をヒストグラムで表示する まとめ 参考 Pandasにもヒストグラムを作成する関数hist()が存在します。この関数は値を表示するのではなく、ヒストグラムをmatplotlibを使ってプロットします。単純に頻度の数値データが欲しい場合はvalues_counts関数が便利な関数です。 本記事では ヒストグラムの作成の仕方 value_counts関数を使った非数値データの頻度の出力方法 について解説します。 今回扱うサンプルデータはKaggleのチュートリアルからとってきたものです。 Titanic - Kaggle ここのtrain.csvという名前のファイルを使います。 （ダウンロードするためにはユーザー登録が必要ですが簡単なものなのでしておくことをお勧めし
複雑な構造を持つ辞書のValueソート（深いところのValueでkey構造ごとソート） - Qiita
Complex Value Sortとでも呼んでおく(これ何ソート？) 指定する辞書のvalueが構造を持つケース 複雑な辞書のvalueの中のどこかの値でkey以下の構造をソートする。 key以下の構造を維持する形でソートする。 指定の値が文字列か数値かには注意する。（""やNoneは、事前に弾くか0にでもしておく） 例えば、こんな辞書構造があって Adic = { ↓こことか ↓ここを軸にソートしたい 'C134':{"price":30,"sales":"1000","profit":200 ,"alist":[110,20,30 ,50]}, 'C623':{"price":80,"sales":"100" ,"profit":6 ,"alist":[100,10,30 ,50]}, 'C430':{"price":70,"sales":"5000","profit":1
Pythonで辞書のリストを特定のキーの値に従ってソート | note.nkmk.me
Pythonで共通のキーを持つ辞書を要素とするリストをsort()メソッドやsorted()関数でソートしようとすると、デフォルトではエラーTypeErrorになってしまう。 sort()メソッドやsorted()関数の引数keyを指定することで辞書のリストを特定のキーの値に従ってソートできる。 共通のキーを持つ辞書のリストはJSONを読み込むと頻繁に遭遇する。PythonでのJSONの読み書きは以下の記事を参照。 関連記事: PythonでJSONファイル・文字列の読み込み・書き込み また、このような辞書のリストはデータ分析ライブラリpandasのpandas.DataFrameに変換できる。もろもろの処理をするのであればpandas.DataFrameに変換すると便利。 関連記事: pandasのjson_normalizeで辞書のリストをDataFrameに変換 以降のサンプルコード
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
How to suppress Pandas Future warning?
How to move legend to outside of a seaborn scatterplot?
seaborn scatterplot marker size for ALL markers
How to filter search results - Bing Web Search API - Azure AI services
Basemapをインストールしようとしたらつまづいたので忘備録 - Qiita
regex101: build, test, and debug regex
