Size: a a a

Python для анализа данных

2021 February 12

A

Andrey Denisov in Python для анализа данных
Vps
источник

PZ

Pavel Zheltouhov in Python для анализа данных
тогда это не хостинг, а вполне традиционная для питона история.
берете и делаете.
источник

A

Andrey Denisov in Python для анализа данных
Да, я уже беру и делаю. Просто это должно где-то будет жить, иметь потом веб-морду с доступом логин\пароль и возможностью регистрации и правами юзеров
источник

PZ

Pavel Zheltouhov in Python для анализа данных
тогда опять superset в итоге получится)
источник

KM

Konstantin Mohov in Python для анализа данных
Andrey Denisov
Да, я уже беру и делаю. Просто это должно где-то будет жить, иметь потом веб-морду с доступом логин\пароль и возможностью регистрации и правами юзеров
Все это спокойненько через Dash делается. И веб морда и доступ. Сразу только заворачивайте все в докер.
источник

KM

Konstantin Mohov in Python для анализа данных
ставите на машину докер, на него контейнер с nginx, к нему цепляете контейнер с dash
источник

PZ

Pavel Zheltouhov in Python для анализа данных
ну вот еще проект бомж-bi:
берется nginx-proxy-manager и получаете систему управления доступами из веб. но без разделения по группам отчетов.
дальше voila как сервис. хоть она и памяти пожрет много.
создание и отладка отчетов делается в jupyter, но запускаемом традиционно на отдельном порту

вроде, достаточно лихо и примитивно ?
источник

KM

Konstantin Mohov in Python для анализа данных
ну это прям бомж-bi.
источник

KM

Konstantin Mohov in Python для анализа данных
можно уже регистрировать товарный знак даже
источник

PZ

Pavel Zheltouhov in Python для анализа данных
на самом деле это не проект, описание действительности.
просто кто-то может взять положить на экспертный консенсус.
источник

KM

Konstantin Mohov in Python для анализа данных
bomj-as-a-service
источник

PZ

Pavel Zheltouhov in Python для анализа данных
число задействованных senior json developers - 0.
я щитаю это прорыв.
источник

KM

Konstantin Mohov in Python для анализа данных
инвесторы обрадуются
источник

PZ

Pavel Zheltouhov in Python для анализа данных
Тем не менее, voila существует и потихоньку развивается. Значит можно рассуждать о некотором экспертном консенсусе пользователей voila. Просто пока не очень популярном.
источник

ЕО

Егор Овчинников... in Python для анализа данных
Всем привет! Подскажите пожалуйста... Есть признак, вывожу его через гистограмму и распределение похоже на нормальное. Вопрос: могу ли я добавить на этот график линию нормального или любого другого распределения, чтобы сравнить имеющееся с известными нам распределениями?
источник

KM

Konstantin Mohov in Python для анализа данных
Егор Овчинников
Всем привет! Подскажите пожалуйста... Есть признак, вывожу его через гистограмму и распределение похоже на нормальное. Вопрос: могу ли я добавить на этот график линию нормального или любого другого распределения, чтобы сравнить имеющееся с известными нам распределениями?
нормальное распределение - это же обычная парабола, насколько помню
источник

KM

Konstantin Mohov in Python для анализа данных
вы на 1 график можете несколько слоев накладывать
df['column'].hist()
... код вашего графика
plt.show()
источник

ЕО

Егор Овчинников... in Python для анализа данных
Я хочу вывести на графике следующее...
Мое распределение, линию(которая описывает мое распределение) и линию, которая описывает нужное мне распределение.
То есть например я вывел через sns.distplot(x)...2 из 3 закрыл. А вот как добавить линию другого распределения?
источник

KM

Konstantin Mohov in Python для анализа данных
нормальное распределение строится вокруг каких-то данных. навскидку, быстро создать такие данные, чтобы распределение стало нормальным
вот пример из тырнетов https://stackoverflow.com/questions/52908925/add-a-standard-normal-pdf-over-a-seaborn-histogram
источник

I

Igor in Python для анализа данных
Егор Овчинников
Всем привет! Подскажите пожалуйста... Есть признак, вывожу его через гистограмму и распределение похоже на нормальное. Вопрос: могу ли я добавить на этот график линию нормального или любого другого распределения, чтобы сравнить имеющееся с известными нам распределениями?
scipy.stats.norm.fit - получаешь параметри. Потом просто генерируешь из него такое же количество семплов и строишь график поверх текущего (только kde)
источник