Визуализация научной графики: введение в PSTricks

Чтобы завершить серию из трех статей о визуализации научной графики, давайте рассмотрим PSTricks, набор макросов, который позволяет включать рисунки PostScript непосредственно в Tex или LaTeX.

В этой статье мы обсудим PSTricks, инструмент, используемый для встраивания графики PostScript непосредственно в документы LaTeX. У PSTricks есть определенные недостатки, такие как ограниченные форматы вывода и несовместимость с некоторыми инструментами LaTeX. Однако огромные возможности, предоставляемые PostScript, делают абсолютно необходимым для изучение PSTricks. Но перед этим нам нужно немного обсудить PostScript.

Визуализация научных данных: введение в PGF/TikZ

Это вторая статья в серии из трех частей о визуализации научных данных. Она охватывает программное обеспечение PGF/TikZ, которое является бесплатным и имеет открытый исходный код. Она также затрагивает форматы графических файлов LaTeX и PSTricks.

В первой части этой серии мы обсуждали Matplotlib, графическую библиотеку для Python. В этой статье мы обсудим PGF/TikZ, пару языков, используемых для создания векторной графики. Возможно, пришло время подробно обсудить различия между векторной и растровой графикой.

Визуализация научных данных: введение в Matplotlib

Визуализация - это графическое отображение информации. Обучение и познание улучшается благодаря визуализации. Хотя не все мы прирожденные художники, для визуализации научной графики просто необходимы знания кода для визуализации идей и концепций.

Число исследователей увеличивается с каждым днем. Одна из проблем, с которой часто сталкиваются исследователи, заключается в том, как наилучшим образом донести свои результаты до сообщества и широкой общественности. Ну, нет простых способов выразить сложные научные идеи простыми словами. Знаменитая английская идиома «A picture is worth a thousand words» подсказывает нам решение. Изображения передают идеи простым, но элегантным способом. Однако научная визуализация не ограничивается только исследователями - профессионалам, работающим в различных областях, таких как информационные технологии, банковское дело, автомобили и здравоохранение, также нужны хорошие инструменты визуализации.

Десять лучших пакетов с открытым исходным кодом для математиков

За прошедшие много лет мы видели большое количество всяческих списков. Некоторые из них довольно интересны, а другие скучные до умопомрачения. Например, «десять лучших дистрибутивов Linux всех времен» определенно интересен, тогда как «десять лучших вещей, которые можно сделать со стаканом воды» совершенно бесполезен, если и не скучен. Да, в интернете полно интересных, скучных и глупых списков, но мы никогда не встречали список, в котором перечислены инструменты с открытым исходным кодом, используемые математиками - как профессионалами, так и любителями. Итак, мы перечисляем десятку лучших инструментов с открытым исходным кодом, которые широко используются математиками.

Plots - программа с открытым исходным кодом для построения графиков в GNOME

В современном мире электронные таблицы служат главным образом средством предоставления быстрых и простых методов построения числовых данных в различных видах графических диаграмм. Графики предоставляют нам эффективный способ визуализации данных и демонстрации взаимосвязей между большими наборами данных независимо от их размера.

Вы можете использовать Plots, чтобы быстро и с минимальными усилиями создавать графики. Ваши графики не будут идеально отшлифованными, но их будет легко настроить, их будет легко читать и они будут презентабельны для профессионального применения.

10 лучших программных систем управления лабораториями с открытым исходным кодом

Оригинал: Best 10 Free and Open Source Lab Management Systems

Lab Information Management System, также известные как LIMS, - это программное обеспечение, используемое в лабораториях и/или больницах для управления медицинскими записями, данными клиентов, инвентаризацией и т. д.

Некоторые больницы и клиники либо нанимают разработчиков для создания индивидуальной системы LIMS, либо подписываются на использование премиальных услуг, которые предлагают необходимые функции прямо из коробки с возможностью настройки.

Простой способ размещения нескольких графиков на одной странице в ggplot2

Перевод. Оригинал здесь.

Для размещения нескольких графиков ggplot2 на одной странице не получится использовать стандартные функции R - par() и layout(). Для этого необходимо задействовать функции grid.arrange() [в пакете gridExtra] и plot_grid() [в пакете cowplot]

Установка и загрузка требуемых пакетов

Установка и загрузка пакета gridExtra

install.packages("gridExtra")

library("gridExtra")

Установка и загрузка пакета cowplot

cowplot можно установить следующим образом:

Простое руководство по логистической регрессии в R

Введение 

  

Любой алгоритм машинного обучения лучше всего работает в определенных условиях. Нельзя использовать алгоритм без учета условий. Например, если вы попробуете использовать линейную регрессию с факторными переменными, ничего хорошего из этого не получится. 

  

Вместо этого в таких ситуациях лучше использовать такие алгоритмы, как логистическая регрессия, деревья решений, SVM, Random Forest и т.д.  

  

В этой статье мы дадим вам полезные знания о логистической регрессии в R. После того, как вы освоили линейную регрессию, это будет естественным следующим шагом в вашем путешествии. Логистическую регрессию легко изучить и реализовать, но вы должны понимать принципы, лежащие в основе этого алгоритма. Я попытаюсь объяснить эти понятия простейшим способом. Давайте начнем. 

Работа с временными рядами в R

Временные ряды являются сердцем экономических и финансовых исследований. Наиболее часто здесь используются такие понятия, как темпы роста и прибыль.  

В R есть несколько очень мощных пакетов, предназначенных для работы с временными рядами. В данной статье мы рассмотрим их возможности.

Создание dataframe

Dataframe - это очень популярный объект в R. Он очень активно используется в различных областях. Если вы загружаете внешние данные с помощью функций “read.table”, “read.csv” или “read.xlsx”, результатом будет dataframe.

В начале любого скрипта R желательно сразу указать, сколько чисел после запятой вам требуется. Я предпочитаю два, но в определенных случаях может потребоваться большая точность. Во всех случаях мы также можем использовать для этого функцию round, например round(x, 5) - пять чисел после запятой для объекта "x".

Простые круговые диаграммы в ggplot2

В данном руководстве описывается, как создавать круговые диаграммы с помощью R и пакета ggplot2.

Для создания круговой диаграммы используется функция coord_polar(), при этом круговая диаграмма фактически представляет собой обычную гистограмму в полярных координатах.

Основы ggplot2. Часть 2. Слои

Первая часть.

Мы будем конструировать графики с помощью ggplot2, добавляя слои. Добавление новых элементов на график поверх имеющихся - это одна из наиболее замечательных возможностей системы ggplot2. Самые сложные графики можно строить по частям, которые вы можете итеративно добавлять или удалять. В качестве примера можно привести этот график, на котором показана зависимость между продолжительностью звука и F1 для 394 токенов лексической единицы "I".

> I_jean <- read.delim("http://bit.ly/avml_ggplot2_data")<- avml_ggplot2_data="" bit.ly="" http:="" read.delim="" span="">

Этот график состоит из девяти слоев, которые можно поделить на пять типов.

Математический пакет DataMelt

DataMelt - это бесплатный математический пакет для ученых, инженеров и студентов. Он предназначен для численных и символьных  вычислений, анализа и визуализации данных. 

DataMelt, или DMelt, это программа для численных вычислений, статистических расчетов, анализа больших объемов данных ("big data") и их визуализации. Она может использоваться для различных целей учеными, инженерами и студентами, в том числе для моделирования и анализа финансовых рынков.

Программа для визуализации орбит спутников SaVi

SaVi - это программа для визуализации спутников, которая позволяет создавать, запускать, проверять и модифицировать орбиты спутников в двух и трех измерениях. также включено моделирование Iridium, Globalstar, Galileo, GPS и других группировок спутников. SaVi хорошо работает с 3D-рендером Geomview.

Быстрое введение в ggplot2

Перевод. Оригинал здесь.

Это введение в ggplot2 - это отличный пакет R для визуализации данных, которое не предполагает, что вы уже знакомы с R.

Для лучшего понимания можно посмотреть хорошо оформленную версию этой статьи в репозитории Github, которая также содержит некоторые примеры наборов данных, используемые мною, в также версию этого поста в виде кода с комментариями.

Давайте сначала посмотрим, что может ggplot2.

Набор данных "ирисы Фишера" и одна простая команда...

> qplot(Sepal.Length, Petal.Length, data = iris, color = Species)

Mandelbulber - исследуем трехмерные фракталы в Linux

Перевод. Оригинал здесь.

Если вы хоть немного интересуетесь достижениями науки, наверняка вы слышали об удивительной концепции фракталов - математических соотношениях, которые порождают повторяющиеся паттерны. Вы можете решить, что это чисто теоретическая концепция, однако в природе практически на каждом шагу встречаются явления, имеющие фрактальную природу.

Большинство графических редакторов поддерживают рендеринг двухмерных фракталов, но как насчет трехмерных? Здесь в игру вступает Mandelbulber позволяющий создавать восхитительные произведения, как-будто из научно-фантастических произведений, затратив только немного воображения и ресурсов процессора.

Mandelbulber - это бесплатная программа с открытым исходным кодом. Я пробовал ее в Linux. Все инструкции по установке, включая требуемые пакеты, находятся в файле README. Вот они:

Программный пакет для многомерного анализа данных Madagascar

Madagascar - это программный пакет для многомерного анализа данных и вычислительных экспериментов. Он обеспечивает удобную и мощную среду и инструменты для исследователей, работающих в области обработки изображений и геофизических данных. 

Программное окружение Madagascar включает следующие основные компоненты:

1. Отдельные программы для анализа данных;

2. Отдельные программы для обработки и визуализации геофизических данных;

3. Инструменты разработчика для C, C++, Java, Fortran-77, Fortran-90, Python, Matlab и Octave;

4. Фреймвок для проведения численных экспериментов на базе SCons;

5. Фреймвок для научных публикаций на базе SCons и LaTeX;

6. Коллекция научных статей, также использующаяся в качестве примеров;

7. Коллекция наборов данных для использования в численных экспериментах.

Сайт программы

Marble Atlas - альтернатива Google Earth

Marble  - это виртуальный трехмерный глобус с возможностью включения различных режимов отображения карт, интеграцией географических и метеорологических данных из интернета, поддержкой спутниковых снимков и маршрутов. Функциональность программы может расширяться с помощью плагинов.

Marble включается в состав графического окружения KDE, а именно - в пакет KDE Education.

Программа для извлечения данных из графиков g3data

g3data - это программа для извлечения данных из графиков (то есть из сканированных графиков в форме изображений). Она поддерживает множество форматов изображений и может выводить извлеченные данные в stdout или в файл.

Сайт программы

Программа для анализа и визуализации социальных сетей Social Networks Visualizer

Social Networks Visualizer (SocNetV) - это гибкая и дружественная к пользователю программа для анализа и визуализации социальных сетей. Она позволяет конструировать математические графы в несколько кликов, загружать сети нескольких форматов (GraphViz, GraphML, Adjacency, Pajek, UCINET), или создавать сеть, собирая все ссылки с веб-страницы. Программа позволяет рассчитывать базовые характеристики сети, такие как плотность, диаметр и дистанции (кратчайшие длины путей), а также более сложные структурные статистические показатели.

Подробности на странице программы.

Работа с финансовыми временными рядами в R. Часть 1. Обзор классов для работы с временными рядами в R

Перевод этой публикации с небольшими дополнениями и адаптацией. Автор оригинальной статьи - Eric Zivot (у него есть отличный курс на Coursera).

Основной объект для хранения данных в R - это data.frame, который представляет собой прямоугольную матрицу, столбцы которой могут иметь разный тип (числовой, символьный, логический и т.д.). Однако объекты класса data.frame не предназначались для работы с временными рядами, поэтому эффективность их при выполнении таких операций оставляет желать лучшего. Например, разделить или объединить данные по датам напрямую вообще невозможно. Кроме того, стандартные методы построения графиков в R не предназначены для работы с временными рядами. Поэтому возникла потребность в специальном классе для R, предназначенном для работы с временными рядами и их визуализацией.