Привет! Подскажите, есть ли для питона хорошая библиотека для работы с матрицами? Такая, чтобы можно было в динамике визуализировать трансформации?

Pandas ?

numpy+pandas )

А визуализации к ним?

Seaborn, plotly

Матрицу в plotly ? Networkx или seaborn

Не посоветуете какую-нибудь статью с тем, как это лучше всего реализовать?

И всё-таки я хотел бы не через панд и нампи. Думаю, что наверняка есть библиотека, заточенная под линал, для работы с матрицами и визуализации трансформаций при действиях между ними.
Мне это нужно для лучшего понимания векторной алгебры

Привет, рекомендую обратиться в это сообщество https://ods.ai/ (присоединиться -> регистрация, затем перебросит в воркспейс в slack). Помогут в треде #visualization

Ок, спасибо

Networkx

Но вообще numpy это же чистые матрицы

, а networkx больше про графы

SciPy

Кстати если у кого-то есть потребность в одной коробке иметь графы, векторизаторы, кластеризаторы и матрицы переходов для обработки пользовательских траекторий, то это все проработано внутри Retentioneering

гайз, кто может с плотли помочь? в частности, интересуют циклы.

import pandas as pd
from plotly.subplots import make_subplots
import plotly.graph_objects as go

my_months = [9,9,9,10,10,10,11,11,11]
my_vls = [10, 20, 30, 20, 15, 25, 20, 30, 20]
my_names = ['one', 'two', 'three', 'one', 'two', 'three', 'one', 'two', 'three',]
test = pd.DataFrame(zip(my_months, my_names, my_vls), columns=['month','names', 'values'])
test = test.groupby(['month', 'names']).sum()
# test


test_fig = make_subplots(rows = len(test.index.levels[0]),
                       cols = 1)

for i, month in enumerate(test.index.levels[0]):
   local_df = test.loc[test.index.get_level_values(0)==month]
   
   for name in local_df.index.levels[1]:
       local_df_2 = local_df.loc[local_df.index.get_level_values(1)==name]
   
       trace = go.Bar(x = local_df_2.index.get_level_values(1),
                      y = local_df_2.values)

       test_fig.append_trace(trace, i+1, 1)
   
test_fig.show()

Идея была такая: В первом цикле для каждого месяца обрезать датасет с данными только по этому месяцу Во втором цикле интеративно пройтись по именам и для каждого имени построить столбец.

Подскажите, что я делаю не так с циклами?

y = local_df_2.values[0]

я сейчас плакать буду. черт. три часа. нет, больше. глаза в кучу.
ок, в качестве ликбеза: почему?

'y' - это массив, который может быть указан как кортеж, список, массив numpy или серия панд

а у вас получается вложеный массив