PythonとJavaScriptではじめるデータビジュアライゼーション
Webからデータを取得して、効率よく整理、分析を行い効果的な可視化を実現するには、さまざまなツールとテクニックが必要です。 本書ではPythonとJavaScriptを使い分け、それぞれの言語の強みを最大限利用します。 PythonのBeautifulSoupとScrapyでデータを取得、pandas、Matplotlib、Numpyでデータ処理を行い、Flaskフレームワークを使ってデータを配信、JavaScriptのD3.jsを使ってインタラクティブなWeb可視化を実現します。データの収集からアウトプットまでの全体を視野に入れて解説しているので、実際にコードを追いながら、この一冊でデータ分析プロセスの全体像を理解できます。 まえがき はじめに 1章 開発環境の準備 1.1 本書で扱うコード 1.2 Python 1.2.1 Anaconda 1.2.2 Anacondaインストールの確
K-means 法を D3.js でビジュアライズしてみた
クラスタリングの定番アルゴリズム K-means 法（K平均法）の動作原理を理解するために、D3.js を使って可視化してみました。 図をクリックするか [ステップ] ボタンを押すと、1ステップずつ処理を行います [最初から] ボタンを押すと、最初の状態に戻ります [新規作成] ボタンを押すと、N (ノード数) と K (クラスタ数) の値で新しく初期化します 古いブラウザーではうまく表示できない可能性があります (IE 10、Firefox 25、Chrome 30 で動作確認しています) K-Means 法とは 英語版 Wikipedia の k-means clustering - Wikipedia, the free encyclopedia の手順に沿って実装しています。 英語版の手順をザックリと書くとこんなイメージになります。 初期化: N 個のノード (丸印) と K 個の
可視化ライブラリD3.jsの設計が素晴らしすぎる。 | 三度の飯とエレクトロン
最近名前を聞くことが多くなってきたD3.jsを試してみています。 まだ使い始めたばかりですが、D3.jsの設計の素晴らしさに感動しています。 データを与えればグラフが表示されるというような単純なものではないので、敷居が高く感じていましたが、設計を知るほどによく出来ていて驚きます。 D3.jsとは何か？ そもそも、D3.jsとはなんでしょう？ D3.js – Data-Driven Documents D3.jsは、データをブラウザで可視化するためのライブラリです。 単なるグラフライブラリではなく、もっと抽象的な「可視化」を扱うのが特徴です。 抽象的なレイヤーを扱うので、ライブラリと言っても機能より設計が重要で、D3.jsが支持されている理由はその設計の素晴らしさにあります。実際に描画しながら、その設計の違いについて考えていきます。 企業の時価総額と営業利益の関係をプロット 例題として、企業
Backbone.js+D3.jsでデータの可視化【準備編】 - yutaponのブログ
先週はnode.jsでニコ動のランキング情報をJSON取得するコードを書きましたが、 今回はそのデータを使って棒グラフを書くってところまでやります。 （d3.jsの事前知識は公式のチュートリアルを読んだくらいです。） 普通にd3.js使っても面白く無いので、Backbone.jsとRequireJS使ってやってみました。 ソースを全部上げるには大きくなってきたのでgithubに置いときました。 yussk/nicoranking2d3 · GitHub ※まだまだ未完成、なので準備編。 現状で出力されるグラフはこんな感じ。（マイリスの絶対数のグラフ） しょぼい。 はじめに 先週書いたnode.js側のソースを少し修正してます。 アクセスのたびに100件の動画詳細を取りに行くXHRを防ぐため、 2回目以降はローカルのjsonを取得するよう変更しました。 タグ情報を返す部分も文字列型とオブジェ
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
処理を実行中です
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
