#matplotlib Dépôts
Découvrez 64 dépôts GitHub open source actifs associés à #matplotlib, cumulant 360,312 étoiles au total (soit une moyenne de 5,629 étoiles par projet). Le projet en tête de ce thème est Asabeneh/30-Days-Of-Python, avec 79,242 étoiles.
64 dépôts au total
Le défi de programmation « 30 Jours de Python » est un guide étape par étape pour apprendre le langage de programmation Python en 30 jours. Ce défi peut prendre plus de 100 jours. Suivez votre propre rythme. Ces vidéos peuvent également vous aider : https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw
Python Data Science Handbook : texte intégral dans les notebooks Jupyter
Notebooks Python pour la science des données : Deep learning (TensorFlow, Theano, Caffe, Keras), scikit-learn, Kaggle, big data (Spark, Hadoop MapReduce, HDFS), matplotlib, pandas, NumPy, SciPy, fondamentaux de Python, AWS et diverses lignes de commande.
Système de Trading Quantitatif Abu (Actions, Options, Futures, Bitcoin, Machine Learning) Trading quantitatif open-source basé sur Python, architecture d'investissement quantitatif
PyGWalker : Transformez votre dataframe en une interface utilisateur interactive pour l'analyse visuelle
Dessinez de jolies cartes à partir de données OpenStreetMap ! Construit avec osmnx +matplotlib + shapely
Feuille de route d'apprentissage en intelligence artificielle, compilation de près de 200 cas pratiques et projets, manuels complémentaires gratuits, entrée pour débutants absolus, pratique pour l'emploi ! Inclut : Python, mathématiques, apprentissage automatique, analyse de données, apprentissage profond, vision par ordinateur, traitement du langage naturel, PyTorch, tensorflow, machine-learning, deep-learning, data-analysis, data-mining, mathematics, data-science, artificial-intelligence, python, tensorflow, tensorflow2, caffe, keras, pytorch, algorithm, numpy, pandas, matplotlib, seaborn, nlp, cv et autres domaines populaires
Un livre à accès ouvert sur la visualisation scientifique utilisant Python et Matplotlib
《Analyse de données avec Python · 2e édition》
Panel : Le framework puissant pour l'exploration de données et les applications web en Python
Une série de fonctions utilitaires pour faciliter les opérations de base de traitement d'images telles que la translation, la rotation, le redimensionnement, la squelettisation et l'affichage d'images Matplotlib avec OpenCV et Python.
Outils d'analyse visuelle et de diagnostic pour faciliter la sélection de modèles d'apprentissage automatique.
:bar_chart: Enregistrez les figures matplotlib au format TikZ/PGFPlots pour une intégration fluide dans LaTeX.
Un outil interactif de visualisation de données qui apporte les graphiques matplotlib dans le navigateur en utilisant D3.
Une petite bibliothèque pour l'ajustement automatique de la position du texte dans les graphiques matplotlib afin de minimiser les chevauchements.
Créez des courses animées de diagrammes à barres dans Python avec matplotlib
Une collection d'extraits de code de la publication Daily Dose of Data Science sur Substack : http://www.dailydoseofds.com/
Bibliothèque de visualisation de données géospatiales de haut niveau pour Python.
🎨 Un wrapper succinct pour matplotlib pour créer de beaux graphiques de qualité publication
Apprentissage automatique, statistiques et fouille de données pour l'astronomie et l'astrophysique
Visualisation circulaire en Python (Circos Plot, Diagramme de cordes, Graphique radar)
Mon cours de 'Python pour l'analyse de données' sur YouTube
Les visualisations de données sont au cœur de chaque publication de résultats de recherche scientifique. Elles doivent être aussi claires que possible pour faciliter la communication de la recherche. Comme les données peuvent avoir différents formats et formes, les visualisations doivent souvent être adaptées pour refléter les données aussi bien que possible. Nous avons développé Pylustrator, une interface pour éditer directement les graphiques matplotlib générés par Python afin de les finaliser pour la publication. Par conséquent, les sous-graphiques peuvent être redimensionnés et déplacés avec la souris, t
Feuilles de style Matplotlib pour formater joliment des figures pour des articles scientifiques, des thèses et des présentations, tout en les gardant entièrement modifiables dans Adobe Illustrator.
Adaptez vos figures matplotlib à votre article, poster ou diaporama en une seule ligne de code.
Un ensemble de cartes de couleurs uniformes perceptuellement utiles pour tracer des données scientifiques
L’IA a créé votre figure de recherche. Tavotto la prépare pour publication : modifiez des figures matplotlib et générées par IA sur un canevas, composez des pages à plusieurs panneaux en mm et vérifiez les règles de la revue avant l’exportation. Les scripts restent intacts.
Enregistrez l'activité du processeur et de la mémoire d'un processus :chart_with_upwards_trend:
Modélisez, simulez et visualisez des systèmes dynamiques non linéaires discrets, le chaos et les fractales
Foire aux questions
Quel est le dépôt #matplotlib le plus populaire sur GitHub ?
Le projet #matplotlib open source le mieux classé sur GitHub est Asabeneh/30-Days-Of-Python, avec 79,242 étoiles. Le défi de programmation « 30 Jours de Python » est un guide étape par étape pour apprendre le langage de programmation Python en 30 jours. Ce défi peut prendre plus de 100 jours. Suivez votre propre rythme. Ces vidéos peuvent également vous aider : https://www.youtube.com/channel/UC7PNRuno1rzYPb1xLa4yktw
Quels langages de programmation sont les plus utilisés dans les dépôts #matplotlib ?
Parmi les projets #matplotlib les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, HTML, PLpgSQL.
Comment le classement des dépôts #matplotlib est-il calculé ?
Nous suivons 64 dépôts open source actifs associés à #matplotlib (500+ étoiles), totalisant 360,312 étoiles, avec une moyenne de 5,629 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.