<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0">
<channel>
	<title>Хабрахабр:  Метки / matplotlib</title>
	<link>http://habrahabr.ru/rss/tag/matplotlib/</link>
	<description><![CDATA[]]></description>
	<language>ru</language>
	<managingEditor>editor@habrahabr.ru</managingEditor>
	<generator>habrahabr.ru</generator>
	<pubDate>Sat, 11 Feb 2012 09:57:49 GMT</pubDate>
	<lastBuildDate></lastBuildDate>
	<image>
		<link>http://habrahabr.ru/</link>
		<url>http://habrahabr.ru/i/logo.gif</url>
		<title>Хабрахабр</title>
	</image>
	
		
			
		<item>		
			<title><![CDATA[Python / [Из песочницы] Визуализация каталогов на Python средствами NetworkX]]></title>
			<guid isPermaLink="true">http://habrahabr.ru/blogs/python/129344/</guid>
			<link>http://habrahabr.ru/blogs/python/129344/</link>			
			<description><![CDATA[Листая на Хабре раздел Python наткнулся на интересную <a href="http://habrahabr.ru/blogs/python/125898/">статью о библиотеке NetworkX</a>. Впечатлившись красивыми графами, решил повысить свой python-скилл и покопаться в networkx.<br/>
<img src="http://habrastorage.org/storage2/249/57e/c1a/24957ec1abe44ea13146dd7f3cb43fd2.png" alt="image"/><br/>
<h4>Пролог</h4><br/>
Первый вопрос — откуда взять данные для визуализации? Генерировать случайные не интересно, они и в комплекте модуля были. Тут вспомнилась Dos утилитка tree, выводящая каталоги файловой системы в виде дерева. Решено было написать красивый аналог на Python и нарисовать все в networkx с помощью matplotlib.<br/>
<div class="habracut"> <a class="habracut" href="http://habrahabr.ru/blogs/python/129344/#habracut">шоу продолжается</a> </div>]]></description>
			
			<pubDate>Wed, 28 Sep 2011 12:03:15 GMT</pubDate>
			<author>tonatoz</author>
			<category>python</category><category>networkx</category><category>графы</category><category>matplotlib</category>
		</item>
		
		
		
		
		
		
		
	
			
		<item>		
			<title><![CDATA[Искусственный интеллект / Взлом каптчи файлообменника]]></title>
			<guid isPermaLink="true">http://habrahabr.ru/blogs/artificial_intelligence/67194/</guid>
			<link>http://habrahabr.ru/blogs/artificial_intelligence/67194/</link>			
			<description><![CDATA[<h4><strong>Введение</strong></h4><br/>
<br/>
В данной статье коротко рассказывается о процессе взлома captcha с <a href="http://ifolder.ru">ifolder.ru</a>. Применение в процессе языка Python и сторонних библиотек. Применение алгоритма <a href="http://ru.wikipedia.org/wiki/Преобразование_Хафа">преобразований Хафа</a> в составе библиотеки <a href="http://sourceforge.net/projects/opencv/">Open Computer Vision</a> © Intel позволит нам избавиться от шума на изображении, простая в использовании и быстрая библиотека <a href="http://leenissen.dk/">FANN</a> (Fast Artificial Neural Network) сделает возможным применение искусственной нейронной сети для задачи распознавания образа. <br/>
<br/>
Моя мотивация состояла, прежде всего, в том, чтобы попробовать язык Python. Как известно, лучший способ изучить язык — решить на нём какую-нибудь прикладную задачу. Поэтому параллельно описанию процесса обработки изображения я буду рассказывать о том, какие библиотеки и для чего я использовал.<br/>
<div class="habracut"> <a class="habracut" href="http://habrahabr.ru/blogs/artificial_intelligence/67194/#habracut">Сломать мозг</a> </div>]]></description>
			
			<pubDate>Sun, 16 Aug 2009 10:36:25 GMT</pubDate>
			<author>Indalo</author>
			<category>hough</category><category>преобразования хафа</category><category>неросети</category><category>fann</category><category>opencv</category><category>python</category><category>captcha</category><category>ifolder</category><category>matplotlib</category><category>pyqt4</category><category>ai</category>
		</item>
		
		
		
		
		
		
		
		
	
			
		<item>		
			<title><![CDATA[Программирование / Графика средствами Python]]></title>
			<guid isPermaLink="true">http://habrahabr.ru/blogs/programming/60716/</guid>
			<link>http://habrahabr.ru/blogs/programming/60716/</link>			
			<description><![CDATA[<img src="http://farm4.static.flickr.com/3353/3572249289_d47a050904_o.jpg" align="left"/>В издательстве Apress вышла книга <a href="http://www.amazon.com/dp/1430218436/">Beginning Python Visualization: Crafting Visual Transformation scripts</a>, посвящённая визуализации данных с помощью Python и смежных инструментов. Это уникальная в своём роде работа, потому что на Питоне такие вещи делают довольно редко. Автор книги говорит, что сам искал такое руководство для своей работы, но не нашёл, и ему пришлось разбираться самостоятельно.<br/>
<br/>
В книге приводится несколько примеров, как можно визуализировать данные. Например, с помощью Python можно извлечь данные из GPS-ресивера через серийный порт и уже на компьютере обработать как душе угодно, в том числе создавать графики и диаграммы. Автор показывает всё это на примере конкретного GPS-приёмника и модуля <a href="http://pyserial.wiki.sourceforge.net/pySerial">PySerial</a>.<br/>
<br/>
Самое главное в книге — подробная демонстрация, как работать с известными для визуализации математических и научных данных <a href="http://matplotlib.sourceforge.net/">MatPlotLib</a>, <a href="http://numpy.scipy.org/">NumPy</a> и <a href="http://www.scipy.org/">SciPy</a>, а также с библиотекой PIL (Python Imaging Library) для простейшей обработки изображений.<br/>
<br/>
Полистать книгу можно в магазине Amazon (по ссылке выше).]]></description>
			
			<pubDate>Thu, 28 May 2009 11:20:11 GMT</pubDate>
			<author>alizar</author>
			<category>Python</category><category>MatPlotLib</category><category>NumPy</category><category>SciPy</category><category>PySerial</category>
		</item>
		
		
		
		
		
		
		
		
	
	
	
	
	
	
	
	

	
</channel>
</rss>

