Recommended
Recommended
More Related Content
Featured
Featured (20)
PythonとPyDataの基礎
- 2. お前誰？- l 櫻岡響 l 電気電子システム工学専攻 修 士2年 l 音声研に所属 l 言語処理とかやってます 2
- 3. AGENDA- p Python基礎- p 基本のデータ構造 p 基本の制御構造 p PyData- p Numpyでベクトル計算 p 正弦波の作図 p W杯のデータで遊ぶ
- 4. AGENDA- p Python基礎 p 基本のデータ構造- p 基本の制御構造 p PyData p Numpyでベクトル計算 p 正弦波の作図 p W杯のデータで遊ぶ
- 5. 変数代入とprint- p jupyter notebookの場合セルの最後がprint される a = 'hello World'! print(a)! a = 'hello World'! a! 5
- 6. Pythonのデータ構造- p 数値 p 文字列 p 真偽値 p リスト p タプル p 辞書 6
- 7. 数値- p int 1, 2, 3! p float 0.2, 3.4, 5.6! p 主な演算子 p + 加算 p - 減算 p * 乗算 p / 除算 p % 剰余 p ** 累乗 p 13と6で全部やってみましょう 7
- 8. 文字列- 8 p 'Hello' or "Hello"! p 主な演算子 p + 結合 'Hello' + ' ' + 'World'!
- 9. 論理値- 9 p True, False! p 主な演算子 p and / or / not! True and False!
- 10. リスト 1/3- 10 p 配列のようなもの p 型を混在させて格納できる a = [ 2, 'foo', 6.4, 'bar', True]! a
- 11. リスト 2/3- 11 p 値の取り出し方 p a[1:3]みたいな書き方→スライス a[0]! a[1]! a[-1]! a[1:3]
- 12. リスト 3/3- 12 p 代入 p 下を実行後のaを見てみましょう a[1] = 'Hello'! a!
- 13. タプル- 13 p リストとほぼ一緒 p 再代入出来ない a = (2, ‘foo’, 6.4, ‘bar’, True)! print(a)! a[0] = 'Hello'
- 14. 辞書- 14 p 連想配列 foo = {'a':100, 'b':200, 'c':300}! foo['b']!
- 16. AGENDA- p Python基礎 p 基本のデータ構造 p 基本の制御構造- p PyData p Numpyでベクトル計算 p 正弦波の作図 p W杯のデータで遊ぶ
- 17. Pythonの制御構造- p if p for p インデントで階層を表す 17
- 18. if- 18 p 条件分岐 score = 50! if score < 60:! print('成績は不可です')! elif score >=90:! print('成績は秀です')! else:! print('合格です')
- 19. for- 19 p 繰り返し p range(5)に書き換えてみましょう for i in [0,1,2,3,4]:! print(i)
- 20. Let’s FizzBuzz- p Step1.- p 0から100までprintするプログラムを書いて ください- p Step2.- p 以下の仕様に変更してください- p 3の倍数のときはFizz p 5の倍数のときはBuzz p 15の倍数のときはFizzBuzz 20
- 21. AGENDA- p Python基礎 p 基本のデータ構造 p 基本の制御構造 p PyData p Numpyでベクトル計算- p 正弦波の作図 p W杯のデータで遊ぶ
- 22. そのまえに-
- 23. 関数の実行と属性呼び出し- 23 p 関数の実行 p some_func(arg)! p 属性の呼び出し p some_object.attr!
- 24. import- p import hoge! p グローバルにhogeオブジェクトが定義され る p from hoge import fuga ! p hogeモジュールにあるfugaオブジェクトを 定義 24
- 25. では行きます-
- 26. Numpy- 26 p 数値計算用ライブラリ p ベクトル・行列計算ができる import numpy as np http://www.numpy.org/
- 27. Numpy配列の作り方 1/2- 27 p numpy.array関数を使う a = np.array([2,4,6])! b = np.array([! [1,2,3],! [4,5,6],! [7,8,9]! ])!
- 28. Numpy配列の作り方 2/2- p numpy.arange p range関数のNumpy版 p numpy.identity p 単位行列 p numpy.zeros p ゼロ行列 p numpy.linspace ! p startからstopまでnum個に分割 28
- 29. Numpy配列の演算子など- 29 p +, - 加算、減算! p * 要素毎の積 p b.dot(a) ドット積 p a.T 転置 b.dot(a).T
- 30. Universal functions- p Numpy配列に対して適用出来る関数 p numpy.sin! p numpy.cos! p numpy.tan! p numpy.exp! p numpy.log! 30
- 31. 練習- 31 p 以下のx, yを作ってみてください p x : -πからπを100個に分割 p y : xの要素それぞれにsinを適用
- 32. AGENDA- p Python基礎 p 基本のデータ構造 p 基本の制御構造 p PyData p Numpyでベクトル計算 p 正弦波の作図- p W杯のデータで遊ぶ
- 33. matplotlib- 33 p 作図をするためのライブラリ from matplotlib import pyplot as plt! https://matplotlib.org/
- 34. 正弦波の作図- 34 p さきほどのx、yを使いましょう fig, ax = plt.subplots(figsize=(12,9))! ax.plot(x,y)! ax.set_xlabel('$x$')! ax.set_ylabel('$sin(x)$')! ax.set_title('$y = sin(x)$')
- 35. AGENDA- p Python基礎 p 基本のデータ構造 p 基本の制御構造 p PyData p Numpyでベクトル計算 p 正弦波の作図 p W杯のデータで遊ぶ-
- 36. Pandas- 36 p 統計処理のためのライブラリ p pandas.Series! p 1次元の名前付きデータ列 p pandas.DataFrame! p 2次元の分割表 import pandas as pd! pd.options.display.max_rows = 10 https://pandas.pydata.org/
- 38. CSVの読み込み方- 38 p 出典 p 2018 FIFA World Cup Squads p https://www.kaggle.com/cclayford/2018-fifa- world-cup-squads data = pd.read_csv(! '2018 FIFA World Cup Squads.csv'! )!
- 39. ワールドカップ！-
- 40. データ抽出 1/2- p 列 p data['Team'] -> Series! p 行 p data.iloc[123] -> Series! p 範囲 p data.iloc[0:5, 3:6] -> DataFrame! 40
- 41. データ抽出 2/2- 41 p boolのSeriesでの抽出 p cはなんでしょうか？ p DataFrame[c]が出来るのがポイント c = (data['Group'] == 'A')! data[c]
- 43. 練習2 /4- p ゴール数が最多の選手の名前と国をprintし ましょう p pandas.Series.idxmax()! 43
- 44. 練習3 /4- p W杯登録選手を輩出している上位5クラブ を挙げましょう p pandas.Series.value_counts() 44
- 45. 練習4 /4- p 出場試合数(Caps)とゴール数(Goals)を散 布図にしましょう p ax.scatter(x,y)! p x,yはpandas.SeriesでもOK 45
- 46. オマケ- p seaborn p matplotlibのラッパー p 統計的な作図が簡単に出来る p Nobebookに入れときました p matplotlibよりカスタマイズはしにくいの で注意 46