Submit Search
Upload
東大生向けデータ解析講座 第1回 2017/12/27
•
Download as PPTX, PDF
•
3 likes
•
430 views
西岡 賢一郎
Follow
解析初心者の東大生向けの講座の第一回。Pythonの基礎を演習形式で講義。
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 15
Download now
Recommended
東大生向けデータ解析講座 第4回 2018/01/05
東大生向けデータ解析講座 第4回 2018/01/05
西岡 賢一郎
東大生向けデータ解析講座 第3回 2018/01/04
東大生向けデータ解析講座 第3回 2018/01/04
西岡 賢一郎
東大生向けデータ解析講座 第2回 2017/12/29
東大生向けデータ解析講座 第2回 2017/12/29
西岡 賢一郎
TokyoWebmining
TokyoWebmining
Ryoji Yanashima
IA14
IA14
mfumi
データベースシステム論14 - 総復習!
データベースシステム論14 - 総復習!
Shohei Yokoyama
TokyoR42_around_chaining
TokyoR42_around_chaining
TokorosawaYoshio
Introduction of neo4j
Introduction of neo4j
Ito Kunihiko
Recommended
東大生向けデータ解析講座 第4回 2018/01/05
東大生向けデータ解析講座 第4回 2018/01/05
西岡 賢一郎
東大生向けデータ解析講座 第3回 2018/01/04
東大生向けデータ解析講座 第3回 2018/01/04
西岡 賢一郎
東大生向けデータ解析講座 第2回 2017/12/29
東大生向けデータ解析講座 第2回 2017/12/29
西岡 賢一郎
TokyoWebmining
TokyoWebmining
Ryoji Yanashima
IA14
IA14
mfumi
データベースシステム論14 - 総復習!
データベースシステム論14 - 総復習!
Shohei Yokoyama
TokyoR42_around_chaining
TokyoR42_around_chaining
TokorosawaYoshio
Introduction of neo4j
Introduction of neo4j
Ito Kunihiko
データベースシステム論15 - 関係データモデル以外のデータベース
データベースシステム論15 - 関係データモデル以外のデータベース
Shohei Yokoyama
HTML5 Conference LT TensorFlow
HTML5 Conference LT TensorFlow
isaac-otao
Code for Japan Summit 2019 --- BAD OpenData Kuyodera
Code for Japan Summit 2019 --- BAD OpenData Kuyodera
ssuserc75473
時系列データ型(Int4)をつくってみた
時系列データ型(Int4)をつくってみた
Toshi Harada
Introduction of network analysis with Google Colaboratory -- Network Metrics
Introduction of network analysis with Google Colaboratory -- Network Metrics
tm1966
Rゼミ 1
Rゼミ 1
tarokun3
競技プログラミング練習会2015 Normal 第4回
競技プログラミング練習会2015 Normal 第4回
Hideaki Nagamine
競技プログラミング練習会2015 Normal 第2回
競技プログラミング練習会2015 Normal 第2回
Hideaki Nagamine
データベースシステム論01 - ガイダンス
データベースシステム論01 - ガイダンス
Shohei Yokoyama
データベースシステム論05 - PostgreSQLのインストール
データベースシステム論05 - PostgreSQLのインストール
Shohei Yokoyama
二階堂愛と二階堂藍の違いについて
二階堂愛と二階堂藍の違いについて
show you
池袋物理学勉強会第一回の予習に関して
池袋物理学勉強会第一回の予習に関して
GM3D
トポロジカルデータ解析(仮)
トポロジカルデータ解析(仮)
Takahiro Yoshinaga
A Road map of Data Analysis for Visualization with D3.js
A Road map of Data Analysis for Visualization with D3.js
博三 太田
ReNom 2016 ~ 2018振り返り
ReNom 2016 ~ 2018振り返り
ReNom User Group
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
エンジニア勉強会 エスキュービズム
Findings from visualizing_massive_data
Findings from visualizing_massive_data
Toshiyuki Shimono
Twitterにおける即時話題推定技術「どたばたかいぎ」の開発
Twitterにおける即時話題推定技術「どたばたかいぎ」の開発
Eric Sartre
データベースシステム論06 - SQL基礎演習1 データの定義と操作
データベースシステム論06 - SQL基礎演習1 データの定義と操作
Shohei Yokoyama
論文読み 20170525
論文読み 20170525
Taichi Iki
機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython
Kimikazu Kato
20230216_Python機械学習プログラミング.pdf
20230216_Python機械学習プログラミング.pdf
Shintaro Fukushima
More Related Content
What's hot
データベースシステム論15 - 関係データモデル以外のデータベース
データベースシステム論15 - 関係データモデル以外のデータベース
Shohei Yokoyama
HTML5 Conference LT TensorFlow
HTML5 Conference LT TensorFlow
isaac-otao
Code for Japan Summit 2019 --- BAD OpenData Kuyodera
Code for Japan Summit 2019 --- BAD OpenData Kuyodera
ssuserc75473
時系列データ型(Int4)をつくってみた
時系列データ型(Int4)をつくってみた
Toshi Harada
Introduction of network analysis with Google Colaboratory -- Network Metrics
Introduction of network analysis with Google Colaboratory -- Network Metrics
tm1966
Rゼミ 1
Rゼミ 1
tarokun3
競技プログラミング練習会2015 Normal 第4回
競技プログラミング練習会2015 Normal 第4回
Hideaki Nagamine
競技プログラミング練習会2015 Normal 第2回
競技プログラミング練習会2015 Normal 第2回
Hideaki Nagamine
データベースシステム論01 - ガイダンス
データベースシステム論01 - ガイダンス
Shohei Yokoyama
データベースシステム論05 - PostgreSQLのインストール
データベースシステム論05 - PostgreSQLのインストール
Shohei Yokoyama
二階堂愛と二階堂藍の違いについて
二階堂愛と二階堂藍の違いについて
show you
池袋物理学勉強会第一回の予習に関して
池袋物理学勉強会第一回の予習に関して
GM3D
トポロジカルデータ解析(仮)
トポロジカルデータ解析(仮)
Takahiro Yoshinaga
A Road map of Data Analysis for Visualization with D3.js
A Road map of Data Analysis for Visualization with D3.js
博三 太田
ReNom 2016 ~ 2018振り返り
ReNom 2016 ~ 2018振り返り
ReNom User Group
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
エンジニア勉強会 エスキュービズム
Findings from visualizing_massive_data
Findings from visualizing_massive_data
Toshiyuki Shimono
Twitterにおける即時話題推定技術「どたばたかいぎ」の開発
Twitterにおける即時話題推定技術「どたばたかいぎ」の開発
Eric Sartre
データベースシステム論06 - SQL基礎演習1 データの定義と操作
データベースシステム論06 - SQL基礎演習1 データの定義と操作
Shohei Yokoyama
論文読み 20170525
論文読み 20170525
Taichi Iki
What's hot
(20)
データベースシステム論15 - 関係データモデル以外のデータベース
データベースシステム論15 - 関係データモデル以外のデータベース
HTML5 Conference LT TensorFlow
HTML5 Conference LT TensorFlow
Code for Japan Summit 2019 --- BAD OpenData Kuyodera
Code for Japan Summit 2019 --- BAD OpenData Kuyodera
時系列データ型(Int4)をつくってみた
時系列データ型(Int4)をつくってみた
Introduction of network analysis with Google Colaboratory -- Network Metrics
Introduction of network analysis with Google Colaboratory -- Network Metrics
Rゼミ 1
Rゼミ 1
競技プログラミング練習会2015 Normal 第4回
競技プログラミング練習会2015 Normal 第4回
競技プログラミング練習会2015 Normal 第2回
競技プログラミング練習会2015 Normal 第2回
データベースシステム論01 - ガイダンス
データベースシステム論01 - ガイダンス
データベースシステム論05 - PostgreSQLのインストール
データベースシステム論05 - PostgreSQLのインストール
二階堂愛と二階堂藍の違いについて
二階堂愛と二階堂藍の違いについて
池袋物理学勉強会第一回の予習に関して
池袋物理学勉強会第一回の予習に関して
トポロジカルデータ解析(仮)
トポロジカルデータ解析(仮)
A Road map of Data Analysis for Visualization with D3.js
A Road map of Data Analysis for Visualization with D3.js
ReNom 2016 ~ 2018振り返り
ReNom 2016 ~ 2018振り返り
機械学習ライブラリ : TensorFlow
機械学習ライブラリ : TensorFlow
Findings from visualizing_massive_data
Findings from visualizing_massive_data
Twitterにおける即時話題推定技術「どたばたかいぎ」の開発
Twitterにおける即時話題推定技術「どたばたかいぎ」の開発
データベースシステム論06 - SQL基礎演習1 データの定義と操作
データベースシステム論06 - SQL基礎演習1 データの定義と操作
論文読み 20170525
論文読み 20170525
Similar to 東大生向けデータ解析講座 第1回 2017/12/27
機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython
Kimikazu Kato
20230216_Python機械学習プログラミング.pdf
20230216_Python機械学習プログラミング.pdf
Shintaro Fukushima
「理論から学ぶデータベース実践入門」読書会スペシャル
「理論から学ぶデータベース実践入門」読書会スペシャル
Masahiro Tomita
Kaggle の Titanic チュートリアルに挑戦した話
Kaggle の Titanic チュートリアルに挑戦した話
y-uti
Jupyter で Neo4j と PGX を使う
Jupyter で Neo4j と PGX を使う
Mio Takei
Python による 「スクレイピング & 自然言語処理」入門
Python による 「スクレイピング & 自然言語処理」入門
Tatsuya Tojima
PyCharm入門
PyCharm入門
Yuki Nagai
鳥取python勉強会 第1回
鳥取python勉強会 第1回
Yuji Oyamada
Python3 プログラミング勉強会
Python3 プログラミング勉強会
Tetsuya Morimoto
S06 t1 python学習奮闘記#4
S06 t1 python学習奮闘記#4
Takeshi Akutsu
20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps
Yukako Shimizu
S20 t1 stapyのこれまでとこれから
S20 t1 stapyのこれまでとこれから
Takeshi Akutsu
データ分析コンペでスキルアップしよう.pdf
データ分析コンペでスキルアップしよう.pdf
H. K
Pythonでジョブキューシステムを作った
Pythonでジョブキューシステムを作った
Ryota Suenaga
オープンデータで実現する作文測定分析のシステム構成
オープンデータで実現する作文測定分析のシステム構成
yamahige
Python学習奮闘記#07 webapp
Python学習奮闘記#07 webapp
Takeshi Akutsu
NagoyaStat #4 ご挨拶と前回の復習
NagoyaStat #4 ご挨拶と前回の復習
itoyan110
S03 t2 sta_py_tsuji_0810_slides
S03 t2 sta_py_tsuji_0810_slides
Takeshi Akutsu
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
Preferred Networks
PredictionIOのPython対応計画
PredictionIOのPython対応計画
Shinsuke Sugaya
Similar to 東大生向けデータ解析講座 第1回 2017/12/27
(20)
機械学習ゴリゴリ派のための数学とPython
機械学習ゴリゴリ派のための数学とPython
20230216_Python機械学習プログラミング.pdf
20230216_Python機械学習プログラミング.pdf
「理論から学ぶデータベース実践入門」読書会スペシャル
「理論から学ぶデータベース実践入門」読書会スペシャル
Kaggle の Titanic チュートリアルに挑戦した話
Kaggle の Titanic チュートリアルに挑戦した話
Jupyter で Neo4j と PGX を使う
Jupyter で Neo4j と PGX を使う
Python による 「スクレイピング & 自然言語処理」入門
Python による 「スクレイピング & 自然言語処理」入門
PyCharm入門
PyCharm入門
鳥取python勉強会 第1回
鳥取python勉強会 第1回
Python3 プログラミング勉強会
Python3 プログラミング勉強会
S06 t1 python学習奮闘記#4
S06 t1 python学習奮闘記#4
20181206 Jazug DataScience TeamBuilding and DevOps
20181206 Jazug DataScience TeamBuilding and DevOps
S20 t1 stapyのこれまでとこれから
S20 t1 stapyのこれまでとこれから
データ分析コンペでスキルアップしよう.pdf
データ分析コンペでスキルアップしよう.pdf
Pythonでジョブキューシステムを作った
Pythonでジョブキューシステムを作った
オープンデータで実現する作文測定分析のシステム構成
オープンデータで実現する作文測定分析のシステム構成
Python学習奮闘記#07 webapp
Python学習奮闘記#07 webapp
NagoyaStat #4 ご挨拶と前回の復習
NagoyaStat #4 ご挨拶と前回の復習
S03 t2 sta_py_tsuji_0810_slides
S03 t2 sta_py_tsuji_0810_slides
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
スタートアップが提案する2030年の材料開発 - 2022/11/11 QPARC講演
PredictionIOのPython対応計画
PredictionIOのPython対応計画
More from 西岡 賢一郎
Amazon SageMaker Foundation Modelsで事前学習済みモデルを利用する
Amazon SageMaker Foundation Modelsで事前学習済みモデルを利用する
西岡 賢一郎
Amazon SageMaker Ground Truthを使って手動のラベル付けを簡略化する
Amazon SageMaker Ground Truthを使って手動のラベル付けを簡略化する
西岡 賢一郎
Amazon SageMakerのNotebookからJobを作成する
Amazon SageMakerのNotebookからJobを作成する
西岡 賢一郎
リモートワークで知っておきたい コミュニケーション時の過大な期待
リモートワークで知っておきたい コミュニケーション時の過大な期待
西岡 賢一郎
リモートワークで意識すべき7つのこと
リモートワークで意識すべき7つのこと
西岡 賢一郎
Amazon SageMaker ML Governance 3つの機能紹介
Amazon SageMaker ML Governance 3つの機能紹介
西岡 賢一郎
Feature StoreのOnline StoreとOffline Storeの違いについて理解する
Feature StoreのOnline StoreとOffline Storeの違いについて理解する
西岡 賢一郎
機械学習の特徴量を管理するAmazon SageMaker Feature Store
機械学習の特徴量を管理するAmazon SageMaker Feature Store
西岡 賢一郎
機械学習用のデータを準備する Amazon SageMaker Data Wrangler - ノーコードで前処理から学習まで
機械学習用のデータを準備する Amazon SageMaker Data Wrangler - ノーコードで前処理から学習まで
西岡 賢一郎
Amazon SageMakerでカスタムコンテナを使った学習
Amazon SageMakerでカスタムコンテナを使った学習
西岡 賢一郎
Amazon SageMakerでscikit-learnで作ったモデルのEndpoint作成
Amazon SageMakerでscikit-learnで作ったモデルのEndpoint作成
西岡 賢一郎
Amazon AthenaでSageMakerを使った推論
Amazon AthenaでSageMakerを使った推論
西岡 賢一郎
Amazon Athenaで独自の関数を使う Amazon Athena UDF - AthenaでTweetの感情分析
Amazon Athenaで独自の関数を使う Amazon Athena UDF - AthenaでTweetの感情分析
西岡 賢一郎
未来のカタチ x AI
未来のカタチ x AI
西岡 賢一郎
TorchDataチュートリアル解説
TorchDataチュートリアル解説
西岡 賢一郎
Amazon SageMaker JumpStart
Amazon SageMaker JumpStart
西岡 賢一郎
Amazon SageMaker Studio Lab紹介
Amazon SageMaker Studio Lab紹介
西岡 賢一郎
Amazon SageMaker Canvasを使ったノーコード機械学習
Amazon SageMaker Canvasを使ったノーコード機械学習
西岡 賢一郎
PMFを目指すプロダクト開発組織が組織拡大するときににやるべきこと
PMFを目指すプロダクト開発組織が組織拡大するときににやるべきこと
西岡 賢一郎
H2O Waveを使ったAIアプリケーション作成入門
H2O Waveを使ったAIアプリケーション作成入門
西岡 賢一郎
More from 西岡 賢一郎
(20)
Amazon SageMaker Foundation Modelsで事前学習済みモデルを利用する
Amazon SageMaker Foundation Modelsで事前学習済みモデルを利用する
Amazon SageMaker Ground Truthを使って手動のラベル付けを簡略化する
Amazon SageMaker Ground Truthを使って手動のラベル付けを簡略化する
Amazon SageMakerのNotebookからJobを作成する
Amazon SageMakerのNotebookからJobを作成する
リモートワークで知っておきたい コミュニケーション時の過大な期待
リモートワークで知っておきたい コミュニケーション時の過大な期待
リモートワークで意識すべき7つのこと
リモートワークで意識すべき7つのこと
Amazon SageMaker ML Governance 3つの機能紹介
Amazon SageMaker ML Governance 3つの機能紹介
Feature StoreのOnline StoreとOffline Storeの違いについて理解する
Feature StoreのOnline StoreとOffline Storeの違いについて理解する
機械学習の特徴量を管理するAmazon SageMaker Feature Store
機械学習の特徴量を管理するAmazon SageMaker Feature Store
機械学習用のデータを準備する Amazon SageMaker Data Wrangler - ノーコードで前処理から学習まで
機械学習用のデータを準備する Amazon SageMaker Data Wrangler - ノーコードで前処理から学習まで
Amazon SageMakerでカスタムコンテナを使った学習
Amazon SageMakerでカスタムコンテナを使った学習
Amazon SageMakerでscikit-learnで作ったモデルのEndpoint作成
Amazon SageMakerでscikit-learnで作ったモデルのEndpoint作成
Amazon AthenaでSageMakerを使った推論
Amazon AthenaでSageMakerを使った推論
Amazon Athenaで独自の関数を使う Amazon Athena UDF - AthenaでTweetの感情分析
Amazon Athenaで独自の関数を使う Amazon Athena UDF - AthenaでTweetの感情分析
未来のカタチ x AI
未来のカタチ x AI
TorchDataチュートリアル解説
TorchDataチュートリアル解説
Amazon SageMaker JumpStart
Amazon SageMaker JumpStart
Amazon SageMaker Studio Lab紹介
Amazon SageMaker Studio Lab紹介
Amazon SageMaker Canvasを使ったノーコード機械学習
Amazon SageMaker Canvasを使ったノーコード機械学習
PMFを目指すプロダクト開発組織が組織拡大するときににやるべきこと
PMFを目指すプロダクト開発組織が組織拡大するときににやるべきこと
H2O Waveを使ったAIアプリケーション作成入門
H2O Waveを使ったAIアプリケーション作成入門
東大生向けデータ解析講座 第1回 2017/12/27
1.
東大生向けデータ解析講座 第1回 2017/12/27 3idea Inc.
CEO 西岡 賢一郎
2.
スケジュール ● 12/27(水):データ解析のための環境構築(Python3, jupyter
notebook等) ○ Python3の簡単な紹介 ○ Python3の基本的な構文 ○ Jupyter notebookを使って実際にPython3を試してみる ● 12/29(金):numpy, pandasの操作 ● 1/4(木):sklearnを使った機械学習による予測 ● 1/5(金):応用(選択テーマ、若しく持ち込みテーマ)
3.
対象者 ● プログラミング初心者で研究に使いたい方 ● 短期間でPython環境構築から解析の基礎技術を身につけたい方 ●
今後自分で機械学習をやっていきたい方 ● データサイエンスに興味がある方 ● 今後自分の分野でもAIの応用が進んでいく中、自分でも機械学習の基礎を 修めておきたい方
4.
● 2004年、東京大学理科2類入学後、教養学部広域科学科に進学し情報系研 究室に入りデータマイニング・機械学習を研究、総合文化研究科に進学し 修士・博士を取得 ● 株式会社トライディアを博士課程在籍中の2012年に設立 ●
大学時代は体操部に所属 自己紹介
5.
学生時代のプログラミング ● 教養学部に進学したが、実際はプログラミング必須の学科だった。大学4 年生で情報系の研究室に所属したことをきっかけに本格的にプログラミン グを始める ● はじめはC++,
R, Rubyを勉強。Ruby on Railsというウェブフレームワー クでアプリケーション開発を始める。他にもiOS, androidの開発など色々 な物に手を出したが。研究などをきっかけにPythonに取り組み、解析系の 仕事を現在も行っている ● 文系学生にプログラミングを教える活動や、三鷹寮にてプログラミングコ ミュニティーを作り解析者やウェブアプリ開発者の仲間を増やす活動をし ていた
6.
Python 2とPython 3について ●
書籍やネットで調べ物をしているとPython2の情報が多いが、Python2は 2020年までのサポートとなっているので、これから解析を始める人は Python3をおすすめ。 ● Python2のサポートは2020年まで ● Python2の書籍などをPython3で再現するときに、初心者がはまりそうな 部分 ○ print文 ○ 整数値の割り算: ○ Unicodeの扱い ○ map, filter関数の返り値
7.
print文 Python3ではprintが関数となっており、括弧が必須となっている Python2 Python3 >>> print
1 File "<stdin>", line 1 print 1 ^ SyntaxError: Missing parentheses in call to 'print' >>> print 1, 2 File "<stdin>", line 1 print 1, 2 ^ SyntaxError: Missing parentheses in call to 'print' >>> print(1) 1 >>> print(1, 2) 1 2 >>> print 1 1 >>> print 1, 2 1 2 >>> print(1) 1 >>> print(1, 2) (1, 2)
8.
整数値での割り算 Python2では商が返ってきていたが、Python3では小数が返ってくる Python2 Python3 >>> 1/2 0 >>>
3/2 1 >>> 1.0/2 0.5 >>> 1/2 0.5 >>> 3/2 1.5 >>> 1.0/2 0.5
9.
Unicodeの扱い Python3ではテキストがUnicodeとなったため扱いやすくなった Python2 Python3 >>> '本郷' '¥xe6¥x9c¥xac¥xe9¥x83¥xb7' >>>
u'本郷' u'¥u672c¥u90f7' >>> '本郷'[0] '¥xe6' >>> '本郷' '本郷' >>> u'本郷' '本郷' >>> '本郷'.encode('utf-8') b'¥xe6¥x9c¥xac¥xe9¥x83¥xb7' >>> '本郷'[0] '本'
10.
map, filter関数の返り値 Python2では商が返ってきていたが、Python3では小数が返ってくる Python2 Python3 >>>
map(lambda x: x*2, [1,2,3]) [2, 4, 6] >>> filter(lambda x: x%2 == 0, [1,2,3]) [2] >>> map(lambda x: x*2, [1,2,3]) <map object at 0x7f57df3ae470> >>> list(map(lambda x: x*2, [1,2,3])) [2, 4, 6] >>> filter(lambda x: x%2 == 0, [1,2,3]) <filter object at 0x7f57df3ae470> >>> list(filter(lambda x: x%2 == 0, [1,2,3])) [2] ここでは説明を省略するが、lambdaは無名関数と呼 ばれるもの。lambdaに関しては演習のときに説明
11.
Pythonの環境構築 ● 手っ取り早く環境構築したい人 Anaconda(https://www.anaconda.com/download/#windows)のインストー ルがおすすめ。解析に必要なものがまとめて入るが、他の開発環境への影 響を与える場合がある。研究などで簡単に解析したい人はこちらで十分。 ● 自分で本格的に今後もPythonを勉強していきたい人 Pyenvをインストールし、一つ一つパッケージを入れていく。
12.
習うより慣れる: Jupyter Notebookを使ってみる ●
consoleでjupyter notebookを起動する人 jupyter notebookとコマンドをうつ ● Anacondaを使っている人 Anaconda Navigatorを起動したのち, Jupyter Notebookをメニューから選 んで起動
13.
Jupyter Notebookの使い方 ● ノートブックを作成したいフォルダ階層で、「New」ボタン
⇒ 「Python3」を選択し、ノートブックを作成 ● Command Mode(Esc)とEdit Mode(Enter or セル内をクリック)がある ● Edit Modeでセルと呼ばれるスペースに Python のコードを入力し実行 ○ Ctrl + Enter: セル内のプログラムを実行 ○ Shift + Enter: プログラムを実行して下にセルを追加 ● Command Modeでhを入力すると、各種ショートカットが表示 ● 上部のKernelから「Interrupt」「Restart」「Restart & Run All」等も利用 できる
14.
Python 基本 ● 最低限知っておくべきデータ型 ○
int: 整数 (1 ,2, 3など) ○ float: 小数点 (1.0, 2.1, 3.3333など) ○ str: 文字列 (‘a’, ‘b’, “本郷”, など) ○ その他複素数などを定義する型なども存在 ● リスト・タプル・辞書 ○ リスト: 配列と呼ばれるもの。複数のデータをまとめる ([1,2,3], [10, 20]など) ○ タプル: リストと似ていてるが、中身の変更ができない ((1,2,3), (10, 20)など) ○ 辞書: キーと値のペアからなる ({ ‘a’: 1, ‘b’, 10}, { 1: 10, ‘x’: 100}など) ● 四則演算: いわゆる計算を行うもの (+ - * / など) ● 比較演算子: 条件を満たすかどうかをTrue, Falseで返す (==, !=, <, >, <=, >=) ● ブール演算子 (and, or, not)
15.
Python 基本 ● 変数の定義
(a = 1, x = ‘aaa’) ● インデント: ブロックを定義 (Cなどにおける{}に対応するもの) ● if文: 条件を定義 ● for文: 繰り返しの計算 ● 関数: 特定の演算を定義 (def, lambda)
Download now