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

यह प्रोजेक्ट एक Python डेटा विश्लेषण लाइब्रेरी और एक्सप्लोरेटरी डेटा विश्लेषण फ्रेमवर्क है जिसे रॉ डेटासेट को प्रोसेस करने के लिए डिज़ाइन किया गया है। यह डेटा की जांच करने, विसंगतियों की पहचान करने और पैटर्न को उजागर करने के लिए सांख्यिकीय विधियों को लागू करने के लिए टूल्स का एक सूट प्रदान करता है। यह रिपॉजिटरी एक मशीन लर्निंग मॉडलिंग टूलकिट और एक सांख्यिकीय डेटा मॉडलिंग सूट के रूप में कार्य करती है। इसमें डेटा वेरिएबल्स के बीच संबंधों का विश्लेषण करने और जटिल डेटासेट से अंतर्दृष्टि प्राप्त करने के लिए उपयोग किए जाने वाले प्रेडिक्टिव एल्गोरिदम और गणितीय मॉडल शामिल हैं। यह प्रोजेक्ट डेटा साइंस, मशीन लर्निंग मॉडलिंग और एक्सप्लोरेटरी डेटा विश्लेषण सहित क्षमताओं की एक विस्तृत श्रृंखला को कवर करता है। इन्हें डेटा हेरफेर, न्यूमेरिकल कंप्यूटेशन और डेटा विज़ुअलाइज़ेशन के माध्यम से लागू किया जाता है।

r4ds एक डेटा साइंस करिकुलम और शैक्षिक संसाधन है जिसे R प्रोग्रामिंग भाषा में महारत हासिल करने के लिए डिज़ाइन किया गया है। यह डेटा को आयात करने, व्यवस्थित करने, बदलने और विज़ुअलाइज़ करने की एंड-टू-एंड प्रक्रिया के लिए एक स्ट्रक्चर्ड लर्निंग पाथ प्रदान करता है। यह प्रोजेक्ट एक पुनरुत्पादक (reproducible) डेटा साइंस गाइड और डेटा रैंगलिंग के लिए एक व्यापक करिकुलम पर जोर देता है। इसमें लेयर्ड डेटा विज़ुअलाइज़ेशन के लिए ग्राफिक्स के व्याकरण पर विशेष ट्यूटोरियल्स और Quarto के साथ बनाई गई तकनीकी प्रकाशन शामिल हैं जो निष्पादन योग्य कोड को कथात्मक प्रोज़ के साथ मिश्रित करते हैं। यह सामग्री विश्लेषणात्मक क्षमताओं की एक विस्तृत श्रृंखला को कवर करती है, जिसमें विविध स्रोतों से डेटा अंतर्ग्रहण, रिलेशनल डेटा जॉइनिंग और श्रेणीबद्ध वेरिएबल्स का प्रबंधन शामिल है। यह डेटा सफाई, गणितीय मॉडलिंग और मल्टी-फॉर्मेट पेशेवर रिपोर्ट्स और प्रस्तुतियों के निर्माण को भी संबोधित करती है। यह करिकुलम पारदर्शी और दोहराने योग्य विश्लेषण बनाने के लिए कार्यात्मक प्रोग्रामिंग और टाइडी डेटा सिद्धांतों के व्यावहारिक अनुप्रयोग पर केंद्रित है।

यह प्रोजेक्ट वेब स्क्रैपिंग, नेटवर्क ट्रैफिक इंटरसेप्शन, डेटा विश्लेषण और सेंटीमेंट विश्लेषण के लिए Python कार्यान्वयन का एक कलेक्शन है। यह वेबसाइटों और मोबाइल एप्लिकेशन इंटरफ़ेस से संरचित डेटा निकालने के तरीके प्रदान करता है। इस कलेक्शन में छिपे हुए आंतरिक API एंडपॉइंट्स की पहचान करने के लिए मोबाइल एप्लिकेशन से नेटवर्क पैकेट को कैप्चर और विश्लेषण करने के लिए टूल शामिल हैं। इसमें टेक्स्ट डेटा के भावनात्मक स्वर और सार्वजनिक धारणा का मूल्यांकन करने के लिए स्क्रिप्ट भी शामिल हैं। यह प्रोजेक्ट बड़े डेटासेट के डेटा हेरफेर और परिवर्तन को कवर करता है, साथ ही जनसांख्यिकीय रुझानों और पैटर्न की पहचान करने के लिए चार्ट और ग्राफ का निर्माण भी करता है।

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 'Grammar of Graphics' पर आधारित Python के लिए एक डेटा विज़ुअलाइज़ेशन लाइब्रेरी है। यह एक घोषणात्मक (declarative) सांख्यिकीय प्लॉटिंग फ्रेमवर्क और मल्टी-पैनल प्लॉटिंग इंजन के रूप में कार्य करता है, जो यूज़र्स को डेटा वेरिएबल्स को स्थिति, रंग और आकार जैसे विज़ुअल गुणों से मैप करके जटिल चार्ट बनाने की अनुमति देता है। प्रोजेक्ट को इसके लेयर्ड कंपोजिशन मॉडल और सांख्यिकीय ट्रांसफॉर्मेशन इंजन द्वारा प्रतिष्ठित किया गया है जो विज़ुअल्स रेंडर करने से पहले एग्रीगेशन और गणना करता है। इसमें मल्टी-पैनल फैसेटिंग के लिए एक व्यापक सिस्टम है, जो श्रेणीबद्ध वेरिएबल्स के आधार पर एक एकल विज़ुअलाइज़ेशन को सब-प्लॉट्स के ग्रिड में विभाजित करने में सक्षम बनाता है। लाइब्रेरी वितरण, क्षेत्र और स्कैटर प्लॉट्स के लिए विविध ज्यामितीय प्रतिनिधित्व, और भौगोलिक सीमाओं को रेंडर करने के लिए जियोस्पेशियल विज़ुअलाइज़ेशन सहित क्षमताओं की एक विस्तृत श्रृंखला को कवर करती है। यह डेटा-संचालित तत्वों को गैर-डेटा सौंदर्य गुणों से अलग करने के लिए स्केल मैपिंग, कोऑर्डिनेट प्रोजेक्शन और थीम-आधारित स्टाइलिंग के लिए व्यापक टूल प्रदान करती है। फ्रेमवर्क रेंडरिंग के लिए Matplotlib बैकएंड का उपयोग करता है और पाइपिंग ऑपरेशंस के माध्यम से टैबुलर डेटाफ़्रेम के साथ एकीकृत होता है।

यह प्रोजेक्ट एक Python मशीन लर्निंग लाइब्रेरी और डेटा साइंस टूलकिट है जिसे प्रेडिक्टिव मॉडल्स बनाने और जटिल डेटासेट का विश्लेषण करने के लिए डिज़ाइन किया गया है। यह Scikit-Learn फ्रेमवर्क का उपयोग करके सामान्य सुपरवाइज्ड और अनसुपरवाइज्ड एल्गोरिदम के लिए कार्यान्वयन का एक संग्रह प्रदान करती है। टूलकिट में ऐतिहासिक डेटा से भविष्यवाणियां उत्पन्न करने के लिए एक प्रेडिक्टिव मॉडलिंग सूट और बायेसियन मॉडलिंग और कार्य-कारण परीक्षण लागू करने के लिए एक सांख्यिकीय विश्लेषण फ्रेमवर्क शामिल है। इसमें क्लासिफायर सीमाओं और डेटा रुझानों की व्याख्या करने के लिए स्टैटिक चार्ट और ग्राफ रेंडर करने के लिए Matplotlib पर आधारित एक डेटा विज़ुअलाइज़ेशन सूट भी शामिल है। प्रोजेक्ट पैटर्न और सेगमेंट की पहचान करने के लिए डेटा क्लस्टरिंग वर्कफ़्लो, खोजपूर्ण डेटा विश्लेषण, और Pandas और NumPy का उपयोग करके डेटा की प्रीप्रोसेसिंग को कवर करता है।

This project is a machine learning education resource consisting of Python implementations of statistical learning models and data analysis examples from a core textbook. It serves as a statistical modeling library that provides the code necessary to implement linear regression, classification, and unsupervised learning techniques for academic data analysis. The repository is structured as a reference-driven implementation, with a directory layout that mirrors the chapter and section hierarchy of the associated academic publication. It includes a set of scripts and notebooks designed to gener

Yellowbrick is a machine learning visualization library and model diagnostic tool designed to analyze feature importance, target distributions, and model error metrics. It serves as a visual toolkit for diagnosing underfitting and overfitting through the use of validation and learning curves. The project provides specialized suites for evaluating predictive models and unsupervised learning. It enables the determination of optimal cluster counts via elbow methods and silhouette coefficients, and assesses classifier and regressor quality through ROC curves, confusion matrices, and residual plot

mplfinance एक वित्तीय टाइम-सीरीज़ प्लॉटर और मार्केट डेटा विज़ुअलाइज़ेशन फ्रेमवर्क है जिसे Matplotlib पर बनाया गया है। इसे मार्केट डेटा फ़्रेम को विशेष चार्ट में रेंडर करने के लिए डिज़ाइन किया गया है, जिसमें कैंडल्सटिक्स, OHLC बार्स, Renko ब्रिक्स और पॉइंट-एंड-फिगर कॉलम शामिल हैं। यह लाइब्रेरी एक समर्पित मार्केट डेटा फ्रेमवर्क के माध्यम से खुद को अलग करती है जो ट्रेडिंग कैलेंडर और गैर-ट्रेडिंग अवधि का प्रबंधन करता है, छुट्टियों के दौरान अंतराल को कम करके सटीक अस्थायी रिक्ति सुनिश्चित करता है। यह तकनीकी विश्लेषण चार्टिंग के लिए एक सिस्टम भी प्रदान करता है, जो मूविंग एवरेज, वॉल्यूम बार्स और अन्य तकनीकी संकेतकों को प्राइस एक्शन प्लॉट्स पर ओवरले करने में सक्षम बनाता है। यह टूलकिट क्षमताओं की एक विस्तृत श्रृंखला को कवर करता है, जिसमें साझा अक्षों के साथ वर्टिकली स्टैक्ड सबप्लॉट्स का संगठन और सुसंगत दृश्य थीम का अनुप्रयोग शामिल है। यह ट्रेंड लाइन्स जैसे मार्केट एनोटेशन, लापता डेटा को संभालने और रीयल-टाइम डेटा फ़ीड के लिए चार्ट को रिफ्रेश करने की क्षमता का समर्थन करता है। विज़ुअलाइज़ेशन को PDF, SVG, PNG और JPG सहित विभिन्न प्रारूपों में निर्यात किया जा सकता है।

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, कम्प्यूटेशनल फ्लूइड डायनामिक्स और न्यूमेरिकल एनालिसिस के लिए एक शैक्षिक संसाधन है। यह नेवियर-स्टोक्स और आंशिक अंतर समीकरणों (partial differential equations) के लिए न्यूमेरिकल समाधान लागू करके फ्लूइड फ्लो के भौतिकी को सीखने के लिए एक संरचित पाठ्यक्रम प्रदान करती है। यह प्रोजेक्ट Jupyter नोटबुक के माध्यम से वितरित वृद्धिशील कोडिंग अभ्यासों की एक श्रृंखला के रूप में आयोजित किया गया है। उपयोगकर्ता अभिसरण (convergence), स्थिरता, और न्यूमेरिकल प्रसार जैसी अवधारणाओं को समझने के लिए एक और दो आयामों में लीनियर कनवल्शन, डिफ्यूजन और पॉइसन समीकरणों के लिए गणितीय मॉडल बनाते हैं। यह इम्प्लीमेंटेशन वेक्टराइजेशन के लिए NumPy और विजुअल एनालिसिस के लिए Matplotlib का उपयोग करता है, जिसमें हीटमैप्स और कंटूर प्लॉट्स का जनरेशन शामिल है। तकनीकी कवरेज में फाइनाइट-डिफरेंस डिस्क्रेटाइजेशन और Courant-Friedrichs-Lewy स्थिति के माध्यम से स्थिरता की निगरानी शामिल है।

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 is an educational resource that provides a structured curriculum for learning linear algebra through computational practice. It serves as a tutorial for data scientists and quantitative analysts, bridging the gap between abstract mathematical theory and practical implementation using Python. The project utilizes a literate programming approach, organizing lecture notes and code examples into interactive documents. By interleaving explanatory text with functional code, it allows users to experiment with mathematical concepts directly within their development environm