Awesome GitHub RepositoriesPlot Styling Configurators

jupyter-themes is a Jupyter Notebook theme manager and CSS interface customizer. It provides a command line tool to apply custom color schemes, fonts, and layout styles to notebook environments. The project includes a data visualization styling tool that synchronizes the aesthetic properties and color schemes of plotting libraries with the active interface theme. This ensures that data charts and figures remain visually consistent with the overall workspace theme.

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.

This project is an educational resource and a collection of instructional materials for performing data manipulation and statistical analysis using Python. It provides a comprehensive set of guides and code examples for using the Pandas, NumPy, and Matplotlib libraries to analyze structured data. The resource includes a dedicated guide for reshaping, cleaning, and aggregating tabular data and time series via Pandas, alongside a reference for high-performance vectorized operations and linear algebra using NumPy. It also features tutorials for creating publication-quality charts, distribution p

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

ScrollableGraphView est une bibliothèque de visualisation de données Swift et un framework de traçage iOS utilisé pour rendre des jeux de données numériques discrets sous forme de graphiques interactifs. Il fournit un composant d'interface utilisateur défilant qui visualise les points de données en utilisant un système de coordonnées avec des mises en page et des styles configurables. Le framework se caractérise par son adaptation d'échelle de graphique, qui ajuste automatiquement l'axe vertical pour s'adapter aux points de données visibles au fur et à mesure que l'utilisateur fait défiler. Il prend en charge le rendu de données en temps réel, permettant aux vues graphiques de se mettre à jour instantanément à mesure que les jeux de données sous-jacents changent via des transitions animées. La bibliothèque couvre une variété de types de tracés, incluant les tracés linéaires, en barres et en points, et prend en charge le traçage multi-séries pour afficher plusieurs séries de données sur un seul graphique. Des capacités supplémentaires incluent l'étiquetage des points de données sur l'axe X, le style de graphique personnalisé et l'utilisation de marqueurs de ligne de référence pour mettre en évidence des seuils ou des valeurs de base spécifiques.

Vega-Lite is a high-level declarative language for specifying interactive, multi-view visualizations. It compiles a concise JSON specification into a full Vega visualization, automatically inferring scales, axes, and legends from encoding declarations. The grammar-of-graphics encoding maps data fields to visual channels such as position, color, size, and shape, while a multi-view composition grammar enables layered, faceted, concatenated, and repeated layouts. Reactive parameter binding links named parameters to input widgets, selections, and expressions for dynamic updates. The project suppo

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

Cette bibliothèque de visualisation de données C++ est un framework de traçage scientifique utilisé pour créer des graphiques 2D et 3D, des graphes de réseau et des cartes géographiques. Elle fonctionne comme une bibliothèque graphique multi-backend, découplant la logique de traçage de haut niveau des moteurs de rendu de bas niveau pour prendre en charge divers backends de sortie. Le projet se distingue par une API à double interface, fournissant à la fois une interface fonctionnelle globale pour le prototypage rapide et une interface orientée objet pour un contrôle précis. Il dispose d'un moteur de mise en page basé sur des composants pour gérer les grilles tuilées et les sous-graphiques, ainsi qu'un état de tracé en couches qui permet de superposer plusieurs séries de données sans effacer les axes. La bibliothèque couvre un large éventail de capacités de visualisation, incluant le traçage de fonctions mathématiques, les champs vectoriels et l'analyse de données multidimensionnelles via des cartes thermiques et des coordonnées parallèles. Elle inclut des outils spécialisés pour la visualisation de données géographiques, tels que les graphiques geobubble et geodensity, ainsi que des outils pour le rendu de réseaux de graphes dirigés et non dirigés. Les capacités générales incluent la gestion des axes, le stylisme esthétique avec des colormaps et l'exportation de graphiques de haute qualité. Le projet utilise CMake pour l'automatisation de la construction et la récupération des dépendances afin de faciliter l'installation sur différents systèmes d'exploitation.

mplfinance est un framework de tracé de séries temporelles financières et de visualisation de données de marché construit sur Matplotlib. Il est conçu pour rendre des cadres de données de marché en graphiques spécialisés, notamment des chandeliers, des barres OHLC, des briques Renko et des colonnes point-and-figure. La bibliothèque se distingue par un framework de données de marché dédié qui gère les calendriers de trading et les périodes hors-trading, assurant un espacement temporel précis en réduisant les écarts pendant les jours fériés. Elle fournit également un système de graphiques pour l'analyse technique, permettant la superposition de moyennes mobiles, de barres de volume et d'autres indicateurs techniques sur les tracés d'action des prix. La boîte à outils couvre un large éventail de capacités, y compris l'organisation de sous-graphiques empilés verticalement avec des axes partagés et l'application de thèmes visuels cohérents. Elle prend en charge les annotations de marché telles que les lignes de tendance, la gestion des données manquantes et la capacité de rafraîchir les graphiques pour des flux de données en temps réel. Les visualisations peuvent être exportées vers divers formats, notamment PDF, SVG, PNG et JPG.

Makie.jl is a high-performance Julia data visualization library and hardware-accelerated plotting engine used to create interactive 2D and 3D visualizations. It functions as a reactive visualization framework where plots update automatically via observables and compute graphs, and as a vector graphics generator for high-resolution academic output. The system is distinguished by its backend-agnostic rendering pipeline, which supports OpenGL, WebGL, and ray-traced scenes. It employs a grammar-of-graphics approach to map variables to aesthetic attributes and utilizes a hierarchical scene graph t

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