Awesome GitHub RepositoriesMatplotlib

SciencePlots is a Matplotlib style library and scientific plotting framework designed to automate the formatting of figures for academic journals and professional scientific publications. It provides a collection of visual presets and configuration rules for academic typography, layout, and resolution. The project features curated color-blind accessible palettes and figure formatters specifically designed to meet the strict submission standards of academic publishers. It includes specialized tools for professional figure styling and the rendering of non-Latin scripts for multilingual support.

QuantStats is an open-source Python library that calculates risk and return metrics from a portfolio return series and generates comprehensive HTML tear sheets. It computes dozens of financial statistics—including Sharpe ratio, drawdown, and volatility—in a single pass over the input data, using vectorized pandas operations for efficiency. The library distinguishes itself by combining portfolio performance analysis with Monte Carlo simulation, which models thousands of random return paths to estimate the probability of reaching financial targets or hitting loss thresholds. It produces self-co

هذا المشروع عبارة عن مكتبة لتحليل البيانات بلغة Python وإطار عمل لتحليل البيانات الاستكشافي مصمم لمعالجة مجموعات البيانات الخام. يوفر مجموعة من الأدوات لفحص البيانات، وتحديد الشذوذ، وتطبيق الأساليب الإحصائية للكشف عن الأنماط. يعمل المستودع كمجموعة أدوات لنمذجة التعلم الآلي ومجموعة لنمذجة البيانات الإحصائية. ويتضمن خوارزميات تنبؤية ونماذج رياضية تستخدم لتحليل العلاقات بين متغيرات البيانات واستخلاص رؤى من مجموعات البيانات المعقدة. يغطي المشروع مجموعة واسعة من الإمكانيات بما في ذلك علوم البيانات، ونمذجة التعلم الآلي، وتحليل البيانات الاستكشافي. يتم تنفيذ هذه الإمكانيات من خلال معالجة البيانات، والحوسبة العددية، وتصور البيانات.

r4ds هو منهج لعلوم البيانات ومورد تعليمي مصمم لإتقان لغة البرمجة R. يوفر مسار تعلم منظماً للعملية الشاملة لاستيراد البيانات، وتنظيمها، وتحويلها، وتصورها. يركز المشروع على دليل علوم البيانات القابل للتكرار ومنهج شامل لمعالجة البيانات. يتضمن دروساً تعليمية متخصصة حول قواعد الرسومات لتصور البيانات الطبقي والمنشورات التقنية التي تم إنشاؤها باستخدام Quarto والتي تمزج بين الكود القابل للتنفيذ والنثر السردي. تغطي المادة مجموعة واسعة من القدرات التحليلية، بما في ذلك استيعاب البيانات من مصادر متنوعة، وربط البيانات العلائقية، وإدارة المتغيرات الفئوية. كما تتناول تنظيف البيانات، والنمذجة الرياضية، وإنشاء تقارير وعروض تقديمية احترافية متعددة التنسيقات. يركز المنهج على التطبيق العملي للبرمجة الوظيفية ومبادئ البيانات المرتبة (Tidy data) لإنشاء تحليلات شفافة وقابلة للتكرار.

هذا المشروع عبارة عن مجموعة من تطبيقات Python لكشط الويب، واعتراض حركة مرور الشبكة، وتحليل البيانات، وتحليل المشاعر. يوفر طرقاً لاستخراج البيانات المهيكلة من مواقع الويب وواجهات تطبيقات الهاتف المحمول. تتضمن المجموعة أدوات لالتقاط وتحليل حزم الشبكة من تطبيقات الهاتف المحمول لتحديد نقاط نهاية API الداخلية المخفية. كما تتميز بنصوص برمجية لتقييم النبرة العاطفية والتصور العام لبيانات النصوص. يغطي المشروع معالجة وتحويل مجموعات البيانات الكبيرة، بالإضافة إلى إنشاء المخططات والرسوم البيانية لتحديد الاتجاهات والأنماط الديموغرافية.

This is an interactive notebook-based course that teaches machine learning from Python fundamentals through deep learning and natural language processing. It uses real datasets and multiple frameworks within a structured, hands-on curriculum that combines concise explanations with executable code cells, built-in datasets, and embedded exercise checkpoints. Learning progresses through data preparation and exploration, classical machine learning workflows, computer vision with convolutional neural networks, and natural language processing with deep learning, all delivered as a cohesive progressi

Plotnine is a data visualization library for Python based on the Grammar of Graphics. It serves as a declarative statistical plotting framework and multi-panel plotting engine, allowing users to create complex charts by mapping data variables to visual properties such as position, color, and size. The project is distinguished by its use of a layered composition model and a statistical transformation engine that performs aggregations and computations before rendering visuals. It features a comprehensive system for multi-panel faceting, which enables the splitting of a single visualization into

هذا المشروع عبارة عن مكتبة تعلم آلي بلغة Python ومجموعة أدوات علوم بيانات مصممة لبناء نماذج تنبؤية وتحليل مجموعات البيانات المعقدة. يوفر مجموعة من التنفيذات للخوارزميات الشائعة الخاضعة للإشراف وغير الخاضعة للإشراف باستخدام إطار عمل Scikit-Learn. تتضمن مجموعة الأدوات جناح نمذجة تنبؤية لتوليد تنبؤات من البيانات التاريخية وإطار عمل تحليل إحصائي لتطبيق النمذجة البايزية واختبارات السببية. كما يتميز بجناح تصور بيانات قائم على Matplotlib لعرض المخططات والرسوم البيانية الثابتة لتفسير حدود المصنف واتجاهات البيانات. يغطي المشروع سير عمل تجميع البيانات لتحديد الأنماط والقطاعات، وتحليل البيانات الاستكشافي، والمعالجة المسبقة للبيانات باستخدام Pandas و NumPy.

هذا المشروع عبارة عن مورد تعليمي لتعلم الآلة يتكون من تطبيقات Python لنماذج التعلم الإحصائي وأمثلة لتحليل البيانات من كتاب دراسي أساسي. يعمل كمكتبة للنمذجة الإحصائية توفر الكود اللازم لتنفيذ الانحدار الخطي، والتصنيف، وتقنيات التعلم غير الخاضع للإشراف لتحليل البيانات الأكاديمية. تم هيكلة المستودع كتنفيذ قائم على المراجع، مع تخطيط مجلدات يعكس تسلسل الفصول والأقسام للمنشور الأكاديمي المرتبط. يتضمن مجموعة من النصوص البرمجية ودفاتر الملاحظات المصممة لإنشاء الرسوم البيانية والأشكال الأكاديمية لتصور النتائج الإحصائية. تغطي قاعدة الكود مجموعة واسعة من مجالات التعلم الإحصائي، بما في ذلك ممارسة التعلم الخاضع للإشراف للنمذجة التنبؤية والتعلم غير الخاضع للإشراف لاكتشاف الأنماط في البيانات. تُستخدم هذه التطبيقات لإعادة إنشاء الأشكال الإحصائية المحددة، وجداول الملخص، ونتائج النماذج الموجودة في النص المرجعي.

Yellowbrick هي مكتبة لتصور تعلم الآلة وأداة تشخيص للنماذج مصممة لتحليل أهمية الميزات، وتوزيعات الأهداف، ومقاييس خطأ النموذج. تعمل كمجموعة أدوات مرئية لتشخيص نقص الملاءمة (underfitting) والإفراط في الملاءمة (overfitting) من خلال استخدام منحنيات التحقق والتعلم. يوفر المشروع مجموعات متخصصة لتقييم النماذج التنبؤية والتعلم غير الخاضع للإشراف. يتيح تحديد أعداد العناقيد المثلى عبر طرق الكوع (elbow methods) ومعاملات الصورة الظلية (silhouette coefficients)، وتقييم جودة المصنفات والمنحدرات من خلال منحنيات ROC، ومصفوفات الارتباك، ومخططات البواقي. تغطي المكتبة العديد من مجالات الإمكانيات عالية المستوى، بما في ذلك تحليل هندسة الميزات لتحديد المتغيرات التنبؤية، وضبط المعلمات الفائقة (hyperparameters) لتعديل تعقيد النموذج، وتشخيص خطأ الانحدار لتحديد نقاط البيانات المؤثرة. كما تتضمن أدوات لإسقاط تعلم المتشعبات (manifold learning) لتصور البيانات عالية الأبعاد ومتون النصوص. تتكامل الأداة مع واجهة برمجة تطبيقات Scikit-Learn لاستهلاك طرق الملاءمة والتنبؤ القياسية.

mplfinance هو إطار عمل لرسم السلاسل الزمنية المالية وتصور بيانات السوق مبني على Matplotlib. صُمم لعرض إطارات بيانات السوق في مخططات متخصصة، بما في ذلك الشموع اليابانية، وأشرطة OHLC، ومكعبات Renko، وأعمدة النقطة والشكل. تتميز المكتبة بإطار عمل مخصص لبيانات السوق يدير تقويمات التداول وفترات عدم التداول، مما يضمن تباعداً زمنياً دقيقاً عن طريق طي الفجوات خلال العطلات. كما توفر نظاماً لرسم مخططات التحليل الفني، مما يتيح تراكب المتوسطات المتحركة، وأشرطة الحجم، والمؤشرات الفنية الأخرى على مخططات حركة السعر. تغطي مجموعة الأدوات نطاقاً واسعاً من القدرات، بما في ذلك تنظيم المخططات الفرعية المكدسة عمودياً مع محاور مشتركة وتطبيق سمات مرئية متسقة. وهي تدعم تعليقات السوق مثل خطوط الاتجاه، والتعامل مع البيانات المفقودة، والقدرة على تحديث المخططات لتغذية البيانات في الوقت الفعلي. يمكن تصدير التصورات إلى تنسيقات مختلفة بما في ذلك PDF و SVG و PNG و JPG.

PyQtGraph is a scientific plotting and graphics framework built for PyQt and PySide applications, providing fast, interactive 2D and 3D visualizations with GPU-accelerated rendering. It serves as both a real-time signal monitoring system for streaming time-series data and a toolkit for constructing interactive data dashboards with dockable panels, parameter trees, and custom widgets. The library also includes a node-based visual flowchart tool for building data processing pipelines and a scientific graphics export system that saves plots as PNG, SVG, or CSV and converts items to Matplotlib for

CFDPython is an educational resource for computational fluid dynamics and numerical analysis. It provides a structured curriculum to learn the physics of fluid flow by implementing numerical solutions to Navier-Stokes and partial differential equations. The project is organized as a series of incremental coding exercises delivered via Jupyter notebooks. Users build mathematical models for linear convection, diffusion, and Poisson equations across one and two dimensions to understand concepts such as convergence, stability, and numerical diffusion. The implementation utilizes NumPy for vector

som-tsp is a combinatorial optimization tool designed to solve the Traveling Salesperson Problem using a neural network approach. It functions as a solver that approximates the shortest possible route to visit a set of coordinate-based city locations exactly once and return to the starting point. The system employs a neural network architecture combined with circular array encoding to determine route paths. It includes a visualization system that generates graphical maps and distribution charts to analyze the efficiency and layout of the calculated route solutions. The tool provides utilitie

MNE-Python is an open-source Python library for processing, visualizing, and analyzing human neurophysiological data, including MEG, EEG, sEEG, ECoG, and NIRS recordings. It provides a comprehensive framework for loading data from over 30 proprietary file formats into a common hierarchical FIF data structure, and represents all time-series data as NumPy arrays for seamless integration with the scientific Python ecosystem. The library is built around object-oriented data containers that encapsulate raw, epoched, evoked, and source data with built-in preprocessing and visualization methods. The

Linear-Algebra-With-Python هو مورد تعليمي يوفر منهجاً مهيكلاً لتعلم الجبر الخطي من خلال الممارسة الحسابية. يعمل كدرس تعليمي لعلماء البيانات والمحللين الكميين، مما يسد الفجوة بين النظرية الرياضية المجردة والتنفيذ العملي باستخدام Python. يستخدم المشروع نهج البرمجة الأدبية، حيث ينظم ملاحظات المحاضرات وأمثلة الكود في مستندات تفاعلية. من خلال تداخل النص التوضيحي مع الكود الوظيفي، يسمح للمستخدمين بتجربة المفاهيم الرياضية مباشرة داخل بيئة التطوير الخاصة بهم. يتم دعم سير العمل هذا من خلال مكتبات الحوسبة العددية والعلمية القياسية لإجراء عمليات المصفوفة، والتحليلات، والتحللات. يؤكد المنهج على الحدس المرئي من خلال عرض التحولات الهندسية ومساحات المتجهات من خلال أدوات التخطيط المتكاملة. توضح هذه التصورات المبادئ الجبرية المعقدة، مما يوفر أساساً للتطبيقات في علوم البيانات، والنمذجة المالية، والاقتصاد القياسي. تم تنظيم المستودع كسلسلة من دفاتر Jupyter التي تسهل التعلم التكراري وتطوير سير عمل الحوسبة العددية.