Awesome GitHub RepositoriesPlot Annotations

ggplot2 is a data visualization library for R based on a formal grammar of graphics. It provides a declarative plotting framework that allows users to create complex graphics by combining geometric objects, statistical summaries, and coordinate systems. The system is distinguished by a layered approach to composition, where visualizations are built incrementally by stacking independent geometric, statistical, and coordinate layers. It utilizes a hierarchical styling engine to manage non-data elements such as backgrounds, fonts, and margins, and includes a multi-panel faceting tool for splitti

ScottPlot is a cross-platform, high-performance charting library for .NET that renders interactive plots across desktop and web GUI frameworks including Windows Forms, WPF, MAUI, Avalonia, Blazor, and WinUI. It provides an optimized rendering engine capable of displaying millions of data points with interactive pan, zoom, and live data streaming, while also supporting image export to formats like PNG and SVG for file output, cloud applications, and notebooks. The library distinguishes itself through a comprehensive set of chart types including scatter, line, bar, pie, heatmap, financial, rada

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

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.

Plotnine ist eine Datenvisualisierungsbibliothek für Python, die auf der Grammar of Graphics basiert. Sie dient als deklaratives statistisches Plotting-Framework und Multi-Panel-Plotting-Engine, die es Benutzern ermöglicht, komplexe Diagramme durch das Mapping von Datenvariablen auf visuelle Eigenschaften wie Position, Farbe und Größe zu erstellen. Das Projekt zeichnet sich durch sein schichtbasiertes Kompositionsmodell und eine statistische Transformations-Engine aus, die Aggregationen und Berechnungen vor dem Rendern der Visualisierungen durchführt. Es verfügt über ein umfassendes System für Multi-Panel-Faceting, das die Aufteilung einer einzelnen Visualisierung in ein Raster von Sub-Plots basierend auf kategorialen Variablen ermöglicht. Die Bibliothek deckt ein breites Spektrum an Funktionen ab, einschließlich diverser geometrischer Repräsentationen für Verteilungs-, Flächen- und Streudiagramme sowie Geodaten-Visualisierung für das Rendern geografischer Grenzen. Sie bietet umfangreiche Tools für Skalen-Mapping, Koordinatenprojektionen und themenbasiertes Styling, um datengetriebene Elemente von nicht-datenbezogenen ästhetischen Eigenschaften zu trennen. Das Framework nutzt ein Matplotlib-Backend für das Rendering und integriert sich über Piping-Operationen mit tabellarischen Dataframes.

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

Patchwork is a layout manager for combining multiple ggplot2 graphics into a single complex arrangement. It functions as a multi-plot composition tool and data visualization orchestrator, allowing independent graphics to be arranged into grids and nested layouts using additive and functional syntax. The system differentiates itself through a broadcast-based style application that propagates themes and scales across all subplots to maintain visual consistency. It also features guide-merging reconciliation to identify and collapse redundant legends into a single shared global guide. The framew