Awesome GitHub RepositoriesMultidimensional Visualization

Diese C++-Datenvisualisierungsbibliothek ist ein wissenschaftliches Plotting-Framework, das zum Erstellen von 2D- und 3D-Diagrammen, Netzwerk-Graphen und geografischen Karten verwendet wird. Sie arbeitet als Multi-Backend-Grafikbibliothek, die High-Level-Plotting-Logik von Low-Level-Rendering-Engines entkoppelt, um verschiedene Ausgabe-Backends zu unterstützen. Das Projekt zeichnet sich durch eine Dual-Interface-API aus, die sowohl ein globales funktionales Interface für schnelles Prototyping als auch ein objektorientiertes Interface für präzise Kontrolle bietet. Es verfügt über eine Komponenten-basierte Layout-Engine zur Verwaltung gekachelter Grids und Subplots, neben einem Layered-Plot-State, der es ermöglicht, mehrere Datenserien zu überlagern, ohne Achsen zu löschen. Die Bibliothek deckt ein breites Spektrum an Visualisierungsfunktionen ab, einschließlich mathematischem Funktionsplotten, Vektorfeldern und multidimensionaler Datenanalyse durch Heatmaps und parallele Koordinaten. Sie enthält spezialisierte Tools für die Visualisierung geografischer Daten, wie Geobubble- und Geodensity-Plots, sowie Tools zum Rendern gerichteter und ungerichteter Graphennetzwerke. Zu den allgemeinen Funktionen gehören Achsenverwaltung, ästhetisches Styling mit Colormaps und der Export hochwertiger Grafiken. Das Projekt nutzt CMake für Build-Automatisierung und Dependency-Retrieval, um die Installation über verschiedene Betriebssysteme hinweg zu erleichtern.

Stumpy ist eine Python-Bibliothek für skalierbare Zeitreihenanalyse, die sich auf die Implementierung von Matrix-Profile-Algorithmen konzentriert. Sie bietet ein Framework zur Berechnung von Distanzprofilen, um wiederkehrende Muster und Anomalien innerhalb von Zeitreihendaten zu identifizieren. Das Projekt zeichnet sich durch seine Fähigkeit aus, rechenintensive Aufgaben über GPU-Hardware und verteilte Cluster mittels Dask zu skalieren. Es unterstützt multidimensionale Analysen zur Entdeckung von Motiven über gleichzeitige Datenströme hinweg und bietet inkrementelle Berechnungen für Echtzeit-Streaming-Analysen. Die Bibliothek deckt ein breites Spektrum an Zeitreihen-Mining-Techniken ab, einschließlich Motiv-Entdeckung, Anomalieerkennung und Sequenz-Musterabgleich. Sie bietet zudem Tools für semantische Segmentierung zur Erkennung von Regime-Änderungen und die Extraktion zeitlich geordneter Ketten ähnlicher Subsequenz-Muster.