Le projet matplotlib-cpp est un wrapper en C++ pour la bibliothèque de visualisation de données matplotlib de Python. Il permet aux utilisateurs de créer des graphiques et des visualisations de données dans des applications C++ en utilisant une syntaxe familière de Python.

Projet utilisant JupyterLab pour l'analyse et la visualisation de données. Il s'appuie sur Poetry pour la gestion des dépendances et intègre NumPy et Matplotlib pour le traitement et la représentation des données.

RattleSNP est un projet dédié à l'analyse de données génomiques, proposant un workflow snakemake pour le mapping de données simples ou appariées. Il offre des fonctionnalités de visualisation de données biologiques grâce à matplotlib et tabulate, ainsi qu'une gestion optimisée des dépendances grâce à biopython, numpy et pandas.

Ce projet est un dépôt de code source pour un cours d'introduction à la programmation Python dédié aux sciences. Il contient des slides, des notebooks Jupyter et des outils pour la visualisation de données avec Matplotlib.

Ce projet est une formation en Python dédiée à l'analyse et la visualisation de données scientifiques. Il couvre des sujets tels que la manipulation de données avec NumPy et Pandas, la visualisation avec Matplotlib et Seaborn, l'analyse statistique avec Statsmodels, la modélisation et l'apprentissage automatique avec Scikit-learn.

Le projet cartolabe-data est dédié au traitement, à l'analyse et à la visualisation de données. Il offre des fonctionnalités pour nettoyer, transformer et analyser des ensembles de données, ainsi que pour générer des visualisations à l'aide de bibliothèques telles que Matplotlib et Seaborn. Le projet inclut également des outils de documentation pour faciliter la compréhension et l'utilisation des données.

Bibliothèque Python dédiée à la manipulation et à l'analyse de données organisées en arborescences. Elle propose des fonctionnalités de réduction de graphes en arborescences, de visualisation de données à l'aide de Matplotlib et NetworkX, ainsi que des algorithmes de classification de données en arborescences basés sur scikit-learn.

Ce projet vise à analyser et collecter des données sur les sites de désinformation et les réseaux sociaux, en particulier sur Facebook. Il utilise des API telles que BuzzSumo et CrowdTangle pour collecter des données, et des bibliothèques telles que pandas, matplotlib et scipy pour nettoyer et visualiser les données. Le projet comprend également des scripts pour filtrer et organiser les données collectées.

Ce projet rassemble des notebooks Jupyter dédiés à l'analyse et la modélisation de données dans le domaine de l'énergie et de l'environnement. Il permet aux utilisateurs de tester et d'adapter des modèles, ainsi que de visualiser des données géospatiales grâce à des outils tels que Matplotlib et PuLP.

Pypelines est un projet dédié à l'analyse et au traitement de données, offrant des fonctionnalités telles que la visualisation de réseaux et l'analyse de données numériques. Il s'appuie sur des librairies reconnues telles que NumPy, Pandas et Matplotlib pour fournir des outils performants et accessibles.