論文の概要: Python for Smarter Cities: Comparison of Python libraries for static and
interactive visualisations of large vector data
- arxiv url: http://arxiv.org/abs/2202.13105v1
- Date: Sat, 26 Feb 2022 10:23:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 15:16:27.324479
- Title: Python for Smarter Cities: Comparison of Python libraries for static and
interactive visualisations of large vector data
- Title（参考訳）: スマートシティのためのPython: 大規模ベクトルデータの静的およびインタラクティブな可視化のためのPythonライブラリの比較
- Authors: Gregor Herda, Robert McNabb
- Abstract要約: Pythonは簡潔で自然な構文を持ち、コンピュータサイエンスの背景を持たない市町村のスタッフにとって参入障壁は低い。
本研究では,大規模ベクトルデータセットの可視化生成に関して,Pythonエコシステムにおける顕著かつ活発に開発された可視化ライブラリを評価する。
短いリストのライブラリはすべて、小さなデータセットと大きなデータセットの両方のサンプルマップ製品を生成することができた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Local governments, as part of 'smart city' initiatives and to promote
interoperability, are increasingly incorporating open-source software into
their data management, analysis, and visualisation workflows. Python, with its
concise and natural syntax, presents a low barrier to entry for municipal staff
without computer science backgrounds. However, with regard to geospatial
visualisations in particular, the range of available Python libraries has
diversified to such an extent that identifying candidate libraries for specific
use cases is a challenging undertaking. This study therefore assesses
prominent, actively-developed visualisation libraries in the Python ecosystem
with respect to their suitability for producing visualisations of large vector
datasets. A simple visualisation task common in urban development is used to
produce near-identical thematic maps across static and an interactive 'tracks'
of comparison. All short-listed libraries were able to generate the sample map
products for both a small and larger dataset. Code complexity differed more
strongly for interactive visualisations. Formal and informal documentation
channels are highlighted to outline available resources for flattening learning
curves. CPU runtimes for the Python-based portion of the process chain differed
starkly for both tracks, pointing to avenues for further research. These
results demonstrate that the Python ecosystem offers local governments powerful
tools, free of vendor lock-in and licensing fees, to produce performant and
consistently formatted visualisations for both internal and public
distribution.
- Abstract（参考訳）: 地方自治体は、"スマートシティ"イニシアチブと相互運用性の促進の一環として、データ管理、分析、可視化ワークフローにオープンソースソフトウェアを取り入れている。
Pythonは簡潔で自然な構文を持ち、コンピュータサイエンスの背景を持たない市町村のスタッフにとって参入障壁は低い。
しかし、特に地理空間の可視化に関して、利用可能なPythonライブラリの範囲は、特定のユースケースに対する候補ライブラリの特定が困難な作業である程度に多様化している。
そこで本研究では,Pythonエコシステムにおいて,大規模ベクトルデータセットのビジュアライゼーション生成に適したライブラリについて検討した。
都市開発に共通する単純な可視化タスクは、静的および対話的な「トラック」を横断するほぼ同一のテーママップを作成するために使用される。
短いリストのライブラリはすべて、小さくて大きなデータセットのサンプルマップ製品を生成することができた。
コードの複雑さは、インタラクティブな視覚化ではより強く異なる。
形式的および非公式のドキュメンテーションチャネルは、学習曲線をフラット化するための利用可能なリソースの概要を示すために強調される。
プロセスチェーンのPythonベースの部分のCPUランタイムは両方のトラックで大きく異なり、さらなる研究の道筋を示している。
これらの結果は、Pythonエコシステムが、ベンダロックインとライセンス料のない、地方自治体の強力なツールを提供し、内部および公開の両方で、パフォーマンスと一貫したフォーマットの視覚化を生成することを実証している。
関連論文リスト
- Cuvis.Ai: An Open-Source, Low-Code Software Ecosystem for Hyperspectral Processing and Classification [0.4038539043067986]
cuvis.aiは、データ取得、前処理、モデルトレーニングのためのオープンソースでローコードなソフトウェアエコシステムである。
パッケージはPythonで書かれており、一般的な機械学習ライブラリのラッパーを提供する。
論文 参考訳（メタデータ） (2024-11-18T06:33:40Z) - MALPOLON: A Framework for Deep Species Distribution Modeling [3.1457219084519004]
MALPOLONは深部種分布モデル(deep-SDM)の訓練と推測を容易にすることを目的としている
Pythonで書かれ、PyTorchライブラリ上に構築されている。
このフレームワークはGitHubとPyPiでオープンソース化されている。
論文 参考訳（メタデータ） (2024-09-26T17:45:10Z) - A Comprehensive Guide to Combining R and Python code for Data Science, Machine Learning and Reinforcement Learning [42.350737545269105]
機械学習、ディープラーニング、強化学習プロジェクトを構築するために、PythonのScikit-learn、pytorch、OpenAIのジムライブラリを簡単に実行する方法を示します。
論文 参考訳（メタデータ） (2024-07-19T23:01:48Z) - pyvene: A Library for Understanding and Improving PyTorch Models via
Interventions [79.72930339711478]
$textbfpyvene$は、さまざまなPyTorchモジュールに対するカスタマイズ可能な介入をサポートするオープンソースライブラリである。
私たちは、$textbfpyvene$が、ニューラルモデルへの介入を実行し、他のモデルとインターバルされたモデルを共有するための統一されたフレームワークを提供する方法を示します。
論文 参考訳（メタデータ） (2024-03-12T16:46:54Z) - PyPOTS: A Python Toolbox for Data Mining on Partially-Observed Time
Series [0.0]
PyPOTSは、部分的に保存された時系列のデータマイニングと分析に特化した、オープンソースのPythonライブラリである。
これは、計算、分類、クラスタリング、予測の4つのタスクに分類される多様なアルゴリズムに容易にアクセスできる。
論文 参考訳（メタデータ） (2023-05-30T07:57:05Z) - A Library for Representing Python Programs as Graphs for Machine
Learning [39.483608364770824]
我々はPythonプログラムのグラフ表現に静的解析を適用するオープンソースのPythonライブラリpython_graphsを紹介した。
図書館の能力と限界を提示し、このライブラリを何百万もの競合するプログラムに応用するケーススタディを実行し、このライブラリが機械学習研究に有効であることを示す。
論文 参考訳（メタデータ） (2022-08-15T22:36:17Z) - PyGOD: A Python Library for Graph Outlier Detection [56.33769221859135]
PyGODは、グラフデータの外れ値を検出するオープンソースライブラリである。
外れ値検出のための主要なグラフベースのメソッドを幅広くサポートしています。
PyGODはBSD 2-Clauseライセンスの下でhttps://pygod.orgとPython Package Index (PyPI)でリリースされている。
論文 参考訳（メタデータ） (2022-04-26T06:15:21Z) - Interactive Visualization of Protein RINs using NetworKit in the Cloud [57.780880387925954]
本稿では,タンパク質動態,特に残基相互作用ネットワーク(RIN)の例について考察する。
NetworKitを使ってクラウドベースの環境を構築しています。
このアプローチの汎用性を実証するために、私たちは、RIN視覚化のためのカスタムJupyterベースのウィジェットを構築するためにそれを使用します。
論文 参考訳（メタデータ） (2022-03-02T17:41:45Z) - Scikit-dimension: a Python package for intrinsic dimension estimation [58.8599521537]
この技術ノートは、固有次元推定のためのオープンソースのPythonパッケージであるtextttscikit-dimensionを紹介している。
textttscikit-dimensionパッケージは、Scikit-learnアプリケーションプログラミングインターフェイスに基づいて、既知のID推定子のほとんどを均一に実装する。
パッケージを簡潔に記述し、実生活と合成データにおけるID推定手法の大規模(500以上のデータセット)ベンチマークでその使用を実証する。
論文 参考訳（メタデータ） (2021-09-06T16:46:38Z) - pyBART: Evidence-based Syntactic Transformations for IE [52.93947844555369]
pyBARTは、英語のUD木を拡張UDグラフに変換するためのオープンソースのPythonライブラリである。
パターンに基づく関係抽出のシナリオで評価すると、より少ないパターンを必要としながら、より高精細なUDよりも高い抽出スコアが得られる。
論文 参考訳（メタデータ） (2020-05-04T07:38:34Z) - OPFython: A Python-Inspired Optimum-Path Forest Classifier [68.8204255655161]
本稿では,OPFythonと表記されるPythonベースのOptimum-Path Forestフレームワークを提案する。
OPFythonはPythonベースのライブラリなので、C言語よりもフレンドリーな環境とプロトタイピングの作業スペースを提供する。
論文 参考訳（メタデータ） (2020-01-28T15:46:19Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。