Controlling figure aesthetics — seaborn 0.13.2 documentation
Controlling figure aesthetics# Drawing attractive figures is important. When making figures for yourself, as you explore a dataset, it’s nice to have plots that are pleasant to look at. Visualizations are also central to communicating quantitative insights to an audience, and in that setting it’s even more necessary to have figures that catch the attention and draw a viewer in. Matplotlib is highl
pandas - Python Data Analysis Library
pandas is a fast, powerful, flexible and easy to use open source data analysis and manipulation tool, built on top of the Python programming language. Install pandas now!
15.4. argparse — Parser for command-line options, arguments and sub-commands — Python 2.7.18 documentation
Source code: Lib/argparse.py Tutorial This page contains the API reference information. For a more gentle introduction to Python command-line parsing, have a look at the argparse tutorial. The argparse module makes it easy to write user-friendly command-line interfaces. The program defines what arguments it requires, and argparse will figure out how to parse those out of sys.argv. The argparse mod
Python で 1 変量データ補間
1 次元スプライン補間の他にも様々な補間関数が SciPy には用意されています。 全ての点を通過する 1 変量の補間曲線を得るには、以下に示すような方法があります。 import numpy as np from scipy import signal, interpolate from matplotlib import pylab as plt # サンプルデータ作成 t = np.linspace(0, 10, 11) tt = np.linspace(0, 10, 51) y = np.sin(t) # 線形補間 f1 = interpolate.interp1d(t, y) y1 = f1(tt) # 2 次スプライン補間 f2 = interpolate.interp1d(t, y, kind="quadratic") y2 = f2(tt) # 3 次スプライン補間 f3
scipy/numpyのBoost.Pythonによる高速化 - Risky Dune
Boost.PythonとPyUblasに関して, 今まで適当に書いていた日記をまとめたもの. 詳細は過去の日記へのリンクをあちこちに貼ってある. 前書き Pythonは言わずと知れた非常に遅い言語だ. Pythonで大きなループを含む処理を書くことは即ち死を意味する. 例えば手元のthinkpad Core2Duo2.5GHzでは, Pythonで2つの500×500の行列同士の行列積を計算するのに29秒かかる. これは, C++では僅か0.6秒で終了することを考えると非常に遅い. (ただし, 乱数による行列の生成処理を含み, コンパイルオプションは-O2である) しかし世間は広く, この遅いPythonで数値解析をしたい奇特な人間がいるらしい. そこで恐らく今もっとも使われているライブラリがscipy(numpy)である. このscipyには様々な数値解析用の関数などが含まれている.
NumPyから最高のパフォーマンスを得る方法 - keisukeのブログ
2018/12/27 追記 この記事はかなり昔の情報が混じっている可能性があります。 元の記事にもいくつか修正が入っているようですが、この翻訳記事では特に修正を実施していません。ご注意ください。 正確な情報は元記事を参照してください。 記事 この記事の和訳です。 色々間違っている可能性があるのでご注意ください。 NumPyはPythonの科学計算ソフトフェア群の基礎となるものです。 NumPyはndarrayというベクトル計算に最適化された特別なデータ構造を提供します。 このオブジェクトは、科学数値計算の中の多くのアルゴリズムの核となっています。 特に計算がひとつの命令で多くのデータを操作する (SIMD) パラダイムに沿っている時、Numpy array (配列)を使うことでネイティブなPythonよりもかなりのパフォーマンスの高速化が達成できます。 しかし、最適化されていないNumPy
大規模並列処理：PythonとSparkの甘酸っぱい関係～PyData.Tokyo Meetup #3イベントレポート
ロゴステッカーの作成計画も進行中です。近々イベント会場でお配りできるかも知れません。 チュートリアルおよび次回勉強会のお知らせ この度PyData.Tokyo初の試みとして、初心者向けのチュートリアルを3月7日（土曜日）に行います。また、次回勉強会はデータ解析に関する「高速化」をテーマにし、4月3日（金曜日）に開催します。詳細は記事の最後をご覧下さい。 Sparkによる分散処理入門 PyData.Tokyo オーガナイザーのシバタアキラ（@madyagi）です。 ビッグデータを処理するための基盤としてHadoopは既にデファクトスタンダードになりつつあります。一方で、データ処理に対するさらなる高速化と安定化に向けて、新しい技術が日々生まれており、様々な技術が競争し、淘汰されています。そんな中、Apache Spark（以下Spark）は、新しい分析基盤として昨年あたりから急激にユーザーを増
IPython and virtualenv
Open Source Developer, Author, Editor. There’s always room for pie. IPython is a feature-rich interactive shell for Python developers. Virtualenv creates isolated development environments so you can test or install packages without introducing conflicts. This month, Doug examines how both tools can make your life a little easier. Last month, around the time I started working on my January column,
Jupyter Notebook（IPython）のインストールと始め方 - TASK NOTES
Jupyter のインストール方法と実行までの流れをまとめました。 Jupyter（IPython Notebook）とは 最近 Python を初めた方は、私もそうでしたが Jupyter と IPython Notebook の違いについて悩むことと思いますが結論から言うと同じです。元々が IPython Notebook という名前でしたが、最近では多言語の対応もしているため、Jupyter という名前に変更されています。 そもそも IPython とは強力なインタラクティブシェルであり、特に補完機能なんかはとても便利です。それをサーバーで立ち上げてブラウザ上で実行できるようにしたものが IPython Notebook になります。実行結果の画像をインラインで表示したり、履歴を保存しておくこともできますし、Markdownでテキストを表示することも可能です。簡単にトライアルアンドエ
pyenvでPythonの環境をつくる
1. pyenvの導入gitを使い、pyenvをローカルにダウンロードします。 $ git clone https://github.com/yyuu/pyenv.git ~/.pyenv 以下を ~/.bash_profile に記述します。 export PYENV_ROOT="${HOME}/.pyenv" if [ -d "${PYENV_ROOT}" ]; then export PATH=${PYENV_ROOT}/bin:${PYENV_ROOT}/shims:${PATH} eval "$(pyenv init -)" fi 反映します。 $ exec $SHELL -l 2. pyenv-virtualenv プラグインの導入gitを使い、pyenv-virtualenvをローカルにダウンロードします。 $ git clone git://github.com/yyuu/
virtualenvwrapper needs a new maintainer
Open Source Developer, Author, Editor. There’s always room for pie. virtualenvwrapper is probably the most popular tool I maintain. A surprising number of people use the current version of the shell scripts that grew out of a hacky little set of bash aliases I wrote 7+ years ago. There are even several competitors now. I created a market segment! ;) Perhaps ironically, I’ve found my own needs have
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
http://pandas.pydata.org/pandas-docs/stable/generated/pandas.read_table.html
http://pandas.pydata.org/pandas-docs/stable/dsintro.html
numpy.loadtxt — NumPy v1.10 Manual
installing rpy2 with different R version already installed | Thomas Cokelaer's blog
Mayavi: 3D scientific data visualization and plotting in Python — mayavi 4.8.3 documentation
pylab_examples example code: errorbar_demo.py — Matplotlib 1.2.1 documentation
どこまで速くできる？ 達人に学ぶPython超高速データ分析～PyData.Tokyo Meetup #4イベントレポート
Statistics (scipy.stats) — SciPy v0.16.1 Reference Guide
Create isolated Jupyter ipython kernels with pyenv and virtualenv – Alfredo Motta