Matplotlib
PulseAugur coverage of Matplotlib — every cluster mentioning Matplotlib across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
Python 教程复现 LabPlot 数据分析工作流
本教程演示了如何使用受 LabPlot 启发的工作流在 Python 中进行科学数据分析。它涵盖了信号处理、峰拟合和可视化等基本数据处理技术，并利用了 NumPy、Pandas、Matplotlib 和 SciPy 等库。该工作流设计为可重用，并可扩展到批量处理以分析多个数据集，如在光谱学示例中所示。
-
AI代理给开源维护者带来压力；需要更好的过滤器
AI代理与Matplotlib拉取请求中的软件维护者的互动，凸显了开源软件开发中一个关键问题：缺乏处理AI生成贡献的强大审核工具。作者认为，问题不在于AI的礼貌，而在于系统对人类耐心的依赖，当面对不知疲倦的AI代理时，这会成为瓶颈。提出的解决方案包括实施一个机器人检测和分类层，在低质量或有争议的AI贡献到达人类维护者之前将其过滤掉，从而为他们有限的注意力保留真正有价值的提交。
-
Reflex XY Python 库增强交互式数据可视化
Reflex XY Python 库提供了创建交互式和可扩展数据可视化的高级功能。它支持组合模型以合并多个图表元素，通过自动切换到基于密度的渲染来处理大型数据集，并通过流式传输实现动态更新。该库还允许将浏览器交互连接回 Python，并提供自定义和扩展视觉组件的选项，可视化结果可导出为独立的 HTML、SVG 或 PNG 文件。
-
Reflex AI 发布了具有 Rust 内核的快速 Python 图表库 XY
Reflex AI 已开源 XY，这是一个采用 Rust 内核构建以提高性能的新型 Python 图表库。XY 可以处理具有多达 1 亿个数据点的交互式 2D 可视化，在速度和数据负载大小方面显著优于 Matplotlib 和 Plotly 等现有库。该库目前处于 alpha 阶段，但可用于内部分析和笔记本电脑，在量化金融和基因组学等领域具有潜在应用。
-
TimesFM 2.5 凭借新功能增强时间序列预测能力
时间序列预测模型 TimesFM 2.5 已更新，加入了用于端到端工作流开发的先进功能。新版本支持回测、协变量集成、异常检测和可扩展部署。用户现在可以使用各种指标评估预测质量，并在不同场景下测试模型的鲁棒性，包括长周期预测和输入变化。
-
新的LLM推理框架追踪论证易损性，超越置信度分数
一个新颖的LLM推理框架提出超越简单的置信度分数，实现对论证易损性更细致的理解。该方法由Alhosseini撰写论文并由作者实现，将不确定性分为开放性问题、证据缺口和未被反驳的异议等类型。通过计算论证易损性指数（AFI）以及传统的强度，该系统可以识别LLM推理中特定的脆弱点。这使得动态路由成为可能，使应用程序能够导航或标记由于特定、类型化的不确定性而可能不可靠的结论区域，正如在涉及伊朗民法的法律推理场景中所演示的那样。
-
FAIRChem v2发布，用于统一原子模拟
FAIRChem v2，一种通用的机器学习原子间势能，已发布为一个统一的原子模拟框架。该框架支持分子、催化剂、材料、振动和分子动力学等不同领域。用户可以通过Hugging Face进行身份验证，以访问受限的模型权重，并为各种计算化学工作流配置特定任务的计算器，在可用时利用GPU加速。
-
在Google Colab中构建质粒工程工作台教程
本教程详细介绍了如何在Google Colab笔记本中构建一个质粒工程工作台。该环境通过使用Biopython、NumPy和Matplotlib等库来复制SpliceCraft的功能。该工作台使用户能够执行各种任务，包括加载质粒记录、可视化圆形和线性图谱、分析限制性酶切位点以及设计引物。
-
本地沙箱增强AI代理处理复杂数据任务的能力
本文讨论了如何通过使用本地、开源的沙箱环境来增强ChatGPT、Claude、Gemini和Qwen等AI代理。虽然大型语言模型可以处理摘要和文本提取等基本任务，但复杂的数据分析和可视化需要外部工具。作者建议，大型语言模型可以生成使用Pandas、NumPy和Matplotlib等库的Python脚本来执行这些高级操作，从而在不依赖云服务或按分钟计费的情况下有效升级代理的功能。
-
自托管 AI 分析师使用 Anthropic 的 MCP 查询数据库
已开发出一款自托管的 AI 数据分析师，允许用户使用自然语言查询 PostgreSQL 数据库。该系统利用了 Anthropic 推出的开放标准模型上下文协议 (MCP)，使本地语言模型能够在不将数据发送到外部服务器的情况下与外部工具和数据源进行交互。设置涉及 Docker、用于运行本地 LLM 的 Ollama 以及一个在模型和数据库之间架起桥梁的 Python 服务器，该服务器能够通过 Python 库生成图表。
-
作者详述使用AI辅助构建的个人财富追踪器
作者详述了如何使用AI构建个人财富追踪器，特别提到了Claude作为AI助手。该项目涉及在Jupyter Notebook环境中利用Pandas、NumPy、Matplotlib和Seaborn等Python库来处理和可视化金融数据，最终将其导出到Google Sheets。
-
RAG-Anything 教程：在 Colab 中构建多模态检索管道
本教程演示了如何使用 RAG-Anything 在 Google Colab 中构建多模态检索管道。该过程包括设置环境、安装 OpenAI 和 Pillow 等必需的软件包，并配置系统以处理包括文本、表格、方程和图像在内的各种数据类型。然后，用户可以生成合成报告，将其转换为可用格式，并在 RAG-Anything 框架内测试不同的检索模式。
-
使用 Python 和 Matplotlib 学习 AI 数据可视化
本文是“AI With Python 2026”系列文章的第六部分，重点介绍数据可视化技术。它解释了如何使用 Python 中的 Matplotlib 库将数字数据转换为可视化图表，从而更好地理解模式并为 AI 应用准备数据集。
-
NVIDIA 发布 Open-SWE-Traces 数据集用于 AI 软件工程训练
NVIDIA 发布了 Open-SWE-Traces，一个旨在训练人工智能软件工程任务代理的数据集。MarkTechPost 的一项新教程演示了如何处理该数据集以进行监督微调。该教程涵盖了轨迹解析、代码补丁分析和工具使用指标评估等技术，从而能够创建高质量的训练数据。
-
NVIDIA 发布 SkillSpector 进行 AI 技能安全分析 · 已追踪 2 个来源
NVIDIA 发布了 SkillSpector，一个开源工具，旨在识别部署前 AI 技能中的安全风险。该工具采用静态分析和自定义检测器扫描漏洞，并生成 SARIF 格式的报告。附带的指南演示了如何构建一个 AI 技能语料库（包括故意引入漏洞的技能），并使用 SkillSpector 分析它们是否存在潜在的安全威胁。
-
Docling Parse 教程：构建布局感知文档智能管道
本教程演示了如何使用 Docling Parse 构建文档智能管道来分析 PDF 结构。它涵盖了在 Colab 中设置 Python 环境、创建包含文本、形状和图像的多元素 PDF，然后使用 Docling Parse 提取单词和字符坐标等详细信息。提取的数据可以保存为 JSON 或 CSV，从而实现布局分析和阅读顺序重建等下游任务。
-
新论文发现：AI代理给开源治理带来压力
一篇新研究论文探讨了将AI代理集成到开源软件开发中的挑战。该论文强调，为人类贡献者设计的现有开源治理模式，因能够提交代码但监督有限的自主AI代理而承受压力。论文分析了六个主要开源组织的现有政策，并将其与新兴的AI治理框架进行比对，以识别差距并提出一个规范AI贡献者的分层框架。
-
MONAI教程：使用UNet实现端到端3D脾脏分割
本教程演示了一个使用MONAI框架的端到端3D医学图像分割流程。它专注于使用3D UNet模型从CT图像中分割脾脏。该过程涉及广泛的医学成像转换、混合精度训练和滑动窗口推理以实现准确预测。
-
教程为 arXiv 上的数学问题构建语义搜索
本教程详细介绍了如何使用 ResearchMath-14k 数据集创建语义搜索引擎和开放状态分类器。该数据集包含来自 arXiv 的数学问题。过程包括加载和分析数据集的结构，例如问题在不同数学领域和开放状态类别中的分布。关键步骤包括提取特定领域的关键词、生成语义嵌入、可视化数据图景、聚类相似问题以及训练分类器以从这些嵌入中预测问题状态。
-
Python库有助于神经网络的创建和可视化
Python编程语言提供了各种用于构建和可视化神经网络的库。Matplotlib被强调为这些机器学习和AI开发工具中特别受欢迎的选择。