Uploaded bysawaigivi
2 views

Data Science With Python Dusty Phillips Fabrizio Romano Phuong Voth Martin Czygan Robert Layton Phillips

Data Science With Python Dusty Phillips Fabrizio Romano Phuong Voth Martin Czygan Robert Layton Phillips Data Science With Python Dusty Phillips Fabrizio Romano Phuong Voth Martin Czygan Robert Layton Phillips Data Science With Python Dusty Phillips Fabrizio Romano Phuong Voth Martin Czygan Robert Layton Phillips

Embed presentation

Download to read offline
Data Science With Python Dusty Phillips Fabrizio Romano Phuong Voth Martin Czygan Robert Layton Phillips download https://ebookbell.com/product/data-science-with-python-dusty- phillips-fabrizio-romano-phuong-voth-martin-czygan-robert-layton- phillips-11607300 Explore and download more ebooks at ebookbell.com
Here are some recommended products that we believe you will be interested in. You can click the link to download. Data Science With Python Combine Python With Machine Learning Principles To Discover Hidden Patterns In Raw Data Chopra https://ebookbell.com/product/data-science-with-python-combine-python- with-machine-learning-principles-to-discover-hidden-patterns-in-raw- data-chopra-49061574 Data Science With Python And Dask 1st Edition Jesse C Daniel https://ebookbell.com/product/data-science-with-python-and-dask-1st- edition-jesse-c-daniel-10653390 Data Science With Python Wade Briggs https://ebookbell.com/product/data-science-with-python-wade- briggs-49003024 Data Science With Python Henry Lopez https://ebookbell.com/product/data-science-with-python-henry- lopez-232264924
Data Science With Python And Dask 1st Edition Jesse C Daniel https://ebookbell.com/product/data-science-with-python-and-dask-1st- edition-jesse-c-daniel-54973168 Data Science With Python 1st Edition Coll https://ebookbell.com/product/data-science-with-python-1st-edition- coll-6855546 Data Science With Python Rohan Chopra https://ebookbell.com/product/data-science-with-python-rohan- chopra-170630336 Data Science With Python Wade Briggs https://ebookbell.com/product/data-science-with-python-wade- briggs-73400778 Practical Data Science With Python Learn Tools And Techniques From Handson Examples To Extract Insights From Data 1st Edition Nathan George https://ebookbell.com/product/practical-data-science-with-python- learn-tools-and-techniques-from-handson-examples-to-extract-insights- from-data-1st-edition-nathan-george-54832190
WOW! eBook www.wowebook.org
Python: Real-World Data Science WOW! eBook www.wowebook.org
Table of Contents Python: Real-World Data Science Meet Your Course Guide What's so cool about Data Science? Course Structure Course Journey The Course Roadmap and Timeline 1. Course Module 1: Python Fundamentals 1. Introduction and First Steps – Take a Deep Breath A proper introduction Enter the Python About Python Portability Coherence Developer productivity An extensive library Software quality Software integration Satisfaction and enjoyment What are the drawbacks? Who is using Python today? Setting up the environment Python 2 versus Python 3 – the great debate What you need for this course Installing Python Installing IPython Installing additional packages How you can run a Python program Running Python scripts Running the Python interactive shell Running Python as a service Running Python as a GUI application How is Python code organized How do we use modules and packages Python's execution model WOW! eBook www.wowebook.org
Names and namespaces Scopes Guidelines on how to write good code The Python culture A note on the IDEs 2. Object-oriented Design Introducing object-oriented Objects and classes Specifying attributes and behaviors Data describes objects Behaviors are actions Hiding details and creating the public interface Composition Inheritance Inheritance provides abstraction Multiple inheritance Case study 3. Objects in Python Creating Python classes Adding attributes Making it do something Talking to yourself More arguments Initializing the object Explaining yourself Modules and packages Organizing the modules Absolute imports Relative imports Organizing module contents Who can access my data? Third-party libraries Case study 4. When Objects Are Alike Basic inheritance Extending built-ins Overriding and super Multiple inheritance WOW! eBook www.wowebook.org
The diamond problem Different sets of arguments Polymorphism Abstract base classes Using an abstract base class Creating an abstract base class Demystifying the magic Case study 5. Expecting the Unexpected Raising exceptions Raising an exception The effects of an exception Handling exceptions The exception hierarchy Defining our own exceptions Case study 6. When to Use Object-oriented Programming Treat objects as objects Adding behavior to class data with properties Properties in detail Decorators – another way to create properties Deciding when to use properties Manager objects Removing duplicate code In practice Case study 7. Python Data Structures Empty objects Tuples and named tuples Named tuples Dictionaries Dictionary use cases Using defaultdict Counter Lists Sorting lists Sets Extending built-ins WOW! eBook www.wowebook.org
Queues FIFO queues LIFO queues Priority queues Case study 8. Python Object-oriented Shortcuts Python built-in functions The len() function Reversed Enumerate File I/O Placing it in context An alternative to method overloading Default arguments Variable argument lists Unpacking arguments Functions are objects too Using functions as attributes Callable objects Case study 9. Strings and Serialization Strings String manipulation String formatting Escaping braces Keyword arguments Container lookups Object lookups Making it look right Strings are Unicode Converting bytes to text Converting text to bytes Mutable byte strings Regular expressions Matching patterns Matching a selection of characters Escaping characters Matching multiple characters WOW! eBook www.wowebook.org
Grouping patterns together Getting information from regular expressions Making repeated regular expressions efficient Serializing objects Customizing pickles Serializing web objects Case study 10. The Iterator Pattern Design patterns in brief Iterators The iterator protocol Comprehensions List comprehensions Set and dictionary comprehensions Generator expressions Generators Yield items from another iterable Coroutines Back to log parsing Closing coroutines and throwing exceptions The relationship between coroutines, generators, and functions Case study 11. Python Design Patterns I The decorator pattern A decorator example Decorators in Python The observer pattern An observer example The strategy pattern A strategy example Strategy in Python The state pattern A state example State versus strategy State transition as coroutines The singleton pattern Singleton implementation The template pattern WOW! eBook www.wowebook.org
A template example 12. Python Design Patterns II The adapter pattern The facade pattern The flyweight pattern The command pattern The abstract factory pattern The composite pattern 13. Testing Object-oriented Programs Why test? Test-driven development Unit testing Assertion methods Reducing boilerplate and cleaning up Organizing and running tests Ignoring broken tests Testing with py.test One way to do setup and cleanup A completely different way to set up variables Skipping tests with py.test Imitating expensive objects How much testing is enough? Case study Implementing it 14. Concurrency Threads The many problems with threads Shared memory The global interpreter lock Thread overhead Multiprocessing Multiprocessing pools Queues The problems with multiprocessing Futures AsyncIO AsyncIO in action Reading an AsyncIO future WOW! eBook www.wowebook.org
AsyncIO for networking Using executors to wrap blocking code Streams Executors Case study 2. Course Module 2: Data Analysis 1. Introducing Data Analysis and Libraries Data analysis and processing An overview of the libraries in data analysis Python libraries in data analysis NumPy pandas Matplotlib PyMongo The scikit-learn library 2. NumPy Arrays and Vectorized Computation NumPy arrays Data types Array creation Indexing and slicing Fancy indexing Numerical operations on arrays Array functions Data processing using arrays Loading and saving data Saving an array Loading an array Linear algebra with NumPy NumPy random numbers 3. Data Analysis with pandas An overview of the pandas package The pandas data structure Series The DataFrame The essential basic functionality Reindexing and altering labels Head and tail Binary operations WOW! eBook www.wowebook.org
Functional statistics Function application Sorting Indexing and selecting data Computational tools Working with missing data Advanced uses of pandas for data analysis Hierarchical indexing The Panel data 4. Data Visualization The matplotlib API primer Line properties Figures and subplots Exploring plot types Scatter plots Bar plots Contour plots Histogram plots Legends and annotations Plotting functions with pandas Additional Python data visualization tools Bokeh MayaVi 5. Time Series Time series primer Working with date and time objects Resampling time series Downsampling time series data Upsampling time series data Timedeltas Time series plotting 6. Interacting with Databases Interacting with data in text format Reading data from text format Writing data to text format Interacting with data in binary format HDF5 Interacting with data in MongoDB WOW! eBook www.wowebook.org
Interacting with data in Redis The simple value List Set Ordered set 7. Data Analysis Application Examples Data munging Cleaning data Filtering Merging data Reshaping data Data aggregation Grouping data 3. Course Module 3: Data Mining 1. Getting Started with Data Mining Introducing data mining A simple affinity analysis example What is affinity analysis? Product recommendations Loading the dataset with NumPy Implementing a simple ranking of rules Ranking to find the best rules A simple classification example What is classification? Loading and preparing the dataset Implementing the OneR algorithm Testing the algorithm 2. Classifying with scikit-learn Estimators scikit-learn estimators Nearest neighbors Distance metrics Loading the dataset Moving towards a standard workflow Running the algorithm Setting parameters Preprocessing using pipelines An example Standard preprocessing WOW! eBook www.wowebook.org
Putting it all together Pipelines 3. Predicting Sports Winners with Decision Trees Loading the dataset Collecting the data Using pandas to load the dataset Cleaning up the dataset Extracting new features Decision trees Parameters in decision trees Using decision trees Sports outcome prediction Putting it all together Random forests How do ensembles work? Parameters in Random forests Applying Random forests Engineering new features 4. Recommending Movies Using Affinity Analysis Affinity analysis Algorithms for affinity analysis Choosing parameters The movie recommendation problem Obtaining the dataset Loading with pandas Sparse data formats The Apriori implementation The Apriori algorithm Implementation Extracting association rules Evaluation 5. Extracting Features with Transformers Feature extraction Representing reality in models Common feature patterns Creating good features Feature selection Selecting the best individual features WOW! eBook www.wowebook.org
Feature creation Creating your own transformer The transformer API Implementation details Unit testing Putting it all together 6. Social Media Insight Using Naive Bayes Disambiguation Downloading data from a social network Loading and classifying the dataset Creating a replicable dataset from Twitter Text transformers Bag-of-words N-grams Other features Naive Bayes Bayes' theorem Naive Bayes algorithm How it works Application Extracting word counts Converting dictionaries to a matrix Training the Naive Bayes classifier Putting it all together Evaluation using the F1-score Getting useful features from models 7. Discovering Accounts to Follow Using Graph Mining Loading the dataset Classifying with an existing model Getting follower information from Twitter Building the network Creating a graph Creating a similarity graph Finding subgraphs Connected components Optimizing criteria 8. Beating CAPTCHAs with Neural Networks Artificial neural networks WOW! eBook www.wowebook.org
An introduction to neural networks Creating the dataset Drawing basic CAPTCHAs Splitting the image into individual letters Creating a training dataset Adjusting our training dataset to our methodology Training and classifying Back propagation Predicting words Improving accuracy using a dictionary Ranking mechanisms for words Putting it all together 9. Authorship Attribution Attributing documents to authors Applications and use cases Attributing authorship Getting the data Function words Counting function words Classifying with function words Support vector machines Classifying with SVMs Kernels Character n-grams Extracting character n-grams Using the Enron dataset Accessing the Enron dataset Creating a dataset loader Putting it all together Evaluation 10. Clustering News Articles Obtaining news articles Using a Web API to get data Reddit as a data source Getting the data Extracting text from arbitrary websites Finding the stories in arbitrary websites Putting it all together WOW! eBook www.wowebook.org
Grouping news articles The k-means algorithm Evaluating the results Extracting topic information from clusters Using clustering algorithms as transformers Clustering ensembles Evidence accumulation How it works Implementation Online learning An introduction to online learning Implementation 11. Classifying Objects in Images Using Deep Learning Object classification Application scenario and goals Use cases Deep neural networks Intuition Implementation An introduction to Theano An introduction to Lasagne Implementing neural networks with nolearn GPU optimization When to use GPUs for computation Running our code on a GPU Setting up the environment Application Getting the data Creating the neural network Putting it all together 12. Working with Big Data Big data Application scenario and goals MapReduce Intuition A word count example Hadoop MapReduce Application WOW! eBook www.wowebook.org
Getting the data Naive Bayes prediction The mrjob package Extracting the blog posts Training Naive Bayes Putting it all together Training on Amazon's EMR infrastructure 13. Next Steps… Chapter 1 – Getting Started with Data Mining Scikit-learn tutorials Extending the IPython Notebook Chapter 2 – Classifying with scikit-learn Estimators More complex pipelines Comparing classifiers Chapter 3: Predicting Sports Winners with Decision Trees More on pandas Chapter 4 – Recommending Movies Using Affinity Analysis The Eclat algorithm Chapter 5 – Extracting Features with Transformers Vowpal Wabbit Chapter 6 – Social Media Insight Using Naive Bayes Natural language processing and part-of-speech tagging Chapter 7 – Discovering Accounts to Follow Using Graph Mining More complex algorithms Chapter 8 – Beating CAPTCHAs with Neural Networks Deeper networks Reinforcement learning Chapter 9 – Authorship Attribution Local n-grams Chapter 10 – Clustering News Articles Real-time clusterings Chapter 11 – Classifying Objects in Images Using Deep Learning Keras and Pylearn2 Mahotas Chapter 12 – Working with Big Data Courses on Hadoop Pydoop Recommendation engine WOW! eBook www.wowebook.org
More resources 4. Course Module 4: Machine Learning 1. Giving Computers the Ability to Learn from Data How to transform data into knowledge The three different types of machine learning Making predictions about the future with supervised learning Classification for predicting class labels Regression for predicting continuous outcomes Solving interactive problems with reinforcement learning Discovering hidden structures with unsupervised learning Finding subgroups with clustering Dimensionality reduction for data compression An introduction to the basic terminology and notations A roadmap for building machine learning systems Preprocessing – getting data into shape Training and selecting a predictive model Evaluating models and predicting unseen data instances Using Python for machine learning 2. Training Machine Learning Algorithms for Classification Artificial neurons – a brief glimpse into the early history of machine learning Implementing a perceptron learning algorithm in Python Training a perceptron model on the Iris dataset Adaptive linear neurons and the convergence of learning Minimizing cost functions with gradient descent Implementing an Adaptive Linear Neuron in Python Large scale machine learning and stochastic gradient descent 3. A Tour of Machine Learning Classifiers Using scikit-learn Choosing a classification algorithm First steps with scikit-learn Training a perceptron via scikit-learn Modeling class probabilities via logistic regression Logistic regression intuition and conditional probabilities Learning the weights of the logistic cost function Training a logistic regression model with scikit-learn Tackling overfitting via regularization Maximum margin classification with support vector machines Maximum margin intuition Dealing with the nonlinearly separable case using slack variables WOW! eBook www.wowebook.org
Alternative implementations in scikit-learn Solving nonlinear problems using a kernel SVM Using the kernel trick to find separating hyperplanes in higher dimensional space Decision tree learning Maximizing information gain – getting the most bang for the buck Building a decision tree Combining weak to strong learners via random forests K-nearest neighbors – a lazy learning algorithm 4. Building Good Training Sets – Data Preprocessing Dealing with missing data Eliminating samples or features with missing values Imputing missing values Understanding the scikit-learn estimator API Handling categorical data Mapping ordinal features Encoding class labels Performing one-hot encoding on nominal features Partitioning a dataset in training and test sets Bringing features onto the same scale Selecting meaningful features Sparse solutions with L1 regularization Sequential feature selection algorithms Assessing feature importance with random forests 5. Compressing Data via Dimensionality Reduction Unsupervised dimensionality reduction via principal component analysis Total and explained variance Feature transformation Principal component analysis in scikit-learn Supervised data compression via linear discriminant analysis Computing the scatter matrices Selecting linear discriminants for the new feature subspace Projecting samples onto the new feature space LDA via scikit-learn Using kernel principal component analysis for nonlinear mappings Kernel functions and the kernel trick Implementing a kernel principal component analysis in Python Example 1 – separating half-moon shapes WOW! eBook www.wowebook.org
Example 2 – separating concentric circles Projecting new data points Kernel principal component analysis in scikit-learn 6. Learning Best Practices for Model Evaluation and Hyperparameter Tuning Streamlining workflows with pipelines Loading the Breast Cancer Wisconsin dataset Combining transformers and estimators in a pipeline Using k-fold cross-validation to assess model performance The holdout method K-fold cross-validation Debugging algorithms with learning and validation curves Diagnosing bias and variance problems with learning curves Addressing overfitting and underfitting with validation curves Fine-tuning machine learning models via grid search Tuning hyperparameters via grid search Algorithm selection with nested cross-validation Looking at different performance evaluation metrics Reading a confusion matrix Optimizing the precision and recall of a classification model Plotting a receiver operating characteristic The scoring metrics for multiclass classification 7. Combining Different Models for Ensemble Learning Learning with ensembles Implementing a simple majority vote classifier Combining different algorithms for classification with majority vote Evaluating and tuning the ensemble classifier Bagging – building an ensemble of classifiers from bootstrap samples Leveraging weak learners via adaptive boosting 8. Predicting Continuous Target Variables with Regression Analysis Introducing a simple linear regression model Exploring the Housing Dataset Visualizing the important characteristics of a dataset Implementing an ordinary least squares linear regression model Solving regression for regression parameters with gradient descent Estimating the coefficient of a regression model via scikit-learn Fitting a robust regression model using RANSAC Evaluating the performance of linear regression models Using regularized methods for regression WOW! eBook www.wowebook.org
Turning a linear regression model into a curve – polynomial regression Modeling nonlinear relationships in the Housing Dataset Dealing with nonlinear relationships using random forests Decision tree regression Random forest regression A. Reflect and Test Yourself! Answers Module 2: Data Analysis Chapter 1: Introducing Data Analysis and Libraries Chapter 2: Object-oriented Design Chapter 3: Data Analysis with pandas Chapter 4: Data Visualization Chapter 5: Time Series Chapter 6: Interacting with Databases Chapter 7: Data Analysis Application Examples Module 3: Data Mining Chapter 1: Getting Started with Data Mining Chapter 2: Classifying with scikit-learn Estimators Chapter 3: Predicting Sports Winners with Decision Trees Chapter 4: Recommending Movies Using Affinity Analysis Chapter 5: Extracting Features with Transformers Chapter 6: Social Media Insight Using Naive Bayes Chapter 7: Discovering Accounts to Follow Using Graph Mining Chapter 8: Beating CAPTCHAs with Neural Networks Chapter 9: Authorship Attribution Chapter 10: Clustering News Articles Chapter 11: Classifying Objects in Images Using Deep Learning Chapter 12: Working with Big Data Module 4: Machine Learning Chapter 1: Giving Computers the Ability to Learn from Data Chapter 2: Training Machine Learning Chapter 3: A Tour of Machine Learning Classifiers Using scikit-learn Chapter 4: Building Good Training Sets – Data Preprocessing Chapter 5: Compressing Data via Dimensionality Reduction Chapter 6: Learning Best Practices for Model Evaluation and Hyperparameter Tuning Chapter 7: Combining Different Models for Ensemble Learning Chapter 8: Predicting Continuous Target Variables with Regression Analysis WOW! eBook www.wowebook.org
B. Bibliography Index WOW! eBook www.wowebook.org
Python: Real-World Data Science WOW! eBook www.wowebook.org
Python: Real-World Data Science A course in four modules Unleash the power of Python and its robust data science capabilities with your Course Guide Ankita Thakur Learn to use powerful Python libraries for effective data processing and analysis To contact your Course Guide Email: <ankitat@packtpub.com> WOW! eBook www.wowebook.org
Meet Your Course Guide Hello and welcome to this Data Science with Python course. You now have a clear pathway from learning Python core features right through to getting acquainted with the concepts and techniques of the data science field—all using Python! This course has been planned and created for you by me Ankita Thakur – I am your Course Guide, and I am here to help you have a great journey along the pathways of learning that I have planned for you. I've developed and created this course for you and you'll be seeing me through the whole journey, offering you my thoughts and ideas behind what you're going to learn next and why I recommend each step. I'll provide tests and quizzes to help you reflect on your learning, and code challenges that will be pitched just right for you through the course. If you have any questions along the way, you can reach out to me over e-mail or telephone and I'll make sure you get everything from the course that we've planned – for you to start your career in the field of data science. Details of how to contact me are included on the first page of this course. WOW! eBook www.wowebook.org
What's so cool about Data Science? What is Data Science and why is there so much of buzz about this in the world? Is it of great importance? Well, the following sentence will answer all such questions: "This hot new field promises to revolutionize industries from business to government, health care to academia." --The New York Times The world is generating data at an increasing pace. Consumers, sensors, or scientific experiments emit data points every day. In finance, business, administration, and the natural or social sciences, working with data can make up a significant part of the job. Being able to efficiently work with small or large datasets has become a valuable skill. Also, we live in a world of connected things where tons of data is generated and it is humanly impossible to analyze all the incoming data and make decisions. Human decisions are increasingly replaced by decisions made by computers. Thanks to the field of Data Science! Data science has penetrated deeply in our connected world and there is a growing demand in the market for people who not only understand data science algorithms thoroughly, but are also capable of programming these algorithms. A field that is at the intersection of many fields, including data mining, machine learning, and statistics, to name a few. This puts an immense burden on all levels of data scientists; from the one who is aspiring to become a data scientist and those who are currently practitioners in this field. Treating these algorithms as a black box and using them in decision-making systems will lead to counterproductive results. With tons of algorithms and innumerable problems out there, it requires a good grasp of the underlying algorithms in order to choose the best one for any given problem. Python as a programming language has evolved over the years and today, it is the number one choice for a data scientist. Python has become the most popular programming language for data science because it allows us to forget about the tedious parts of programming and offers us an environment where we can quickly jot down our ideas and put concepts directly into action. It has been used in industry for a long time, but it has been popular among researchers as well. In contrast to more specialized applications and environments, Python is not only WOW! eBook www.wowebook.org
about data analysis. The list of industrial-strength libraries for many general computing tasks is long, which makes working with data in Python even more compelling. Whether your data lives inside SQL or NoSQL databases or is out there on the Web and must be crawled or scraped first, the Python community has already developed packages for many of those tasks. WOW! eBook www.wowebook.org
Course Structure Frankly speaking, it's a wise decision to know the nitty-gritty of Python as it's a trending language. I'm sure you'll gain lot of knowledge through this course and be able to implement all those in practice. However, I want to highlight that the road ahead may be bumpy on occasions, and some topics may be more challenging than others, but I hope that you will embrace this opportunity and focus on the reward. Remember that we are on this journey together, and throughout this course, we will add many powerful techniques to your arsenal that will help us solve even the toughest problems the data-driven way. I've created this learning path for you that consist of four models. Each of these modules are a mini-course in their own way, and as you complete each one, you'll have gained key skills and be ready for the material in the next module. So let's now look at the pathway these modules create—basically all the topics that will be exploring in this learning journey. WOW! eBook www.wowebook.org
Course Journey We start the course with our very first module, Python Fundamentals, to help you get familiar with Python. Installing Python correctly is equal to half job done. This module starts with the installation of Python, IPython, and all the necessary packages. Then, we'll see the fundamentals of object-oriented programming because Python itself is an object-oriented programming language. Finally, we'll make friends with some of the core concepts of Python—how to get Python programming basics nailed down. Then we'll move towards the analysis part. The second module, Data Analysis, will get you started with Python data analysis in a practical and example-driven way. You'll see how we can use Python libraries for effective data processing and analysis. So, if you want to to get started with basic data processing tasks or time series, then you can find lot of hands-on knowledge in the examples of this module. WOW! eBook www.wowebook.org
The third module, Data Mining, is designed in a way that you have a good understanding of the basics, some best practices to jump into solving problems with data mining, and some pointers on the next steps you can take. Now, you can harness the power of Python to analyze data and create insightful predictive models. Finally, we'll move towards exploring more advanced topics. Sometimes an analysis task is too complex to program by hand. Machine learning is a modern technique that enables computers to discover patterns and draw conclusions for themselves. The aim of our fourth module, Machine Learning, is to provide you with a module where we'll discuss the necessary details regarding machine learning concepts, offering intuitive yet informative explanations on how machine learning algorithms work, how to use them, and most importantly, how to avoid the common pitfalls. So, if you want to become a machine-learning practitioner, a better problem solver, or maybe even consider a career in machine learning research, I'm sure there is lot for you in this module! WOW! eBook www.wowebook.org
WOW! eBook www.wowebook.org
The Course Roadmap and Timeline Here's a view of the entire course plan before we begin. This grid gives you a topic overview of the whole course and its modules, so you can see how we will move through particular phases of learning to use Python, what skills you'll be learning along the way, and what you can do with those skills at each point. I also offer you an estimate of the time you might want to take for each module, although a lot depends on your learning style how much you're able to give the course each week! WOW! eBook www.wowebook.org
Part 1. Course Module 1: Python Fundamentals WOW! eBook www.wowebook.org
WOW! eBook www.wowebook.org
WOW! eBook www.wowebook.org
Chapter 1. Introduction and First Steps – Take a Deep Breath "Give a man a fish and you feed him for a day. Teach a man to fish and you feed him for a lifetime." --Chinese proverb According to Wikipedia, computer programming is: "...a process that leads from an original formulation of a computing problem to executable computer programs. Programming involves activities such as analysis, developing understanding, generating algorithms, verification of requirements of algorithms including their correctness and resources consumption, and implementation (commonly referred to as coding) of algorithms in a target programming language". In a nutshell, coding is telling a computer to do something using a language it understands. Computers are very powerful tools, but unfortunately, they can't think for themselves. So they need to be told everything. They need to be told how to perform a task, how to evaluate a condition to decide which path to follow, how to handle data that comes from a device such as the network or a disk, and how to react when something unforeseen happens, say, something is broken or missing. You can code in many different styles and languages. Is it hard? I would say "yes" and "no". It's a bit like writing. Everybody can learn how to write, and you can too. But what if you wanted to become a poet? Then writing alone is not enough. You have to acquire a whole other set of skills and this will take a longer and greater effort. In the end, it all comes down to how far you want to go down the road. Coding is not just putting together some instructions that work. It is so much more! Good code is short, fast, elegant, easy to read and understand, simple, easy to modify and extend, easy to scale and refactor, and easy to test. It takes time to be able to write code that has all these qualities at the same time, but the good news is that you're taking the first step towards it at this very moment by reading this module. WOW! eBook www.wowebook.org
And I have no doubt you can do it. Anyone can, in fact, we all program all the time, only we aren't aware of it. Would you like an example? Say you want to make instant coffee. You have to get a mug, the instant coffee jar, a teaspoon, water, and the kettle. Even if you're not aware of it, you're evaluating a lot of data. You're making sure that there is water in the kettle as well as the kettle is plugged-in, that the mug is clean, and that there is enough coffee in the jar. Then, you boil the water and maybe in the meantime you put some coffee in the mug. When the water is ready, you pour it into the cup, and stir. So, how is this programming? Well, we gathered resources (the kettle, coffee, water, teaspoon, and mug) and we verified some conditions on them (kettle is plugged-in, mug is clean, there is enough coffee). Then we started two actions (boiling the water and putting coffee in the mug), and when both of them were completed, we finally ended the procedure by pouring water in the mug and stirring. Can you see it? I have just described the high-level functionality of a coffee program. It wasn't that hard because this is what the brain does all day long: evaluate conditions, decide to take actions, carry out tasks, repeat some of them, and stop at some point. Clean objects, put them back, and so on. All you need now is to learn how to deconstruct all those actions you do automatically in real life so that a computer can actually make some sense of them. And you need to learn a language as well, to instruct it. So this is what this module is for. I'll tell you how to do it and I'll try to do that by means of many simple but focused examples (my favorite kind). WOW! eBook www.wowebook.org
A proper introduction I love to make references to the real world when I teach coding; I believe they help people retain the concepts better. However, now is the time to be a bit more rigorous and see what coding is from a more technical perspective. When we write code, we're instructing a computer on what are the things it has to do. Where does the action happen? In many places: the computer memory, hard drives, network cables, CPU, and so on. It's a whole "world", which most of the time is the representation of a subset of the real world. If you write a piece of software that allows people to buy clothes online, you will have to represent real people, real clothes, real brands, sizes, and so on and so forth, within the boundaries of a program. In order to do so, you will need to create and handle objects in the program you're writing. A person can be an object. A car is an object. A pair of socks is an object. Luckily, Python understands objects very well. The two main features any object has are properties and methods. Let's take a person object as an example. Typically in a computer program, you'll represent people as customers or employees. The properties that you store against them are things like the name, the SSN, the age, if they have a driving license, their e-mail, gender, and so on. In a computer program, you store all the data you need in order to use an object for the purpose you're serving. If you are coding a website to sell clothes, you probably want to store the height and weight as well as other measures of your customers so that you can suggest the appropriate clothes for them. So, properties are characteristics of an object. We use them all the time: "Could you pass me that pen?" – "Which one?" – "The black one." Here, we used the "black" property of a pen to identify it (most likely amongst a blue and a red one). Methods are things that an object can do. As a person, I have methods such as speak, walk, sleep, wake-up, eat, dream, write, read, and so on. All the things that I can do could be seen as methods of the objects that represents me. So, now that you know what objects are and that they expose methods that you can run and properties that you can inspect, you're ready to start coding. Coding in fact is simply about managing those objects that live in the subset of the world that we're WOW! eBook www.wowebook.org
reproducing in our software. You can create, use, reuse, and delete objects as you please. According to the Data Model chapter on the official Python documentation: "Objects are Python's abstraction for data. All data in a Python program is represented by objects or by relations between objects." We'll take a closer look at Python objects in the upcoming chapter. For now, all we need to know is that every object in Python has an ID (or identity), a type, and a value. Once created, the identity of an object is never changed. It's a unique identifier for it, and it's used behind the scenes by Python to retrieve the object when we want to use it. The type as well, never changes. The type tells what operations are supported by the object and the possible values that can be assigned to it. The value can either change or not. If it can, the object is said to be mutable, while when it cannot, the object is said to be immutable. How do we use an object? We give it a name of course! When you give an object a name, then you can use the name to retrieve the object and use it. In a more generic sense, objects such as numbers, strings (text), collections, and so on are associated with a name. Usually, we say that this name is the name of a variable. You can see the variable as being like a box, which you can use to hold data. So, you have all the objects you need: what now? Well, we need to use them, right? We may want to send them over a network connection or store them in a database. Maybe display them on a web page or write them into a file. In order to do so, we need to react to a user filling in a form, or pressing a button, or opening a web page and performing a search. We react by running our code, evaluating conditions to choose which parts to execute, how many times, and under which circumstances. And to do all this, basically we need a language. That's what Python is for. Python is the language we'll use together throughout this module to instruct the computer to do something for us. WOW! eBook www.wowebook.org
Now, enough of this theoretical stuff, let's get started. WOW! eBook www.wowebook.org
Enter the Python Python is the marvelous creature of Guido Van Rossum, a Dutch computer scientist and mathematician who decided to gift the world with a project he was playing around with over Christmas 1989. The language appeared to the public somewhere around 1991, and since then has evolved to be one of the leading programming languages used worldwide today. I started programming when I was 7 years old, on a Commodore VIC 20, which was later replaced by its bigger brother, the Commodore 64. The language was BASIC. Later on, I landed on Pascal, Assembly, C, C++, Java, JavaScript, Visual Basic, PHP, ASP, ASP .NET, C#, and other minor languages I cannot even remember, but only when I landed on Python, I finally had that feeling that you have when you find the right couch in the shop. When all of your body parts are yelling, "Buy this one! This one is perfect for us!" It took me about a day to get used to it. Its syntax is a bit different from what I was used to, and in general, I very rarely worked with a language that defines scoping with indentation. But after getting past that initial feeling of discomfort (like having new shoes), I just fell in love with it. Deeply. Let's see why. WOW! eBook www.wowebook.org
About Python Before we get into the gory details, let's get a sense of why someone would want to use Python (I would recommend you to read the Python page on Wikipedia to get a more detailed introduction). To my mind, Python exposes the following qualities. WOW! eBook www.wowebook.org
Portability Python runs everywhere, and porting a program from Linux to Windows or Mac is usually just a matter of fixing paths and settings. Python is designed for portability and it takes care of operating system (OS) specific quirks behind interfaces that shield you from the pain of having to write code tailored to a specific platform. WOW! eBook www.wowebook.org
Coherence Python is extremely logical and coherent. You can see it was designed by a brilliant computer scientist. Most of the time you can just guess how a method is called, if you don't know it. You may not realize how important this is right now, especially if you are at the beginning, but this is a major feature. It means less cluttering in your head, less skimming through the documentation, and less need for mapping in your brain when you code. WOW! eBook www.wowebook.org
Developer productivity According to Mark Lutz (Learning Python, 5th Edition, O'Reilly Media), a Python program is typically one-fifth to one-third the size of equivalent Java or C++ code. This means the job gets done faster. And faster is good. Faster means a faster response on the market. Less code not only means less code to write, but also less code to read (and professional coders read much more than they write), less code to maintain, to debug, and to refactor. Another important aspect is that Python runs without the need of lengthy and time consuming compilation and linkage steps, so you don't have to wait to see the results of your work. WOW! eBook www.wowebook.org
An extensive library Python has an incredibly wide standard library (it's said to come with "batteries included"). If that wasn't enough, the Python community all over the world maintains a body of third party libraries, tailored to specific needs, which you can access freely at the Python Package Index (PyPI). When you code Python and you realize that you need a certain feature, in most cases, there is at least one library where that feature has already been implemented for you. WOW! eBook www.wowebook.org
Software quality Python is heavily focused on readability, coherence, and quality. The language uniformity allows for high readability and this is crucial nowadays where code is more of a collective effort than a solo experience. Another important aspect of Python is its intrinsic multi-paradigm nature. You can use it as scripting language, but you also can exploit object-oriented, imperative, and functional programming styles. It is versatile. WOW! eBook www.wowebook.org
Software integration Another important aspect is that Python can be extended and integrated with many other languages, which means that even when a company is using a different language as their mainstream tool, Python can come in and act as a glue agent between complex applications that need to talk to each other in some way. This is kind of an advanced topic, but in the real world, this feature is very important. WOW! eBook www.wowebook.org
Satisfaction and enjoyment Last but not least, the fun of it! Working with Python is fun. I can code for 8 hours and leave the office happy and satisfied, alien to the struggle other coders have to endure because they use languages that don't provide them with the same amount of well-designed data structures and constructs. Python makes coding fun, no doubt about it. And fun promotes motivation and productivity. These are the major aspects why I would recommend Python to everyone for. Of course, there are many other technical and advanced features that I could have talked about, but they don't really pertain to an introductory section like this one. They will come up naturally, chapter after chapter, in this module. WOW! eBook www.wowebook.org
What are the drawbacks? Probably, the only drawback that one could find in Python, which is not due to personal preferences, is the execution speed. Typically, Python is slower than its compiled brothers. The standard implementation of Python produces, when you run an application, a compiled version of the source code called byte code (with the extension .pyc), which is then run by the Python interpreter. The advantage of this approach is portability, which we pay for with a slowdown due to the fact that Python is not compiled down to machine level as are other languages. However, Python speed is rarely a problem today, hence its wide use regardless of this suboptimal feature. What happens is that in real life, hardware cost is no longer a problem, and usually it's easy enough to gain speed by parallelizing tasks. When it comes to number crunching though, one can switch to faster Python implementations, such as PyPy, which provides an average 7-fold speedup by implementing advanced compilation techniques (check http://pypy.org/ for reference). When doing data science, you'll most likely find that the libraries that you use with Python, such as Pandas and Numpy, achieve native speed due to the way they are implemented. If that wasn't a good enough argument, you can always consider that Python is driving the backend of services such as Spotify and Instagram, where performance is a concern. Nonetheless, Python does its job perfectly adequately. WOW! eBook www.wowebook.org
Who is using Python today? Not yet convinced? Let's take a very brief look at the companies that are using Python today: Google, YouTube, Dropbox, Yahoo, Zope Corporation, Industrial Light & Magic, Walt Disney Feature Animation, Pixar, NASA, NSA, Red Hat, Nokia, IBM, Netflix, Yelp, Intel, Cisco, HP, Qualcomm, and JPMorgan Chase, just to name a few. Even games such as Battlefield 2, Civilization 4, and QuArK are implemented using Python. Python is used in many different contexts, such as system programming, web programming, GUI applications, gaming and robotics, rapid prototyping, system integration, data science, database applications, and much more. WOW! eBook www.wowebook.org
Other documents randomly have different content
tenyészet, melynek jótékony befolyásuk életet adott. Dúsan hajtott az inség gabonája, gyönyörűen fejlett a kétségbeesés virága, gazdag szüretet adott a tönkrejutás, nyomorúság, földönfutás szőlőtője, pazarul hullatta gyümölcsét a becstelenség, öngyilkosság gyümölcsfája. És mind ennek daczára akadt elég hálátlan ember, ki panaszkodni mert a nap melege miatt, és ernyőt feszített ki feje fölé sugarai ellen. Ez elégedetlen és hálátlan emberek közt bizonyára a legelégedetlenebb és leghálátlanabb volt valami Bokros nevű ember. Soha sem tudta annyira vinni, hogy a határozatlan «valamik» csoportjából kiemelkedjek s «valaki» legyen belőle. Teljes életében megmaradt abban a jelentéktelen osztályban, hol az együgyüség kopott köntösét a becsületesség foltjaival szeretik tarkázni. Természetes ellenségei ezek mindenkinek, a ki a többiek közül kiemelkedik, a kit érdemei miatt gyűlölnek, rágalmaznak, üldöznek. Maláta úrnak is természetes ellensége volt ez a valami Bokros nevű ember. Rágalmazta életében, boszantotta halálával. Kizsákmányolta jóságát, elköltötte pénzét, visszaélt nagylelkűségével, szidta, üldözte, uzsorásnak káromolta. Pedig mit tett vele Maláta úr? Semmit, épen semmit, a mi a törvény legkisebb betűjét is kilódíthatná helyéből. Sokszor mondta nyájas mosolylyal a dühtől tajtékzó Bokros nevű ember szemébe: tessék, vigye a törvényszék elé; bizonyítson rá törvénytelenséget, ha tud, ha mer. A Bokros nevű ember csak panaszkodott, átkozódott, de annyira nem vitte a vakmerőséget, hogy hálátlanságára a törvény szentesítését merje arczátlanúl követelni. Nem is lett volna tanácsos. Maláta úr tudta jól, hogy a jog az ő részén van, nem hiába tanulta négy éven át a törvényt kitartó szorgalommal, nem hiába állta ki belőle a vizsgálatot kitünő kalkulussal. Mikor a végzet együvé hozta e két embert, bizonyára azon szeszélyes ötlete volt, hogy a két legnagyobb ellentétet szembe állítsa egymással, és így mutassa meg élő példával a nagy különbséget érdem és érdemetlenség, tehetség és tehetetlenség, nagylelküség és hálátlanság között.
Maláta úr saját erejéből indult neki a világnak, nem volt senkije, a ki segítse, támogassa. A maga lábán járt kezdettől fogva és azért talpát úgy hozzá idomította mindenféle ösvényhez, hogy a leggöröngyösebb, legtekervényesebb, legkeskenyebb, legsikamlósabb helyeken sem botlott, bukott, csúszott el soha. A Bokros nevű ember szüleitől kapott nevelést, tőlük örökölt nevet, vagyont, elavult fogalmakat és szokásokat és minden út közül csak egyetlen egyet ismert, az egyenes útat, melyet az együgyüek hiú önámítással szeretnek a becsületesség útjának nevezni. Maláta úr tudományt szerzett, tudományát az emberiség javára használta, viszálkodásaikban tanácsadójuk volt, pöreiket elintézte, pénzeiket fölszedte és megtartotta, nehogy a könnyelmű emberek elpazarolják vagy rosszra használják. Eszével, ügyességével szép vagyont szerzett, de pénzét nagylelküleg embertársai javára használta. Kileste, hol van pénzben hiány, hol van szükség kölcsönre, és ott azonnal megjelent jótékony geniusként, s önzetlen segélyeért nem kívánt egyéb jutalmat, mint egy meleg kézszorítást és százhusz perczentet. Sőt az emberiség iránt lángoló szeretete annyira vitte, hogy nem elégedett meg a maga nyújtotta segélylyel, hanem másokat is hasonló magasztos jótékonyságra buzdított: összeköttetésbe lépett, szövetségget kötött velök; egyesült erővel kutatták ki szükségben szenvedő embertársaikat, hogy a meleg kézszorítás és százhusz perczent jutalma mellett segélyt vigyenek számukra. Valódi jótékonyczélú titkos társaságot szervezett; minden osztályban, minden társaságban állított föl kegyes szívű védangyalokat, mindenfelé küldött jótékony portyázókat… és így gyakorolták egyesült erővel a jótékonyság, jótállás, emberszeretet, óvatolás, irgalmasság, végrehajtás nemes erényeit. A Bokros nevű ember ódivatú modorban akart gazdálkodni, vetni és aratni; botorul kitette magát a felhők szeszélyeinek, a nap makacsságának, a fagy, jég, zápor véletlen ötleteinek, a hörcsök, egér s egyéb mezei és házi állatok oktalan vágyainak. Nem tudott eszével uralkodni sem az élő, sem az élettelen természeten; azt hitte, elég a munka és szorgalom… és egyre vesztett, pusztult,
bukott; mentől inkább igyekezett kimenekülni, annál mélyebben bele bódult a zavarba, segélytelenségbe, tehetetlenségbe és a jótékony emberbarátok karjaiba, melyeket vastag hálátlansággal uzsorának káromolt. Maláta úr becsülettel és önfeláldozással szerzett pénzét, a társadalomban kivívott tisztelt és előkelő állását szokott önzetlenségével csupa nagy és nemes czélra használta. Fényt űzött, hogy elősegítse az ipart és kereskedést; arany karpereczeket vett a tánczosnőknek, hogy lendítsen a művészeten; futtatott a lóversenyeken, hogy előmozdítsa a hazai lótenyésztést. Sebesültek, árvízkárosultak, rabok, árvák számára hangversenyeket, bálokat rendezett; minden gyűjtésben, minden bizottságban, minden politikai és társadalmi mozzanatban tevékeny részt vett; és ha egyik- másik adósa kétségbeesésből öngyilkossá lett, árvái részére jótékony gyűjtést rendezett s az aláírást megnyitotta öt forinttal. A Bokros nevű ember botorúl megházasodott, gyermekeit hiú nagyravágyásában neveltette, kitanította, s a mi vagyonát a fagy, jég, zápor s elemi csapások, a hörcsök, egér, uzsorás és egyéb mezei és házi állatok meghagyták, reájuk költötte, egyiket eltemette, a másikat kiházasította, a harmadikat megutaztatta, és bárgyú fejével azt hitte, polgári kötelességet teljesít, ha családot alapít, gyermekeket nevel, maga pedig koplal, izzad, fárad és semmiben sem vesz részt, a miről a hírlapok tudósítói meg szoktak emlékezni. Maláta úr nagylelkű szánakozással és nemes lemondással fogadta az emberek irígységét, bántalmait, gúnyjait. Vérzett szíve, ha látnia kellett, mint ferdítik el legmagasztosabb tetteit a gonosz nyelvek, mint szidalmazzák uzsorának jótékony segélyeit: de a nagy lelkek legszebb vonását, a megbocsátást, soha sem homályosíthatta el lelkében az irígység fekete fellege. Kész volt bármely pillanatban segélyére sietni leghalálosabb ellenségének is, százhusz perczent és két biztos jótálló mellett. Sőt még azt sem várta be, hogy őt keresse föl; nemes lelke nem akarta ellenségét maga előtt megalázva látni. Maga kinálta a segélyt, hol szükséget és biztos jótállót látott, s ha
adósainak bútorait árvereltette, őszintén szíve mélyéből meleg könnyet hullatott a könnyelmű ember szerencsétlensége fölött. A Bokros nevű ember elégedetlen volt magával, az éggel, az emberekkel; panaszkodott mindegyik ellen, de a mi legfőbb, valódi bősz dühvel kelt ki legnagyobb jótevője, Maláta úr ellen. Pedig ennek köszönhette, hogy obscurus ember létére igen díszes ismeretségi körre tett szert, mely törvényszéki bírákat, képviselőket, tanárokat, fínom és tudományos férfiakat foglalt magában. De a Bokros nevű ember hálátlan szíve csak gyűlöletet, átkot és rágalmat szórt e tiszteletre méltó előkelő urak ellen, s mégis megfoghatatlan módon egyre társaságukat kereste. Ezt a két nagy ellentétet hozta egymással össze a végzet szeszélyes ötlete. Egyrészről a tehetség, másrészről a gyámoltalanság, egyfelől a jóakarat, másfelől a hálátlanság, egyfelől a lelki fenség, másfelől az aljasság állt egymással szemben, nemcsak képletileg, hanem valósággal, tettel és szóval, Maláta úr fényes, kényelmes lakában. Kívül csikorgó hideg volt, a sivító szél megbolygatta a háztetők hóparókáját, a fagyott útczán egyre-másra siklottak és buktak el emberek és lovak. Benn a szobában pattogva sziporkázott a kandalló vidám tüze, Maláta úr fenséges öntudattal melengette hátát és szerencsésen meghiusította az előtte álló kopott, kétségbeesett alak rosszlelkű törekvését, hogy a hideg borzongatás kellemetlen érzését ízleltesse meg vele. Pedig ez a kopott, kétségbeesett alak, a Bokros nevű ember minden lehető módot megkísért, hogy Maláta úr tiszteletre méltó hátán hideg borzongást szalaszszon végig. Beszél égről, pokolról, átokról, nyomorról, vérről, gyilokról s több efféle kellemetlen dolgokról, de a kandalló tüze vidáman pattog, biztos meleget ad. Karácsony estéje van, az esztendő legszebb, legvidámabb ünnepe, melyen mindenki örül, mindenki ajándékot ad, ajándékot kap. Ezen a napon született a világ megváltója, az üdvözlő angyalok
örömdala viszhangzik ezredévek múlva az örvendező emberek, kicsinyek és nagyok ajkain. Maláta úr fínom, nagylelkű gavallér ember. Kis asztalkán állnak mellette, ízlésesen rendezve, a mai estére szánt ajándékok. Gyémánt függő ennek, bonbonnière annak, selyem szövet ide, díszalbum oda – rang és nemkülönbség szerint – fényes és gazdag mindegyik, a mint ily fényes, kitünő úrtól telik. A Bokros nevű ember éhes szeme majd felfalja a csillogó, suhogó, csalogató ingerlő kincseket; akár melyik elég volna neki, megmentené a nyomortól, megmentené a kétségbeeséstől, a becstelenségtől. – Ön vitt rá, ön az oka mindennek, nyög és sóhajt a Bokros nevű ember, a kétségbeesés daczával és a nyomorúság alázatával pillantva a fínom, jól táplált mosolygó úrra. – Ha nem fizeti ki az utolsó fillérig, holnapután a fenyítő törvényszék elé kerűl, felel Maláta úr és gyöngéden megsimogatja a gyémánt függőket. – Legyen irgalommal, nőm van, gyermekeim vannak, elég hogy éheznek, ne hozzon rájuk gyalázatot is, könyörög a Bokros nevű ember. – Kimondtam az utolsó szót, felel Maláta úr szendén. – De miből vegyem? Mindenem az öné már, ezek a gyémántok is az én vagyonomból vannak, kiált a Bokros nevű ember, és sápadt arczán átfut egy pillanatra a kétségbeesett elszántság vad villáma. – Mi ez? kiált Maláta úr kiegyenesedve a megbántott erény méltóságával. A Bokros nevű ember meggörnyed, összeesik, szemét alázattal földre szegzi, bocsánatkérést hebeg. Megtöri ez ember hangja, ki behálózta, tönkre tette, hamisításra kényszerítette, bűne bizonyítékát kezében tartja. Meggörnyed előtte, mint a bűnös bírája előtt. Tudja, hogy nem várhat szánalmat, de érzi, hogy a szánalom egyetlen mentsége és kétségbeesetten könyörög érte.
Maláta úr unja a dolgot. Látogatást vár, az ajándékokat is szét kell küldeni, egyik mellé gyöngéd, másik mellé szellemes levélkét írni, sok a dolga, nincs ideje ez elveszett emberrel vesződni. Csenget, és belépő inasát ajtót nyitni küldi. – Irgalom! akar kiáltani még egyszer a Bokros nevű ember. Az ajtó kinyílt, az inas vigyorogva kituszkolja, az éles szél hajába markol, ajkán megfagy a szó, az irgalom neve. A vágtató hópelyhek arczába csapnak, elvakítják szemét; az útcza tolongó, kiabáló, kaczagó vidám karácsonyesti árja magával ragadja. Magával ragadja az ár, kergetik az ijesztő rémek. Emberek beszélnek az útczán, megállnak, üdvözlik egymást, társaságokba sietnek: az ő fülében más hangok zsibongnak. Vidám fény tör ki az ablakokból, csillog a hó a lámpák visszaverő fényétől: az ő szemét más vakítja, vörös lobogó láng kápráztatja. Nem tudja, hol jár, mit akar. Haza nem mehet; térde megtörik, a jégcsapos házfalhoz támaszkodik. Gondolkozik. Hova? Haza? ki van ott? Mi vár ott? Ablakán ül a gyalázat hollója, csapkodja üvegét szárnyával, integet a sápadt, beteg alakoknak, melyek oda benn melegre, ételre, karácsonyfára várnak. Ah! karácsonyfára! Szegény gyermekek, a ti karácsonyfátokon apátok gyalázata, nevetek szégyene csügg… Tovább fut, akármerre, csak minél messzebbre a háztól, melynek pinczeszobájában rongyos gyermekek beszélnek kis testvéreiknek csodálatos regéket hajdani szép idők csillogó aranyos karácsonyfáiról… Tovább… tovább! Czéltalan útja ismét a ház elé viszi, melyben megrontója lakik. Az ablakok fényesen meg vannak világítva, zongorahangok szöknek ki vidáman a hideg, sötét éjszakába… Az útczán, a ház előtt, Maláta úr ablaka alatt hársfa áll, olyan mint egy karácsonyfa. Vastagon fedi ágait a fehér hó, mintha czukorral volnának behintve; hosszú jégcsapok csüngnek rajta és csillognak a holdfényben, mintha égő gyertyák világítanák meg a rajta függő csecsebecséket… Szép karácsonyfa… Hátha még valami lógna rajta…?
A későn járó emberek összecsoportosulnak a fa alatt, lármát ütnek; rendőrök jönnek, kórházba viszik a holttestet, konstatálják a halál nemét s elrendelik a temetést… Maláta úr ajándokai illető helyeiken nagy örömet okoznak, szép viszonzással biztatnak. A fínom, kedves, gazdag úr igen jól mulat, vidáman tölti a karácsonyestét, szép hölgyek, jó barátok társaságában; az is mosolyog rá, a ki megveti; az is köszönti, a ki gyűlöli. Boldogan fekszik le puha meleg ágyába, s álmodik édes álmakat kétszáz perczentről. A tornyokban pedig megkondulnak az éjféli harangok, és hirdetik, hogy ezelőtt ezernyolczszáz egynehány esztendővel született az emberek megváltója.
VASÚTI TÖRTÉNETEK. I. Az alkalmatlan útitárs. Tüszkölve, fújva, füstölögve, tüzes sziporkát hányva mozog fel s alá a vontató gép, haragos lihegéssel jelentve, hogy megunta már a pályaudvar szűk határai közt szedegetni össze egymásután a henye kocsikat, és szeretne nekivágtatni a messze pusztaságnak. Egy-egy visító füttyöt szalaszt néha a levegőbe, mintha az udvaron jártatott tüzes paripa nyerítne türelmetlenségében, midőn látja, hogy a kaput még sem akarják kinyitni és az útat szabaddá tenni. A sziporkázó, füstöt fuvó vasparipa lovászai, zsinóros egyenruhájukban és paszomántos sipkájukban fel s alá futkosnak az udvaron, kocsikat tolva, kiakasztva, beakasztva, nyitogatva, ajtót csapva, kiabálva, káromkodva, türelmetlen útasokra mordulva; termetes férfiak nagy málhákat emelnek, taszítnak, gurítnak a rakodó kocsik felé; mások a bejáró ajtónál lesik a jó szerencsét, egymás kezéből kapkodva a megérkező útasok holmiját, versenyt futva a megálló kocsik ajtajához s gúnyos megvetéssel fordítva hátat a kiszálló útasnak, ha kis kézi táskánál nem hoz egyebet s ezt is maga viszi a váróterembe. A pénztárnál egymás hátán tolongnak az emberek, egymás vállán keresztűl nyujtogatják az ablak felé bankóikat, harsányan kiabálva az állomások neveit és misanthropiáig keserítve az ablaktábla mögött ülő ideges német urat. A vendéglőben hajszolt vad gyanánt rohannak fel s alá a pinczérek, s vad mohósággal falják fel az útasok az eléjük tálalt ételeket, a jóllakottak meg kétségbeesetten zörgetik poharaikat s oly hévvel kiabálnak a fizető pinczér után, mintha e tekintélyes férfiú tartaná kezében földi és mennyei üdvösségüket. A távíró csengője megszólal, hosszas ideges zörgésébe belemordul az öreg csengetyű harsány kongása, a gép visít, fütyöl, a megmozdúlt
kocsik kerekei élesen csikorognak, az útasok tolongnak, kiabálnak, az ajtók becsapódnak, bucsuzó kiáltások keresztezik egymást, az öreg csengetyű újra megkondul, a gép visít, fütyöl és tüsszögve nekiszáguld a világnak, erős zökkentéssel maga után rántva az összekapcsolt kocsikat és akaratlan érintkezésbe hozva az ablakokon kidugott fejeket. A középkorú kopasz úr, ki a legelsők között foglalta volt el egy második osztályú kocsi kényelmes szegletülését a túlsó ablak mellett, és aggódó szorgossággal rakatta el a hordár által számtalan nagyobb és apróbb csomagját fenn a hálóban s lenn az üléseken és az ülések alatt – ez a számtalan csomaggal útazó középkorú kopasz úr nem részesűlt az említett kellemetlen fejbeli érintkezésben, nem dugván ki henye kíváncsisággal fejét az ablakon, midőn a nekiszabadult tüsszögő szörnyeteg maga után ragadta az összekapcsolt kocsikat. Egyéb dolga volt, mint minden valamirevaló czél és haszon nélkül kidugni fejét egy második osztályú vasúti kocsi ablakán. Hátradőlt kényelmes szegletülésén, óvatosan felhúzta az ablakot, még óvatosabban maga mellé helyezte újdonatúj kürtő-kalapját, hímzett házi sipkával takarva el tar fejének fénylő hegyeit-völgyeit, mialatt tapogatódzó lábaival meggyőződést szerzett, hogy az ülés alatt rendben vannak csomagjai, ugyanezen megnyugtató meggyőződésre jutván kezeinek és szemeinek közvetítése által a hálóban és üléseken elhelyezett csomagok sorsát illetőleg. E nagyfontosságú műveletek maguk is annyira igénybe vették a középkorú kopasz úr összes szerveit, hogy nem igen jutott eszébe a külső világgal foglalkozni; mindez azonban még nem akadályozta volna meg, hogy legalább egy pillantást ne vessen az ablak mellett rohamosan tünedező és érdekesen váltakozó távírdai czölöpökre és kavicshalmokra – mondom jutott volna egy pár pillantása a magyar alföld nevezett tájképi szépségeire is, ha minden szemlélő és gondolkozó képességét bűvös erővel le nem bilincseli egyetlen útitársa, ki a kocsi másik szegletében ült s oly módon viselte magát, mintha a csörgőkígyó szerepét akarná eljátszani, a középkorú kopasz urat szemelvén ki a megbűvölendő madárkának.
A csörgőkígyó szerepére vállalkozó útitárs különben épen nem hasonlított a csörgőkígyóhoz, sőt valóságos emberi formája volt, még pedig a legközönségesebb fajtából, a mennyiben vörös orr, apró szemek, fésületlen haj, mosdatlan arcz, alacsony homlok és hosszú sárga fogak nem tartoznak az emberi külső legritkább jelenségei közé. Öltözete sem volt valami szokatlan szabású, sem dísze által feltünő; a mennyiben kalapjától csizmájáig minden szürke és gyűrött volt rajta, annyiféle változatban, a mennyit a szürke szín és a gyűröttség fogalma megenged. Egészben véve tehát épen nem felelt meg azon képnek, melyet a középkorú kopasz úr természetrajzi ismeretei a csörgőkígyóról alkottak maguknak; és mégis a nevezett hajtalan úr tökéletesen azt az ideges izgatottságot kezdé érezni, mely az ártatlan madárkát lepi meg szemben ama csúszómászó fenevaddal. Mert a szürke és gyűrött útitárs szakadatlanul reá szegezte apró szemeit s oly megátalkodott figyelemmel leste minden mozdulatát, mintha a legbehatóbb plasztikai tanulmányokat tenné rajta. Meglehet ugyan, hogy figyelmét csakugyan a középkorú kopasz úr arányos idomai és kecses mozdulatai bilincselték le; de az is meglehet, hogy gonosz szándéka, veszedelmes czélja volt vele. Kétes esetekben mindig jobb óvatosnak lenni, és a középkorú kopasz úr, mint igen óvatos ember, épen nem találta hízelgőnek szürke útitársa állhatatos figyelmét, annál kevésbbé, mert természetes óvatosságán kívül pozitív adatok is álltak rendelkezésére, melyek igen gyanús színben tüntették fel a szürke urat. Vagy nem volt-e az legfőbb mértékben gyanús, hogy e szürke gyűrött egyéniség már a vasúti ebédlőben folytonosan körülötte ólálkodott, s az első csengetésnél szorosan mellé furakodott és el nem maradt oldala mellől, míg mindketten a kocsiba nem szálltak? És ha e feltünő ragaszkodásban még egyensúlyt tartottak a megtisztelő és gyanús vonások: a mérő serpenyőt határozottan a gyanús oldalra billentette az az ötforintos bankó, melyet a szürke úr tőle épen nem várt bőkezűséggel a vasúti konduktor markába nyomott, bizalmas suttogással kérve e komor tisztviselőt, hogy több
útast semmi esetre se bocsásson kocsijukba. E hallatlan pazarlás fölötte gyanús volt, mert a középkorú kopasz úr tapasztalásból tudta, hogy e szerény igényű vasúti tisztviselők sokkal csekélyebb tiszteletdíjjal is megelégesznek. A szürke úrnak tehát fölöttébb nagy érdekében állhat, hogy az egész útazás alatt senki se háborgassa kettejüket. Minő érdek lehet az? A középkorú kopasz úr vére fagyni kezdett a válaszra, s csak a természeti lehetetlenség akadályozta, hogy hajszálai ég felé nem meredtek. Eszébe jutott valamennyi rémtörténet, melynek színhelye vasúti kocsi volt, és erősen elhatározta magában, hogy a legelső állomáson más kocsiba fog szállni. De az állomások az áldott alföldön nagyon messzire vannak egymástól, és a középkorú kopasz úr hiába leste a visító fütty vígasztaló hangját. E helyett újabb emlékek jelentek meg aggódó lelke előtt és a bizonyosság rémes fényével világították meg szörnyű helyzetét. Tisztán emlékezett, hogy a vasúti ebédlőben, mialatt nyugodtan ült az asztalnál egy másik középkorú kopasz úr mellett, szürke útitársát rendkívül gyanús körülmények közt látta. A bejáró ajtóban állt és erős taglejtések közt suttogott egy alattomos tekintetű egyéniséggel, ki két ízben mutatott határozott mozdulattal az asztal felé, hol ő ült és czitromot facsart borjúszeletére. A szürke úr baljóslatúan bólintott fejével, s úgy látszott, még többet akart kérdezni felőle az alattomos tekintetű egyéniségtől, midőn a középkorú kopasz úr mereven feléjük pillantott, mire mindketten eltüntek az ajtóból. Akkor azt hitte, hogy illetlen bámészkodásukért kellően megszégyenítette őket s nem lesz velük több baja; nem is gondolt hát többé rájuk, s nyugodtan fölemésztette borjúszeletét, miután udvarias kísérlete, társalgást kezdeni a mellette ülő másik kopasz úrral, ennek mogorva egytagú válaszain hajótörést szenvedett. Most azonban, a mint szemben ült a szürke úrral s érezte apró szemeinek szúró tekintetét, visszaemlékezett az ajtó melletti gyanús jelenetre, melynek baljóslatú összefüggését az ötforintos vesztegetéssel és csörgőkígyói vállalkozással lehetetlen volt be nem
látnia. Hát még ha azt a rövid, de rejtélyes párbeszédet hallotta volna, mely suttogó hangon és lázas izgatottsággal folyt le a szürke és az alattomos úr között, midőn merev tekintetére eltüntek az ajtóból és valódi banditai óvatossággal a csarnok legsötétebb szögletébe huzódtak. – Láttad? mondá az alattomos tekintetű egyéniség. – Láttam, mondá a szürke és gyűrött úr. – Gyomára váltott jegyet, mondá az alattomos tekintetű egyéniség. – Hah! mondá a szürke úr. – Ha ma oda érkezik, veszve vagyok, mondá sötéten az alattomos úr. – Valóban! mondá a szürke úr. – Nagybátyám rendelte magához; végrendeletet akar készíteni s neki hagyja mindenét, mert az én korhelységem, mint írja, egészen elkeserítette ellenem, mondá az alattomos úr bűnbánatos arczczal. – Vén bolond, mondá a szürke úr. – Épen bolondságában van még némi reményem; mert ha ma, a kitűzött napon, meg nem érkezik sógora, képes lesz haragjában mindenéből kitagadni, s engem újra kegyelmébe fogad, mondá az alattomos úr. – A bolond is tesz néha okosat, veté közbe epigrammszerűleg a szürke úr. – Minden módon meg kell tehát gátolnod, hogy ma Gyomán kiszállhasson, mondá az alattomos úr. – Bízd rám, mondá a szürke úr. – Siess mellé, hogy el ne téveszd, mondá az alattomos úr.
– Most láttam először, de száz év mulva is rá ismernék kopasz fejére, mondá a szürke úr. – Úgy hát rajta! mondá az alattomos úr. – Ne félj, mondá a szürke úr. – Szerencsés útat, mondá az alattomos úr. – Ötszáz forint, mondá a szürke úr. – Itt van; a másik ötszázat akkor kapod meg, mikor az öreg végrendeletét kihirdetik, mondá az alattomos úr. – Átalános örökös, mondá a szürke úr. – Rajtad áll, mondá az alattomos úr. – Bízzál bennem, mondá a szürke úr. Ennyi volt az egész rejtélyes dialog, mely után az alattomos tekintetű egyéniség kocsira ült és visszahajtott a városba, míg a szürke gyűrött úr kiszemelt áldozata mellé furakodott. A középkorú kopasz úr nem hallotta a titkos beszédet, de látta a kézzelfogható jelenségeket; s most, a mint szemközt ült kocsijában a baljóslatú egyéniséggel, érezte, hogy valami rettenetes van ellene készülőben. És a sivító fütty még mindig nem akart felhangzani. A vonat haragos zakatolással vágtatott tovább, erős rázkódásával a lebukás folytonos veszedelmének téve ki a hálóba rakott kényes tartalmú csomagokat. A szerencsétlen középkorú kopasz úr alig tudta zaklatott figyelmét kellően megosztani csomagjai és gyanús útitársa közt. Nehéz sóhajjal dőlt hátra ülésében, kézzel, lábbal, szemmel folytonosan résen állva a csomagok veszedelme és a szürke útitárs orvtámadása ellen. – Hová tetszik útazni? kérdé a szürke úr.
– Kezdődik már, gondolá magában rémülten a középkorú kopasz úr; s nem tudván hirtelenében elhatározni, hogy igazat mondjon-e, vagy eltagadja útazása czélját, azon furfangos fogáshoz folyamodott, hogy süketnek tetesse magát. – Úgy vagyok szokva, hogy kérdéseimre választ kapjak, mondá a szürke úr fenyegető hangon. A kinek nem tetszik e szokásom, kérjen tőlem lovagias elégtételt. A középkorú kopasz úr reszkető kezével megtapogatta fülét s vígasztalan arczczal rázta fejét. – Süket az úr? ordított a szürke úr, és szorosan útitársa mellé ülve, úgy ráhágott tyúkszemére, hogy a középkorú kopasz úr éles kiáltással adott kifejezést fájdalmának. – Ha megsértettem önt, kész vagyok bárminő lovagias elégtételre, bömbölt a szürke úr. – Oh kérem, köszönöm, semmi baj, hebegett a középkorú kopasz úr. – Azért mondom! felelt a szürke úr, két tenyerét szája elé tartva s úgy beleordítva a középkorú kopasz úr fülébe, hogy a szeme tüzes karikát hányt tőle. – Még megsüketülök ez ember ordításától, aggódék magában a zaklatott férfiú. Szerencsétlen gondolat volt süketnek tettetni magamat; de most már e mellett kell maradnom, különben még képes volna párbajra hívni. – Nagyon fú a szél, tegyük be mind a két ablakot, ordított a szürke úr. – Tessék, felelt reszketve a középkorú kopasz úr. Pedig a falevél se mozog, gondolá magában. Most már nem is kiálthatok segítségért, ha torkon ragad.
A szürke úr ezalatt felhúzta az ablakot s minden függönyt lebocsátott. – Nagyon süt a nap, bőgött útitársa fülébe. – Pedig olyan felhős az ég, hogy színét sem látni a napnak, gondolá kétségbeesetten a középkorú kopasz úr. Most már egészen hatalmában vagyok. Tehet velem, a mit akar. Se nem látnak, se nem hallanak. Rejtélyes félhomály terült el a kocsi bensejében; a zöld függönyökön keresztűl bágyadtan hatott át a külső világosság, úgy hogy egy kis szánt-szándékkal bátran össze lehetett téveszteni a kocsiban levő személyeket és tárgyakat. Legalább a szürke úr rögtön áldozatúl esett a félhomálynak, midőn rendes ülése helyett teljes súlyával a középkorú kopasz úr ölébe telepedett. – Jaj! mondá a középkorú kopasz úr. – Mi baj? ordított a szürke úr meg nem mozdúlva helyéből. – Rajtam méltóztatik ülni, nyögött elfuladó hangon a középkorú kopasz úr. – Hát mért nem szól? ordított a szürke úr, lassan fölemelkedve. Különben ha megsértettem, kész vagyok bárminő lovagias elégtételre. – Oh kérem, semmit sem tesz, szerencsémnek tartom, mondá udvariasan a középkorú kopasz úr. Talán többet is mondott volna szürke útitársa teljes megnyugtatására, ha egy gyanús recscsenés újabb rémülettel nem tölti el lelkét. – Mi ez! harsogott a szürke úr, felugorva helyéről, melyet azután választott, hogy utitársa öléből fölemelkedett. – Mi ez? Mire ültem? És hátra nyulva fölemelte az újdonatúj fényes kürtőkalapot, melyet a középkorú kopasz úr az útazás elején óvatos gondossággal maga mellé helyezett vala. A félhomály daczára tisztán lehetett látni
az iszonyú rombolást, melyet a szürke úr súlya e divatos és drága fövegen művelt. – Mi ez? Kinek a kalapja ez? bömbölt a szürke úr. – Az enyém, mondá a középkorú kopasz úr elfojtott nyögéssel. – Hogy meri ön ülésemre tenni kalapját? ordított a szürke úr, haragosan rázva kezében a megnyomorított újdonatúj föveget. – Nem az ön ülésére tettem; miért nem vigyáz jobban? mondá a középkorú kopasz úr, megfeledkezve bosszúságában csiklandós helyzetéről. – Oda ülök, a hova tetszik, harsogott vissza a szürke úr. Ha valami kifogása van ellene, tessék lovagias elégtételt követelni. E szavakkal két termetes pisztolyt vett ki zsebéből, és oda tartotta a középkorú kopasz úr orra elé. – Látja? ordított fülébe. – Látom, mondá tompa hangon a középkorú kopasz úr. – Tessék választani, kiáltott a szürke úr. – Miért? mondá reszketve a középkorú kopasz úr. – Ha kalapja miatt elégtételt kíván tőlem, rikoltott a szürke úr. – Van még elég kalap a világon, ne tessék ez egy miatt aggódni, mondá nagylelkűen a középkorú kopasz úr. – Nem szeretem, ha játékot űznek velem, kiáltott a szürke úr, s haragosan egy másik ülésre vetette magát, épen szemben a középkorú kopasz úrral. – Nem szeretem, ha játékot űznek velem, ismétlé még egyszer nagy mogorvasággal, és maga mellé helyezte a termetes pisztolyokat.
– Szépen vagyunk, aggódék magában a középkorú kopasz úr, lehetőleg összehúzva magát szögletében s ijedt szemét a félelmes tűzi fegyverekre szegezve. Szépen vagyunk! Itt ülök tehetetlenűl, fegyver és védelem nélkül, szemben ez emberrel, a ki vagy rablógyilkos vagy őrült; s minden perczben készen lehetek arra, hogy egy lövéssel véget vet életemnek. Oh hát soha sem érünk már állomást ezzel a czammogó vonattal? Mintha válaszolni akart volna ez önérzetét provokáló kétségre, a gép e pillanatban élesen sivított, s nyomban rá felhangzott az állomási harang vígasztaló csengése és a vezető harsány hangja, az állomás nevét hirdetve és egy egész percznyi idővel biztatva a kiszállni akarókat. A középkorú úr az ajtónak ugrott, dörömbözve, kiabálva, mialatt mohó sietéssel igyekezett a függönyt felhúzni és az ablakot leereszteni. – Hova megy? kérdé halkan a szürke úr. – Kiszállok, felelt mohón a középkorú kopasz úr, s a nyitott ablakon keresztűl iparkodott az ajtót kinyitni, egyre kiabálva a konduktor után. – Hát az úr nem süket? kiáltott dühösen háta mögött úti társa. Meghallotta kérdésemet? Hogy mert engem bolonddá tenni? – Hagyjon nekem békét, feleselt elkeseredve a középkorú kopasz úr. Konduktor! konduktor! – Mi tetszik? kérdé e hívatalos személyiség, lassú méltósággal a kiabáló útas felé fordúlva. – Nyissa ki az ajtót, kiszállok, üvöltött kétségbeesetten a középkorú kopasz úr. – Nem ide szól a jegye, felelt nyugodtan a hatalmas tisztviselő. – Hogy mert engem bolonddá tenni! ordított belűl a kocsiban a szürke úr, s megragadva útitársa karját, iparkodott elrántani az ablaktól.
– Ki akarok szállani! ki kell szállnom! kiáltott a meggyötrött férfiú. – Tetszett volna előbb kinyitni a száját, most már késő, kiáltott vissza a konduktor úr hívatalos gorombasággal. A csengetyű megszólalt, mint a halálharang vészjósló kongása, a gép sivított, a kerekek csikorogtak, a kocsik megzökkentek és a vonat ismét tovább száguldott a végetlen rónán. – Hahaha! kaczagott ördögi gúnynyal a szürke úr, a mint boldogtalan útitársa kimerülten ülésére roskadott. Azután fölkelt, hidegvérrel felvonta az ablakot, lebocsátotta a függönyt, s a helyett, hogy tisztességes útazó módjára helyére ült volna, tántorogva járni kezdett a rázkodó kocsiban. – Most rajtunk a sor, mondá fenyegető hangon. Hogy mert az úr engem bolonddá tenni? Hogy merte azt mondani, hogy süket? – Hagyjon nekem békét, mondá elkeseredve a középkorú kopasz úr. – De nem addig van az! kiáltott a szürke úr. Ön engem elámított, csúffá tett, engedte, hogy gégeszakadásig ordítsak, s most azt mondja, hagyjak önnek békét. Azt hiszi, eleget tett ezzel a megsértett becsületnek? – Tessék beperelni, mondá a középkorú kopasz úr tompa önmegadással. – A megsértett becsület vért kíván, nem pert, mondá vérszomjasan a szürke úr, s újra útitársa orra elé tartotta a két termetes pisztolyt. Tessék választani. – Bocsánatot kérek, ha megsértettem, mondá a középkorú kopasz úr, belátva, hogy ez embert, akár őrült, akár gonosztevő, csak alázatos szelidség által lehet megkérlelnie. – Máskor jobban vigyázzon magára, mondá a szürke úr. Nem szeretem, ha játékot űznek velem.
Ez ismételt önérzetes nyilatkozat után újra leült, szemben a középkorú kopasz úrral, s kis makrapipát vevén ki zsebéből, megtömte valami fekete dohánynyal és erősen pöfékelni kezdett. – Reménylem, nem vagyok alkalmatlan, mondá váratlan udvariassággal, útitársa szeme közé fúva a gyilkos füstöt. – Világért sem, mondá a középkorú kopasz úr köhögve. – Nagyon jó dohány, mondá a szürke úr. – Pompás, mondá a középkorú kopasz úr fuldokolva. A zárt kocsi csakhamar egészen megtelt a vastag, fekete füsttel, és a középkorú kopasz úr újra aggódni kezdett, hogy a tűztől megmenekülve ime füst által kell meghalnia. – Szolgálhatok? mondá a szürke úr, előkelő udvariassággal útitársa felé nyújtva egy hosszú fekete szivart, melynek ismertető jele, hogy szalmaszálat húznak rajta keresztűl s leginkább a hadsereg vitéz harczosai szájában szokott füstölögni. – Köszönöm, nem vagyok dohányos, mondá borzongva a középkorú kopasz úr. – De az én kedvemért, mondá behízelgő rábeszéléssel a szürke úr. A középkorú kopasz úr kénytelen volt a jó egyesség kedvéért szájába fogni a füstölgő, fekete nedvet izzadó mérges növényt. Szeme elhomályosult, füle zúgott, nyelvéről lement a bőr, s lassankint úgy kezdé észrevenni, hogy a vonat már nem előre halad, hanem fölfelé a levegőben. – Hogy ízlik? kérdé a szürke úr. – Kitünő, mondá a középkorú kopasz úr, letörölve homlokáról a hideg verejtéket. É
– Nincs nagyobb élvezet a dohányzásnál, mondá a szürke úr. Én akár soha se vegyem ki a pipát számból. Mentől többet szívok, annál többet kívánok. Ha egy pipával kiszívtam, kiverem, s azon melegében újra megtömöm. A szürke úr tettekkel kísérte és bizonyította szavainak igazságát, a mennyiben makrapipájából minden habozás nélkül útitársa lába elé verte a tüzes pernyét, s aztán újra rágyújtott fekete dohányából. Nehány pillanatig hallgatva élvezte a frissen töltött pipa mennyei füstjét, mialatt a középkorú kopasz úr szivarjával bejárta a csillagos égboltot és a zúgó tenger fenekét. A sűrű fekete füst mindegyre vastagabban terjengett s a darázsirtó dohányillat mindegyre maróbb támadásokat intézett a szagló szervek ellen, de a szürke úr gyakorlott orra csakhamar új füstöt, idegen illatot fedezett föl, mely sok tekintetben különbözött a dohányétól. – Mi füstöl itt az ülés alatt? kiáltott hirtelen felugorva, mialatt a középkorú kopasz úr felhasználva az alkalmat, a hamutartóba dobta gyilkoló szivarját. – Mi füstöl itt? Álljon csak félre, épen az ön lába mellett. Úgy, meg ne mozdúljon, most már látom. Valami csomag gyúladt meg a tüzes pernyétől. Ne féljen, mindjárt eloltom, csak meg ne mukkanjon. És kirántva az ülés alól a meggyúladt csomagot, addig taposta szeges talpú csizmáival, míg a legutolsó szikrát ki nem taposta belőle. Azután lehajolt, fölemelte, szétnyitotta füstös, kormos maradványait, és a középkorú kopasz úr, alig menekűlve a megégés veszélyétől, közel volt hozzá, hogy ijedtében haljon szörnyet, midőn a a megégett, kilyukadt, megtépett, összetaposott, besározott holmiban legféltettebb csomagjára, egy drága selyemruhára ismert. – Jaj nekem! nyögött a középkorú kopasz úr. – Se baj! mondá vígasztalólag a szürke úr. Még lehet belőle valamit csinálni; bélésnek mindenesetre jó lesz. – Tönkre vagyok téve, mondá a középkorú kopasz úr.
– Ha megsértettem, kész vagyok lovagias elégtételt adni, mondá a szürke úr. – Menyasszonyom ruhája, sóhajtott megtörve a középkorú úr. – Menyasszonyáé? mondá gúnyosan a szürke úr. – A menyegzői ajándék! nyögött a középkorú kopasz úr. – Igazán? mondá még gúnyosabban a szürke úr. Nem a bácsi vén gazdasszonyának volt szánva? Elégett a csalétek? Hahaha! – Hogy jelenjek most meg előtte? jajveszékelt a középkorú kopasz úr. – Még a vagyonból is kicsöppenhetünk ugy-e? gúnyolódék a szürke úr. – Mit nekem a vagyon! De az ő fájdalma, az ő fájdalma! siránkozék a középkorú kopasz úr. – Persze a fájdalom! Szennyes önérdekről szó sincs a dologban! csúfolódék a szürke úr. – Nem önérdek vezet engem, egyedűl a tiszta szerelem, keserge a középkorú kopasz úr. – Igen, a pénz szerelme, ingerkedék a szürke úr. – Ne sértegessen, nyomorúlt ember! fakadt ki elkeseredetten a középkorú kopasz úr. – Ez vért kíván! üvöltött a szürke úr. És felugorva helyéről, harmadszor a középkorú kopasz úr orra alá tartotta a termetes pisztolyokat. – E sértést csak vér moshatja le! mondá fogcsikorgatva a szürke úr. Ön el mer engem ámítani, s mivel nem hiszem el hazugságait, nyomorúlt embernek nevez! Hogy mer velem így paczkázni? Őrültnek tart engem?
– Igen, mondá daczosan a középkorú kopasz úr. – Újabb sértés! hörgött a szürke úr. És neki csak egy élete van, csak egyszer ölhetem meg őt! – Majd meglátjuk! mondá kihívóan a középkorú kopasz úr. – Válaszszon pisztolyt, azonnal, e pillanatban, vagy irgalom nélkül lelövöm, üvöltött a szürke úr. Az emberi tűrelem nem tenger, hogy kimeríthetetlen legyen. A középkorú kopasz úr kezében még soha sem fordúlt meg vágó vagy lövő fegyver, s bár életében mindenféle szomjúság gyötörte már, de azt soha sem hitte, hogy valaha embervérre szomjúhozzék; hanem most az ő szemét is elfutotta a vér, az ő feje is megbódúlt a düh mámorától. Itt állt előtte ez a vörös orrú, mosdatlan, fésületlen, szürke ruhás ember, kinek ő soha sem vétett, és a ki tyúkszemére hágott, fülébe ordított, kalapjára ült, megszivaroztatta, meglökdöste, kigúnyolta, drága selyemruháját tönkre tette, s ráadásúl most lelövéssel fenyegeti, mint a kutyát; őt, kire szép menyasszony és egy hosszú élet boldogsága vár, mert utoljára is még közelebb van a negyvenhez, mint az ötvenhez. Az elkeseredés, a félelem, a bosszúvágy, a rettegés erős láz gyanánt ragadta meg tagjait, szeme elhomályosúlt, fogai összeverődtek, ujjai görcsösen megrándultak; fölkapta az egyik pisztolyt, ellenségére szegezte és elsütötte. A pisztoly hatalmasat dördűlt, de még hatalmasabbat kaczagott a szürke úr, a mint a lövés daczára sértetlenűl megállta helyét, pedig a pisztoly alig két lépésre sült el mellétől. Most ő fogta föl a pisztolyát, lassan czélba vette ellenfelét és tanakodni látszék, vajjon agyába vagy szívébe lőjjön-e? A középkorú kopasz úr istennek ajánlotta lelkét és behunyta szemét, midőn újra felhangzott a gép sivító füttye és megkondúlt az állomás csengetyűje. A szürke urat e hang, úgy látszik, megzavarta gyilkos szándékában, mert a levegőbe sütötte töltetlen pisztolyát, aztán kinyitva az ablakot, mellen ragadta a középkorú kopasz urat, és torka szakadtából kiabálni kezdett:
– Gyilkos! gyilkos! A vonat megállt, mindenki a kocsi ajtajához tolongott, honnan a baljóslatú kiáltás hangzott. A vezető kinyitotta az ajtót, többen oda rohantak, kivonták és elválasztották egymástól a dulakodókat. – Gyilkos! gyilkos! kiabált a szürke úr. – Nem igaz, ő a gyilkos! kiabált a középkorú kopasz úr. – Ő sütötte rám a pisztolyt! kiáltott a szürke úr. – Ő is rám sütötte! kiáltott a középkorú kopasz úr. – Majd a szolgabiró mondja meg, ki a gyilkos, mordult közbe egy pandur, kellő gorombasággal nyakon ragadva a kiabáló ellenségeket. Kötelet ide, emberek! Akadt azonnal egy pár kötőfék, s a szürke és a kopasz úr csakhamar hátrakötött kezekkel állt az udvaron, a szörnyűködő néptömeg közt. – Előre gazemberek! mondá a pandur hívatalosan hátba lökve a középkorú kopasz urat s megrugva a szűrke urat. – A csomagjaim! kiáltott kétségbeesetten a középkorú kopasz úr, a mint látta, hogy féltett csomagjait egymásután hányják ki a kocsiból s a tolongó tömeg keresztűl-kasúl jár rajtuk. – Azokat majd zár alá teszszük jó madár, mondá a pandur. Sok szép lopott holmi lehet bennük. Előre! A vonat ezalatt elkészűlt, az útasok beszálltak, az ajtókat becsapdosták, a csengetyű hármat kongott, a gép sivított és tovább száguldott. – Nem érkezünk ma Gyomára! kiáltott gúnyosan a szűrke úr fogolytársára, a mint hátrakötött kezekkel a falu felé haladtak.
A szolgabíró úr épen nekivetkőzve ebédelt, azért meglehetős mérgesen fogadta a kellemes hírt, hogy két gazembert hoztak a vasútról. Be kell csukni, majd holnap kihallgatja, csak nem fogja emésztését megzavarni két jó madár miatt! Másnap reggel aztán maga elé vitette a vádlottakat s megkezdte a kihallgatást. – Mi a neve? kérdé a középkorú kopasz urat, kit külseje után ítélve tekintélyesebb gonosztevőnek tartott. – Gálicz Rezső, mondá a középkorú kopasz úr. – Nem igaz, hazudik, még a nevét is eltagadja, kiáltott közbe a szürke úr. – Mit jelent ez? kérdé a szolgabíró. – Azt, hogy ez az úr nem Gálicz Rezső, hanem Czompó Barnabás, mondá a szürke úr. – Tessék kikutatni zsebeimet, ott van a keresztlevelem, mert épen esküvőmre útaztam, mondá reszketve a középkorú kopasz úr. Csakugyan zsebében volt a keresztlevél és egyéb íratok, melyekből czáfolhatatlanúl kitűnt teljes joga a Gálicz Rezső hangzatos nevéhez. Czompó Barnabásról szó sem volt bennük. – Eltévesztettem emberemet! kiáltott a szürke úr homlokára ütve. Hogy mert ön engem bolonddá tenni? fordúlt haragosan Gálicz úr felé. Ötszáz forintot lopott ki zsebemből. – Hol a lopott pénz? kérdé a szolgabíró a középkorú kopasz urat. A szürke úr rejtélyes felkiáltása még jobban összezavarta a kérdést, melyet későbbi terjedelmes vallomása sem volt képes tisztába hozni. A szolgabíró igen gyanúsnak találta a dolgot, s hosszú két hétbe kerűlt, míg végre teljesen kiderűlt a középkorú kopasz úr ártatlansága, és szürke útitársával együtt visszanyerte szabadságát. Sietett a vasúthoz, aggodalmasan töprenkedve, hogyan engesztelje ki a hosszas várakozásért menyasszonyát? Az állomáson
leendő apósával találkozott. – Csakhogy megtaláltam! kiáltott rá a leendő após. Hogy mert elmaradni az esküvőről és cserben hagyni leányomat? – Be voltam zárva, mondá Gálicz úr. De most jóváteszem mulasztásomat. Minél előbb megtartjuk az esküvőt. – Meg ám! mondá keserűen a leendő após. Ha volna kivel. – Az istenért, hova lett menyasszonyom? kérdé rémülten Gálicz úr. – Miután önt hiában várta az esküvőre, másnap megszökött írnokommal; most is őket keresem, mondá a leendő após. És mind ennek ön az oka. Ha el nem késik, leányom most az ön felesége volna. – Köszönöm, jobban szeretem így, mondá a középkorú kopasz úr. II. A pénzes tüsző. A vonat csengetyűzúgás, fütyülés, kiabálás, sípszó mellett czammogott be ünnepélyesen a fedett pályaudvarba. Az ajtókat kinyitották, az útasok egymásután ugráltak ki, csak Csató úr nem szállt ki kocsijából, hiába ajánlotta ablaka alatt csábító hangon egy hordár szolgálatát. Kétségbeesve nézett ki ablakán, szemeit, melyekből még alig törűlte ki jóformán az álmot, réműlt bámészkodással jártatva a nyüzsgő embertömegen. Nyakkendője ki volt oldva, kabátja, mellénye föl volt gombolva, szája tátva-nyitva állt, mintha az ijedt sikoltás után, mely nehány percz előtt kitört rajta, többé nem tudta volna becsukni. Végre eloszlott némileg a tolakodó embertömeg, a kocsik ajtaját kezdték újra becsapkodni, midőn Csató úr annyira magához tért tompa ámulatából, hogy az állomási főnököt magához kérette.
A kívánt tisztviselő nemsokára megérkezett s nem a legnyájasabb tekintetet veté az ablakon kinéző köpczös, szürke hajú útazóra. – Tessék kiszállni, – mondá mogorván. A vonat nem megy tovább. – Addig nem szállok ki, – mondá kétségbeesetten Csató úr, – míg hívatalosan és tanúk előtt nem konstatáltuk a tényeket. – Micsoda tényeket? – mondá haragos bámulattal az állomási főnök. – Megraboltak, – mondá Csató úr. – Lehetetlen! – kiáltott az állomási főnök. – Fájdalom, nagyon is lehetséges, – mondá Csató úr, vígasztalan arczczal tapogatva széles derekát. – Nincs itt! – Mi nincs ott? – kérdé az állomási főnök. – A pénzes tüsző, – mondá nyögve Csató úr. – Tízezer forint volt benne. Eltűnt. – Hová? – kérdé haragosan az állomási főnök. - Ha én azt tudnám! – sóhajtott a kifosztott férfiú. – Főnök úr, ez a pénz nem volt az enyém, földesuramnak hoztam föl, és azért szeplőtlen becsületem érdekében addig ki nem szállok a kocsiból, míg hívatalosan és tanúk előtt jegyzőkönyvet nem vesznek föl a megtörtént rablásról. Tessék egy rendőrbiztost és két tanút hívatni. – Jól van – mondá az állomási főnök, fölébredt kíváncsisággal. – Az egyik tanú én leszek, a másik az ellenőr. Itt van a biztos úr is, tessék elmondani esetét. Csató úr kinyitotta a kocsi ajtaját. – Tessék besétálni, – mondá udvariasan.
– Hát a kocsiban vegyük föl a jegyzőkönyvet? – mondá mogorván a biztos úr. – Tessék kívül maradni, de én szeplőtlen becsületem érdekében addig innen ki nem szállok, míg hívatalosan és tanúk előtt nem konstatáltuk a rablás tényét, – mondá izgatottan Csató úr. – Rajta hát, – mondá haragosan a biztos úr, kit épen egy pohár sör és pörkölt mellől hívtak el. Régi törvény, hogy a felsőség mindig a publikum rabszolgája legyen. A pörkölt ugyan semmit sem ér fölmelegítve, az állott sör sem kitünő ital, de a rendőrnek az is jó. Csak rajta! E hívatalos fölhatalmazás után, Csató úr, kihajolva a kocsi ablakán, megkezdte fontos vallomását, mialatt a törvényes bizottság az ajtón kívül foglalt helyet a kocsi lépcsőjén. – Mi a neve? – kérdé mogorván a biztos úr. – Csató Bernát, – mondá reszketve Csató úr. – Tiszttartó vagyok Saraglyai Dénes ő nagysága ligeti uradalmában és tegnap este – – Hány éves? – kiáltott a biztos úr. – Ötvenhat multam szent György napján, – felelt Csató úr, – és tegnap este – – Micsoda vallású? – folytatá a biztos úr, ki nem zökkenve a hívatalos formalitásból. – Római katholikus, – mondá Csató úr, – de Ligeten nincs templomunk, azért néhanapján a kálvinista paphoz járok tarokkozni – – Nős vagy nőtlen? – szakítá félbe a biztos Csató úr hitvallását. – Tavaly ültem meg ezüstmenyegzőmet, – mondá Csató úr, – és tegnap este – – Vannak gyermekei?
– Az ég nem áldotta meg házasságunkat magzatokkal, – felelt sóhajtva Csató úr. – Gyanús, mondá komoran a biztos úr, a két törvényes bizonyságra tekintve, kik helybenhagyólag köhögtek. – Miért gyanús? – kérdé rémülten Csató úr. – Jó, csak folytassa, – mondá szigorún a biztos úr. – Mi baja van? Miért kell most itt ülnünk a kocsi garádicsán? – Tegnap este, – mondá Csató úr reszketve, – sürgönyt kaptam a földesúr ő nagyságától, hogy haladék nélkül tízezer forintra van szüksége az uradalmi pénztárból. Épen vacsoránál ültem vendégeimmel, mert feleségem névnapját tartottuk, a kit Juliannának hívnak. Van még több keresztneve is, de ezt szoktuk megtartani, mert nyárra esik és a vendégek könnyebben megjöhetnek vacsorára. – Ugyan végezze be már vacsoráját és menjen tovább, – kiáltott türelmetlenűl a biztos úr. – Nem lehet, kérem alássan, mert a vacsora alatt történt, – mondá izgatottan Csató úr. – A harmadik tál ételnél érkezett a sürgöny és még három tál volt hátra. El lehet mondani, hogy épen a vacsora közepén voltunk. A helybeli jegyző negyedszer emelt poharat feleségem egészségére, koczintottunk, ittunk és nagyon jó kedvünk volt. Megjön a sürgöny, elolvasom. A tízezer forintot magam viszem föl – mondom feleségemnek – ugyis személyes dolgom van ő nagyságával. Jól van – mondá feleségem – csak vigyázz egészségedre és el ne veszítsd a pénzt. Ne féljen tensasszony – mondja az uradalmi pénztárnok – erős bőrtüszőbe teszszük az ezres bankókat és Bernát barátom derekára fogja csatolni. Csak ne csatolja szorosra – mondja feleségem – mert nagyon sokat evett, s a milyen kövér ember, megüthetné a guta. Ezzel fölkerekedtünk, én a pénztárnok és az ellenőr, s a kis irodába mentünk. Itt állt az erős Wertheim-kassza; az iroda ajtaja vaspántokkal van ellátva, az ablakon keresztvasak állnak. Az ajtó mindig dupla zár alatt van; a
pénztárnok is csak akkor lép be, ha nagy summa pénzt kell kiadni vagy bevenni, különben a nagy irodában dolgozik. – Jőjjön már ki az irodából és menjen tovább! kiáltott bosszúsan a biztos úr. – Nem lehet kérem alássan, mert itt történt, – mondá lázasan Csató úr. – A nagy irodában vagy a kicsiben? – kérdé az állomási főnök. – A kicsiben, – mondá izgatottan Csató úr. – A pénztárnok kiolvasott tíz darab ezrest; mind a tízet összehajtva a tüsző négy zsebébe raktuk; azután – követem alássan – levetkőztem, a tüszőt csupasz derekamra csatoltam, felöltöztem, begombolkoztam, és mind a hárman visszamentünk az ebédlőbe. Csak tessék tovább mulatni – mondom vendégeimnek – de nekem mennem kell, mert a vonat félóra múlva indúl. Még egy pohár bort a szerencsés megérkezésre, mondja a jegyző, ki soha sem mulasztja el az alkalmat, ha toasztot lehet inni. Megtöltöttük tehát a poharakat. – Igya már ki poharát és menjen tovább, kiáltott haragosan a biztos úr, félbenhagyott pohár sörére gondolva. – Kiittuk a bucsúpoharat – folytatá Csató Bernát úr részletes vallomását – megcsókoltam feleségemet, kezet fogtam a vendégekkel, befogattam és kihajtattam a vasúthoz. Velem jött a kasznár és két uradalmi írnok, kik az egész úton énekeltek, hogy távol tartsák a rablókat. Az állomáson a kasznár azt tanácsolta, hogy külön alvó kocsit vegyek, mert úgyis egész éjszaka útban leszek, s legalább nem kell félnem, hogy tolvajokkal kerülök össze. Az egyik uradalmi írnok tüstént a pénztárhoz ment jegyet váltani, a másik a kocsiba vitte táskámat, aztán mindketten fölsegítettek, szerencsés útat kívántak, a kasznár még egyszer utánam kiáltott, hogy vigyázzak «ama bizonyosra» – nem mervén a tüszőt fönhangon említni ennyi ember hallatára – a konduktor becsapta az ajtót, harmadikat csengettek és elindúltunk –
– Hála istennek, csakhogy elindúltak már, – mondá türelmetlenűl a biztos úr. – Én is azt mondtam – folytatá búskomoran Csató úr – és ledőlve szundikálni kezdtem. Hanem ma reggel, midőn ideérve fölébredtem, és első gondolatra tüstént tüszőmhöz kapva észrevettem, hogy nincs többé derekamon, akkor már nem mondtam azt, hogy hála istennek. – Mikor aludt el? kérdé az állomási főnök. – Azt hiszem, mindjárt útam kezdetén, – mondá Csató úr. – Miért hiszi? mondá szigorúan a biztos úr. – Mert egy állomás nevét sem hallottam, – mondá Csató úr. – Egyszer sem ébredt föl útközben? – kérdé az állomási főnök. – Nem emlékszem, – felelt Csató úr. – Nem vette észre, hogy álmában háborgatta volna valami? – kérdé az állomási főnök. – Nem – semmi – mondá Csató úr elgondolkozva. De igen – mégis – egyszer úgy éreztem, hogy erős léghúzam jő rám. – Honnan jött a léghúzam? – kérdé szigorúan a biztos úr. – Azt hiszem, a nyitott ablakokból, – mondá Csató úr. – Mért nem csukta be az ablakokat, ha nem szereti a léghuzamot? – mondá bosszúsan a biztos úr. – Tisztán emlékszem, s a kasznár és a két uradalmi írnok is látta, hogy Ligeten mind a két ablakot fölhúztam és a függönyöket lebocsátottam, – mondá izgatottan Csató úr. – S midőn ide érkeztem, a két ablak még mindig föl volt húzva s a függönyök le voltak bocsátva. – Honnan jött hát a léghuzam? – kérdé gyanakodó fejrázással a biztos úr.
– Bizonyosan, mikor a rabló kinyitotta az ajtót, – mondá az állomási főnök. A rendőrbiztos igen tudományos bámészkodással nézett a levegőbe, mintha onnan olvasná ki a rejtély megoldását. A betűk azonban nagyon olvashatatlanok lehettek, mert a biztos úr bámészkodása egyre tudományosabb alakot öltött ugyan, de semmi megnevezni való eredményre nem vezetett. Csató úr ezalatt a két törvényes bizonyság segélyével kiforgatta táskáját, zsebeit, levetkezett, felöltözött, megmozgatta a párnákat és az ülések alá bújt. Sok szemetet talált, de mindez nem ért tízezer forintot s nem is volt a tüszőben. Végre a biztos úr kibetűzte a levegőbe írt hieroglypheket, mert újra Csató úrra függesztette szemét s szigorúan e nagy fontosságú kérdést intézte hozzá: – Kire gyanakszik? – Uram istenem – mondá kezeit tördelve a szerencsétlen Csató úr – én senkire sem gyanakszom. Az ablakok sértetlenek, a kocsiba senkit sem eresztett be a vezető – – Megvan! – mondá ünnepélyesen a biztos úr. – A konduktor a tolvaj. – Lehetetlen! – kiáltott az állomási főnök. – A hol lopott pénzről van szó, ott semmi sem lehetetlen, – mondá szakértő tekintélylyel a rendőrbiztos. – Hozzák elő ez embert! Nem kellett messzire menni, a gyanúba vett egyenruhás férfiú ott állt a második kocsi mellett; és íjedten kimeredt szeme, halálos sápadtsága, midőn nevét hallotta a törvény képviselőjének ajkáról, ékesszólóan bizonyította bűnösségét, vagy legalább is rémületét. – Hol a lopott tízezer forint? – mondá a biztos úr, mellen ragadva a vádlottat. – Nem tudok róla semmit, – mondá a rémült ember, vaczogó fogakkal és összeverődő térdekkel. – Ártatlan vagyok.
– Ezt minden gazember mondhatja magáról, – jegyzé meg keserű philosophiával a biztos úr. – Előre a börtönbe, a többit majd kideríti a vizsgáló bíró. – De kérem biztos úr, – szólt közbe az állomási főnök, – ez az ember mindig kifogástalan becsületü volt – – A hol pénzről van szó, ott nincs kifogástalan becsület, – mondá hívatalos felsőséggel a biztos úr. – Előre! – Előbb tessék a jegyzőkönyvet aláírni, mert addig nem szállok ki a kocsiból, – szólalt meg Csató úr az ablakból. A biztos úr ismét a légi hieroglyphek tudományos elemzésébe merűlt, s úgy látszott, fontos fölfedezést tett a láthatatlan betűk közt, mert egyik kezével a vezető gallérát tartva, a másikkal minden udvarias bevezetés nélkül kirántotta Csató urat a kocsiból, úgy hogy e termetes férfiú majdnem pórúl járt a nagy és váratlan ugrás következtében; s aztán őt is galléron ragadta. – Az úr is velem jön, – mondá a biztos úr. – Jó, de azért nem kell a galléromat fognia, – mondá Csató úr bosszús meglepetéssel. – A tolvajt gallérnál tartják, – mondá szentencziaképen a biztos úr. – Én nem vagyok tolvaj! – kiáltott elsápadva Csató úr. – Azt majd a vizsgáló bíró úr deríti ki, – felelt a biztos úr. – Hiszen engem loptak meg! – mondá kétségbeesetten Csató úr. – Az úr pénze volt az, vagy másé? – kérdé hívatalos sarkazmussal a biztos úr. – Földesuramé volt, – mondá tompán Csató úr.
– A hol más ember pénzéről van szó, ott minden ember tolvaj, a ki hozzá férhet, – mondá rendőri axioma gyanánt a biztos úr. – Előre, jó madarak, a vizsgáló bíróhoz! Heveder Máté vizsgáló bíró úr igen éleselméjű kriminalista volt s egészen az új jogászi iskola híve. Európai színvonalon állt s mindenben megállapított elvek szerint járt el. Mint nagy eklektikus, fölhasználta az összes külföldi elméletek és gyakorlatok tudományos vívmányait, mindegyikből a legjobbat és leghasználhatóbbat szedve ki, fürge méh gyanánt, mely szorgalmas repülő állathoz még abban is hasonlított, hogy hatalmas fulánkkal volt ellátva. A vallatott gonosztevők sokkal jobban rettegtek maró sarkazmusától, mint a kilátásba helyezett büntetéstől, és sokszor csak azért is vallottak, hogy gúnyja csipős ostorától minél előbb megszabadúljanak. Egyik legnagyobb dicsősége volt Heveder Máté úrnak, hogy a művelt külföld színvonalán áll, és hogy legjelesebb jogászait, legfurfangosabb rendőreit saját fegyvereikkel győzte le, mint elégülten szokta mondani írnokának. A francziák csak annyira vitték – szokta mondani önérzetes mosolylyal – hogy minden rejtélyes bűnesetnél ez elvből indúlnak ki: Keresd a nőt. Én tovább megyek, s azt mondom: Találd meg a nőt…! és megis találom, – fejezé be diadalmasan – megtalálom, uram, eddig még mindig megtaláltam. A Csató-ügy igen fölvillanyozta Heveder urat és mozgásba hozta összes jogtudományi készletét. Az eltűnt tízezer forintos tüsző rejtélye alkalmasnak látszék, hogy a hazai és külföldi sajtó és szakértő közönség figyelmét teljes mértékben fölgerjeszsze s megoldása által dicsőséget hozzon a magyar törvénykezési gyakorlatra. Meg fogjuk mutatni – mondá egy hegyes szakállú és hajlott orrú héber ifjunak, ki a legtekintélyesebb hazai német lapokkal összeköttetésben állt s bűnügyi újdonságokkal látta el hasábjaikat – meg fogjuk mutatni a külföldnek, hogy mi sem állunk hátrább, s Gaboriau uram rendőri regényeire sokkal érdekesebb tárgyakat találhatna a mi praxisunkban, mint az ő híres Jeruzsálem- útczájában.
Welcome to our website – the perfect destination for book lovers and knowledge seekers. We believe that every book holds a new world, offering opportunities for learning, discovery, and personal growth. That’s why we are dedicated to bringing you a diverse collection of books, ranging from classic literature and specialized publications to self-development guides and children's books. More than just a book-buying platform, we strive to be a bridge connecting you with timeless cultural and intellectual values. With an elegant, user-friendly interface and a smart search system, you can quickly find the books that best suit your interests. Additionally, our special promotions and home delivery services help you save time and fully enjoy the joy of reading. Join us on a journey of knowledge exploration, passion nurturing, and personal growth every day! ebookbell.com

More Related Content

PDF
2024 Trend Updates: What Really Works In SEO & Content Marketing
bySearch Engine Journal
 
PDF
Object-Oriented Python Irv Kalb 2024 scribd download
byfefeebosmaaf
 
PDF
Statistical Application Development With R And Python Second Edition Prabhanj...
bysawaigivi
 
PDF
Cython A Guide for Python Programmers 1st Edition Kurt W. Smith
byjenloklz316
 
PDF
Engineering Problem Solving with C United States Edition Paperback Delores M....
bynsongoohaire
 
PDF
GPU Parallel Program Development Using CUDA 1st Edition Tolga Soyata
bymilusjeskiaw
 
PDF
Topology A Categorical Approach 1st Edition Taidanae Bradley
bysawaigivi
 
PDF
The Minority Conundrum Living In Majoritarian Times Tanweer Fazal
bysawaigivi
 
2024 Trend Updates: What Really Works In SEO & Content Marketing
bySearch Engine Journal
 
Object-Oriented Python Irv Kalb 2024 scribd download
byfefeebosmaaf
 
Statistical Application Development With R And Python Second Edition Prabhanj...
bysawaigivi
 
Cython A Guide for Python Programmers 1st Edition Kurt W. Smith
byjenloklz316
 
Engineering Problem Solving with C United States Edition Paperback Delores M....
bynsongoohaire
 
GPU Parallel Program Development Using CUDA 1st Edition Tolga Soyata
bymilusjeskiaw
 
Topology A Categorical Approach 1st Edition Taidanae Bradley
bysawaigivi
 
The Minority Conundrum Living In Majoritarian Times Tanweer Fazal
bysawaigivi
 

Featured

PDF
Storytelling For The Web: Integrate Storytelling in your Design Process
byChiara Aliotta
 
PDF
Everything You Need To Know About ChatGPT
byExpeed Software
 
PDF
ChatGPT and the Future of Work - Clark Boyd
byClark Boyd
 
PDF
Artificial Intelligence, Data and Competition – SCHREPEL – June 2024 OECD dis...
byOECD Directorate for Financial and Enterprise Affairs
 
PDF
How to Leverage AI to Boost Employee Wellness - Lydia Di Francesco - SocialHR...
bySocialHRCamp
 
PDF
2024 State of Marketing Report – by Hubspot
byMarius Sescu
 
PDF
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
bymarketingartwork
 
PDF
Google's Just Not That Into You: Understanding Core Updates & Search Intent
byLily Ray
 
PDF
Trends In Paid Search: Navigating The Digital Landscape In 2024
bySearch Engine Journal
 
PDF
Product Design Trends in 2024 | Teenage Engineerings
byPixeldarts
 
PDF
How to have difficult conversations
byRajiv Jayarajah, MAppComm, ACC
 
PDF
PEPSICO Presentation to CAGNY Conference Feb 2024
byNeil Kimberley
 
PDF
Social Media Marketing Trends 2024 // The Global Indie Insights
byKurio // The Social Media Age(ncy)
 
PDF
Skeleton Culture Code
bySkeleton Technologies
 
PDF
Getting into the tech field. what next
byTessa Mero
 
PDF
Content Methodology: A Best Practices Report (Webinar)
bycontently
 
PDF
How Race, Age and Gender Shape Attitudes Towards Mental Health
byThinkNow
 
PDF
Introduction to Data Science
byChristy Abraham Joy
 
PPTX
How to Prepare For a Successful Job Search for 2024
byAlbert Qian
 
PDF
5 Public speaking tips from TED - Visualized summary
bySpeakerHub
 
Storytelling For The Web: Integrate Storytelling in your Design Process
byChiara Aliotta
 
Everything You Need To Know About ChatGPT
byExpeed Software
 
ChatGPT and the Future of Work - Clark Boyd
byClark Boyd
 
Artificial Intelligence, Data and Competition – SCHREPEL – June 2024 OECD dis...
byOECD Directorate for Financial and Enterprise Affairs
 
How to Leverage AI to Boost Employee Wellness - Lydia Di Francesco - SocialHR...
bySocialHRCamp
 
2024 State of Marketing Report – by Hubspot
byMarius Sescu
 
AI Trends in Creative Operations 2024 by Artwork Flow.pdf
bymarketingartwork
 
Google's Just Not That Into You: Understanding Core Updates & Search Intent
byLily Ray
 
Trends In Paid Search: Navigating The Digital Landscape In 2024
bySearch Engine Journal
 
Product Design Trends in 2024 | Teenage Engineerings
byPixeldarts
 
How to have difficult conversations
byRajiv Jayarajah, MAppComm, ACC
 
PEPSICO Presentation to CAGNY Conference Feb 2024
byNeil Kimberley
 
Social Media Marketing Trends 2024 // The Global Indie Insights
byKurio // The Social Media Age(ncy)
 
Skeleton Culture Code
bySkeleton Technologies
 
Getting into the tech field. what next
byTessa Mero
 
Content Methodology: A Best Practices Report (Webinar)
bycontently
 
How Race, Age and Gender Shape Attitudes Towards Mental Health
byThinkNow
 
Introduction to Data Science
byChristy Abraham Joy
 
How to Prepare For a Successful Job Search for 2024
byAlbert Qian
 
5 Public speaking tips from TED - Visualized summary
bySpeakerHub
 

Data Science With Python Dusty Phillips Fabrizio Romano Phuong Voth Martin Czygan Robert Layton Phillips

  • 1.
    Data Science WithPython Dusty Phillips Fabrizio Romano Phuong Voth Martin Czygan Robert Layton Phillips download https://ebookbell.com/product/data-science-with-python-dusty- phillips-fabrizio-romano-phuong-voth-martin-czygan-robert-layton- phillips-11607300 Explore and download more ebooks at ebookbell.com
  • 2.
    Here are somerecommended products that we believe you will be interested in. You can click the link to download. Data Science With Python Combine Python With Machine Learning Principles To Discover Hidden Patterns In Raw Data Chopra https://ebookbell.com/product/data-science-with-python-combine-python- with-machine-learning-principles-to-discover-hidden-patterns-in-raw- data-chopra-49061574 Data Science With Python And Dask 1st Edition Jesse C Daniel https://ebookbell.com/product/data-science-with-python-and-dask-1st- edition-jesse-c-daniel-10653390 Data Science With Python Wade Briggs https://ebookbell.com/product/data-science-with-python-wade- briggs-49003024 Data Science With Python Henry Lopez https://ebookbell.com/product/data-science-with-python-henry- lopez-232264924
  • 3.
    Data Science WithPython And Dask 1st Edition Jesse C Daniel https://ebookbell.com/product/data-science-with-python-and-dask-1st- edition-jesse-c-daniel-54973168 Data Science With Python 1st Edition Coll https://ebookbell.com/product/data-science-with-python-1st-edition- coll-6855546 Data Science With Python Rohan Chopra https://ebookbell.com/product/data-science-with-python-rohan- chopra-170630336 Data Science With Python Wade Briggs https://ebookbell.com/product/data-science-with-python-wade- briggs-73400778 Practical Data Science With Python Learn Tools And Techniques From Handson Examples To Extract Insights From Data 1st Edition Nathan George https://ebookbell.com/product/practical-data-science-with-python- learn-tools-and-techniques-from-handson-examples-to-extract-insights- from-data-1st-edition-nathan-george-54832190
  • 5.
  • 6.
    Python: Real-World DataScience WOW! eBook www.wowebook.org
  • 7.
    Table of Contents Python:Real-World Data Science Meet Your Course Guide What's so cool about Data Science? Course Structure Course Journey The Course Roadmap and Timeline 1. Course Module 1: Python Fundamentals 1. Introduction and First Steps – Take a Deep Breath A proper introduction Enter the Python About Python Portability Coherence Developer productivity An extensive library Software quality Software integration Satisfaction and enjoyment What are the drawbacks? Who is using Python today? Setting up the environment Python 2 versus Python 3 – the great debate What you need for this course Installing Python Installing IPython Installing additional packages How you can run a Python program Running Python scripts Running the Python interactive shell Running Python as a service Running Python as a GUI application How is Python code organized How do we use modules and packages Python's execution model WOW! eBook www.wowebook.org
  • 8.
    Names and namespaces Scopes Guidelineson how to write good code The Python culture A note on the IDEs 2. Object-oriented Design Introducing object-oriented Objects and classes Specifying attributes and behaviors Data describes objects Behaviors are actions Hiding details and creating the public interface Composition Inheritance Inheritance provides abstraction Multiple inheritance Case study 3. Objects in Python Creating Python classes Adding attributes Making it do something Talking to yourself More arguments Initializing the object Explaining yourself Modules and packages Organizing the modules Absolute imports Relative imports Organizing module contents Who can access my data? Third-party libraries Case study 4. When Objects Are Alike Basic inheritance Extending built-ins Overriding and super Multiple inheritance WOW! eBook www.wowebook.org
  • 9.
    The diamond problem Differentsets of arguments Polymorphism Abstract base classes Using an abstract base class Creating an abstract base class Demystifying the magic Case study 5. Expecting the Unexpected Raising exceptions Raising an exception The effects of an exception Handling exceptions The exception hierarchy Defining our own exceptions Case study 6. When to Use Object-oriented Programming Treat objects as objects Adding behavior to class data with properties Properties in detail Decorators – another way to create properties Deciding when to use properties Manager objects Removing duplicate code In practice Case study 7. Python Data Structures Empty objects Tuples and named tuples Named tuples Dictionaries Dictionary use cases Using defaultdict Counter Lists Sorting lists Sets Extending built-ins WOW! eBook www.wowebook.org
  • 10.
    Queues FIFO queues LIFO queues Priorityqueues Case study 8. Python Object-oriented Shortcuts Python built-in functions The len() function Reversed Enumerate File I/O Placing it in context An alternative to method overloading Default arguments Variable argument lists Unpacking arguments Functions are objects too Using functions as attributes Callable objects Case study 9. Strings and Serialization Strings String manipulation String formatting Escaping braces Keyword arguments Container lookups Object lookups Making it look right Strings are Unicode Converting bytes to text Converting text to bytes Mutable byte strings Regular expressions Matching patterns Matching a selection of characters Escaping characters Matching multiple characters WOW! eBook www.wowebook.org
  • 11.
    Grouping patterns together Gettinginformation from regular expressions Making repeated regular expressions efficient Serializing objects Customizing pickles Serializing web objects Case study 10. The Iterator Pattern Design patterns in brief Iterators The iterator protocol Comprehensions List comprehensions Set and dictionary comprehensions Generator expressions Generators Yield items from another iterable Coroutines Back to log parsing Closing coroutines and throwing exceptions The relationship between coroutines, generators, and functions Case study 11. Python Design Patterns I The decorator pattern A decorator example Decorators in Python The observer pattern An observer example The strategy pattern A strategy example Strategy in Python The state pattern A state example State versus strategy State transition as coroutines The singleton pattern Singleton implementation The template pattern WOW! eBook www.wowebook.org
  • 12.
    A template example 12.Python Design Patterns II The adapter pattern The facade pattern The flyweight pattern The command pattern The abstract factory pattern The composite pattern 13. Testing Object-oriented Programs Why test? Test-driven development Unit testing Assertion methods Reducing boilerplate and cleaning up Organizing and running tests Ignoring broken tests Testing with py.test One way to do setup and cleanup A completely different way to set up variables Skipping tests with py.test Imitating expensive objects How much testing is enough? Case study Implementing it 14. Concurrency Threads The many problems with threads Shared memory The global interpreter lock Thread overhead Multiprocessing Multiprocessing pools Queues The problems with multiprocessing Futures AsyncIO AsyncIO in action Reading an AsyncIO future WOW! eBook www.wowebook.org
  • 13.
    AsyncIO for networking Usingexecutors to wrap blocking code Streams Executors Case study 2. Course Module 2: Data Analysis 1. Introducing Data Analysis and Libraries Data analysis and processing An overview of the libraries in data analysis Python libraries in data analysis NumPy pandas Matplotlib PyMongo The scikit-learn library 2. NumPy Arrays and Vectorized Computation NumPy arrays Data types Array creation Indexing and slicing Fancy indexing Numerical operations on arrays Array functions Data processing using arrays Loading and saving data Saving an array Loading an array Linear algebra with NumPy NumPy random numbers 3. Data Analysis with pandas An overview of the pandas package The pandas data structure Series The DataFrame The essential basic functionality Reindexing and altering labels Head and tail Binary operations WOW! eBook www.wowebook.org
  • 14.
    Functional statistics Function application Sorting Indexingand selecting data Computational tools Working with missing data Advanced uses of pandas for data analysis Hierarchical indexing The Panel data 4. Data Visualization The matplotlib API primer Line properties Figures and subplots Exploring plot types Scatter plots Bar plots Contour plots Histogram plots Legends and annotations Plotting functions with pandas Additional Python data visualization tools Bokeh MayaVi 5. Time Series Time series primer Working with date and time objects Resampling time series Downsampling time series data Upsampling time series data Timedeltas Time series plotting 6. Interacting with Databases Interacting with data in text format Reading data from text format Writing data to text format Interacting with data in binary format HDF5 Interacting with data in MongoDB WOW! eBook www.wowebook.org
  • 15.
    Interacting with datain Redis The simple value List Set Ordered set 7. Data Analysis Application Examples Data munging Cleaning data Filtering Merging data Reshaping data Data aggregation Grouping data 3. Course Module 3: Data Mining 1. Getting Started with Data Mining Introducing data mining A simple affinity analysis example What is affinity analysis? Product recommendations Loading the dataset with NumPy Implementing a simple ranking of rules Ranking to find the best rules A simple classification example What is classification? Loading and preparing the dataset Implementing the OneR algorithm Testing the algorithm 2. Classifying with scikit-learn Estimators scikit-learn estimators Nearest neighbors Distance metrics Loading the dataset Moving towards a standard workflow Running the algorithm Setting parameters Preprocessing using pipelines An example Standard preprocessing WOW! eBook www.wowebook.org
  • 16.
    Putting it alltogether Pipelines 3. Predicting Sports Winners with Decision Trees Loading the dataset Collecting the data Using pandas to load the dataset Cleaning up the dataset Extracting new features Decision trees Parameters in decision trees Using decision trees Sports outcome prediction Putting it all together Random forests How do ensembles work? Parameters in Random forests Applying Random forests Engineering new features 4. Recommending Movies Using Affinity Analysis Affinity analysis Algorithms for affinity analysis Choosing parameters The movie recommendation problem Obtaining the dataset Loading with pandas Sparse data formats The Apriori implementation The Apriori algorithm Implementation Extracting association rules Evaluation 5. Extracting Features with Transformers Feature extraction Representing reality in models Common feature patterns Creating good features Feature selection Selecting the best individual features WOW! eBook www.wowebook.org
  • 17.
    Feature creation Creating yourown transformer The transformer API Implementation details Unit testing Putting it all together 6. Social Media Insight Using Naive Bayes Disambiguation Downloading data from a social network Loading and classifying the dataset Creating a replicable dataset from Twitter Text transformers Bag-of-words N-grams Other features Naive Bayes Bayes' theorem Naive Bayes algorithm How it works Application Extracting word counts Converting dictionaries to a matrix Training the Naive Bayes classifier Putting it all together Evaluation using the F1-score Getting useful features from models 7. Discovering Accounts to Follow Using Graph Mining Loading the dataset Classifying with an existing model Getting follower information from Twitter Building the network Creating a graph Creating a similarity graph Finding subgraphs Connected components Optimizing criteria 8. Beating CAPTCHAs with Neural Networks Artificial neural networks WOW! eBook www.wowebook.org
  • 18.
    An introduction toneural networks Creating the dataset Drawing basic CAPTCHAs Splitting the image into individual letters Creating a training dataset Adjusting our training dataset to our methodology Training and classifying Back propagation Predicting words Improving accuracy using a dictionary Ranking mechanisms for words Putting it all together 9. Authorship Attribution Attributing documents to authors Applications and use cases Attributing authorship Getting the data Function words Counting function words Classifying with function words Support vector machines Classifying with SVMs Kernels Character n-grams Extracting character n-grams Using the Enron dataset Accessing the Enron dataset Creating a dataset loader Putting it all together Evaluation 10. Clustering News Articles Obtaining news articles Using a Web API to get data Reddit as a data source Getting the data Extracting text from arbitrary websites Finding the stories in arbitrary websites Putting it all together WOW! eBook www.wowebook.org
  • 19.
    Grouping news articles Thek-means algorithm Evaluating the results Extracting topic information from clusters Using clustering algorithms as transformers Clustering ensembles Evidence accumulation How it works Implementation Online learning An introduction to online learning Implementation 11. Classifying Objects in Images Using Deep Learning Object classification Application scenario and goals Use cases Deep neural networks Intuition Implementation An introduction to Theano An introduction to Lasagne Implementing neural networks with nolearn GPU optimization When to use GPUs for computation Running our code on a GPU Setting up the environment Application Getting the data Creating the neural network Putting it all together 12. Working with Big Data Big data Application scenario and goals MapReduce Intuition A word count example Hadoop MapReduce Application WOW! eBook www.wowebook.org
  • 20.
    Getting the data NaiveBayes prediction The mrjob package Extracting the blog posts Training Naive Bayes Putting it all together Training on Amazon's EMR infrastructure 13. Next Steps… Chapter 1 – Getting Started with Data Mining Scikit-learn tutorials Extending the IPython Notebook Chapter 2 – Classifying with scikit-learn Estimators More complex pipelines Comparing classifiers Chapter 3: Predicting Sports Winners with Decision Trees More on pandas Chapter 4 – Recommending Movies Using Affinity Analysis The Eclat algorithm Chapter 5 – Extracting Features with Transformers Vowpal Wabbit Chapter 6 – Social Media Insight Using Naive Bayes Natural language processing and part-of-speech tagging Chapter 7 – Discovering Accounts to Follow Using Graph Mining More complex algorithms Chapter 8 – Beating CAPTCHAs with Neural Networks Deeper networks Reinforcement learning Chapter 9 – Authorship Attribution Local n-grams Chapter 10 – Clustering News Articles Real-time clusterings Chapter 11 – Classifying Objects in Images Using Deep Learning Keras and Pylearn2 Mahotas Chapter 12 – Working with Big Data Courses on Hadoop Pydoop Recommendation engine WOW! eBook www.wowebook.org
  • 21.
    More resources 4. CourseModule 4: Machine Learning 1. Giving Computers the Ability to Learn from Data How to transform data into knowledge The three different types of machine learning Making predictions about the future with supervised learning Classification for predicting class labels Regression for predicting continuous outcomes Solving interactive problems with reinforcement learning Discovering hidden structures with unsupervised learning Finding subgroups with clustering Dimensionality reduction for data compression An introduction to the basic terminology and notations A roadmap for building machine learning systems Preprocessing – getting data into shape Training and selecting a predictive model Evaluating models and predicting unseen data instances Using Python for machine learning 2. Training Machine Learning Algorithms for Classification Artificial neurons – a brief glimpse into the early history of machine learning Implementing a perceptron learning algorithm in Python Training a perceptron model on the Iris dataset Adaptive linear neurons and the convergence of learning Minimizing cost functions with gradient descent Implementing an Adaptive Linear Neuron in Python Large scale machine learning and stochastic gradient descent 3. A Tour of Machine Learning Classifiers Using scikit-learn Choosing a classification algorithm First steps with scikit-learn Training a perceptron via scikit-learn Modeling class probabilities via logistic regression Logistic regression intuition and conditional probabilities Learning the weights of the logistic cost function Training a logistic regression model with scikit-learn Tackling overfitting via regularization Maximum margin classification with support vector machines Maximum margin intuition Dealing with the nonlinearly separable case using slack variables WOW! eBook www.wowebook.org
  • 22.
    Alternative implementations inscikit-learn Solving nonlinear problems using a kernel SVM Using the kernel trick to find separating hyperplanes in higher dimensional space Decision tree learning Maximizing information gain – getting the most bang for the buck Building a decision tree Combining weak to strong learners via random forests K-nearest neighbors – a lazy learning algorithm 4. Building Good Training Sets – Data Preprocessing Dealing with missing data Eliminating samples or features with missing values Imputing missing values Understanding the scikit-learn estimator API Handling categorical data Mapping ordinal features Encoding class labels Performing one-hot encoding on nominal features Partitioning a dataset in training and test sets Bringing features onto the same scale Selecting meaningful features Sparse solutions with L1 regularization Sequential feature selection algorithms Assessing feature importance with random forests 5. Compressing Data via Dimensionality Reduction Unsupervised dimensionality reduction via principal component analysis Total and explained variance Feature transformation Principal component analysis in scikit-learn Supervised data compression via linear discriminant analysis Computing the scatter matrices Selecting linear discriminants for the new feature subspace Projecting samples onto the new feature space LDA via scikit-learn Using kernel principal component analysis for nonlinear mappings Kernel functions and the kernel trick Implementing a kernel principal component analysis in Python Example 1 – separating half-moon shapes WOW! eBook www.wowebook.org
  • 23.
    Example 2 –separating concentric circles Projecting new data points Kernel principal component analysis in scikit-learn 6. Learning Best Practices for Model Evaluation and Hyperparameter Tuning Streamlining workflows with pipelines Loading the Breast Cancer Wisconsin dataset Combining transformers and estimators in a pipeline Using k-fold cross-validation to assess model performance The holdout method K-fold cross-validation Debugging algorithms with learning and validation curves Diagnosing bias and variance problems with learning curves Addressing overfitting and underfitting with validation curves Fine-tuning machine learning models via grid search Tuning hyperparameters via grid search Algorithm selection with nested cross-validation Looking at different performance evaluation metrics Reading a confusion matrix Optimizing the precision and recall of a classification model Plotting a receiver operating characteristic The scoring metrics for multiclass classification 7. Combining Different Models for Ensemble Learning Learning with ensembles Implementing a simple majority vote classifier Combining different algorithms for classification with majority vote Evaluating and tuning the ensemble classifier Bagging – building an ensemble of classifiers from bootstrap samples Leveraging weak learners via adaptive boosting 8. Predicting Continuous Target Variables with Regression Analysis Introducing a simple linear regression model Exploring the Housing Dataset Visualizing the important characteristics of a dataset Implementing an ordinary least squares linear regression model Solving regression for regression parameters with gradient descent Estimating the coefficient of a regression model via scikit-learn Fitting a robust regression model using RANSAC Evaluating the performance of linear regression models Using regularized methods for regression WOW! eBook www.wowebook.org
  • 24.
    Turning a linearregression model into a curve – polynomial regression Modeling nonlinear relationships in the Housing Dataset Dealing with nonlinear relationships using random forests Decision tree regression Random forest regression A. Reflect and Test Yourself! Answers Module 2: Data Analysis Chapter 1: Introducing Data Analysis and Libraries Chapter 2: Object-oriented Design Chapter 3: Data Analysis with pandas Chapter 4: Data Visualization Chapter 5: Time Series Chapter 6: Interacting with Databases Chapter 7: Data Analysis Application Examples Module 3: Data Mining Chapter 1: Getting Started with Data Mining Chapter 2: Classifying with scikit-learn Estimators Chapter 3: Predicting Sports Winners with Decision Trees Chapter 4: Recommending Movies Using Affinity Analysis Chapter 5: Extracting Features with Transformers Chapter 6: Social Media Insight Using Naive Bayes Chapter 7: Discovering Accounts to Follow Using Graph Mining Chapter 8: Beating CAPTCHAs with Neural Networks Chapter 9: Authorship Attribution Chapter 10: Clustering News Articles Chapter 11: Classifying Objects in Images Using Deep Learning Chapter 12: Working with Big Data Module 4: Machine Learning Chapter 1: Giving Computers the Ability to Learn from Data Chapter 2: Training Machine Learning Chapter 3: A Tour of Machine Learning Classifiers Using scikit-learn Chapter 4: Building Good Training Sets – Data Preprocessing Chapter 5: Compressing Data via Dimensionality Reduction Chapter 6: Learning Best Practices for Model Evaluation and Hyperparameter Tuning Chapter 7: Combining Different Models for Ensemble Learning Chapter 8: Predicting Continuous Target Variables with Regression Analysis WOW! eBook www.wowebook.org
  • 25.
  • 26.
    Python: Real-World DataScience WOW! eBook www.wowebook.org
  • 27.
    Python: Real-World DataScience A course in four modules Unleash the power of Python and its robust data science capabilities with your Course Guide Ankita Thakur Learn to use powerful Python libraries for effective data processing and analysis To contact your Course Guide Email: <ankitat@packtpub.com> WOW! eBook www.wowebook.org
  • 28.
    Meet Your CourseGuide Hello and welcome to this Data Science with Python course. You now have a clear pathway from learning Python core features right through to getting acquainted with the concepts and techniques of the data science field—all using Python! This course has been planned and created for you by me Ankita Thakur – I am your Course Guide, and I am here to help you have a great journey along the pathways of learning that I have planned for you. I've developed and created this course for you and you'll be seeing me through the whole journey, offering you my thoughts and ideas behind what you're going to learn next and why I recommend each step. I'll provide tests and quizzes to help you reflect on your learning, and code challenges that will be pitched just right for you through the course. If you have any questions along the way, you can reach out to me over e-mail or telephone and I'll make sure you get everything from the course that we've planned – for you to start your career in the field of data science. Details of how to contact me are included on the first page of this course. WOW! eBook www.wowebook.org
  • 29.
    What's so coolabout Data Science? What is Data Science and why is there so much of buzz about this in the world? Is it of great importance? Well, the following sentence will answer all such questions: "This hot new field promises to revolutionize industries from business to government, health care to academia." --The New York Times The world is generating data at an increasing pace. Consumers, sensors, or scientific experiments emit data points every day. In finance, business, administration, and the natural or social sciences, working with data can make up a significant part of the job. Being able to efficiently work with small or large datasets has become a valuable skill. Also, we live in a world of connected things where tons of data is generated and it is humanly impossible to analyze all the incoming data and make decisions. Human decisions are increasingly replaced by decisions made by computers. Thanks to the field of Data Science! Data science has penetrated deeply in our connected world and there is a growing demand in the market for people who not only understand data science algorithms thoroughly, but are also capable of programming these algorithms. A field that is at the intersection of many fields, including data mining, machine learning, and statistics, to name a few. This puts an immense burden on all levels of data scientists; from the one who is aspiring to become a data scientist and those who are currently practitioners in this field. Treating these algorithms as a black box and using them in decision-making systems will lead to counterproductive results. With tons of algorithms and innumerable problems out there, it requires a good grasp of the underlying algorithms in order to choose the best one for any given problem. Python as a programming language has evolved over the years and today, it is the number one choice for a data scientist. Python has become the most popular programming language for data science because it allows us to forget about the tedious parts of programming and offers us an environment where we can quickly jot down our ideas and put concepts directly into action. It has been used in industry for a long time, but it has been popular among researchers as well. In contrast to more specialized applications and environments, Python is not only WOW! eBook www.wowebook.org
  • 30.
    about data analysis.The list of industrial-strength libraries for many general computing tasks is long, which makes working with data in Python even more compelling. Whether your data lives inside SQL or NoSQL databases or is out there on the Web and must be crawled or scraped first, the Python community has already developed packages for many of those tasks. WOW! eBook www.wowebook.org
  • 31.
    Course Structure Frankly speaking,it's a wise decision to know the nitty-gritty of Python as it's a trending language. I'm sure you'll gain lot of knowledge through this course and be able to implement all those in practice. However, I want to highlight that the road ahead may be bumpy on occasions, and some topics may be more challenging than others, but I hope that you will embrace this opportunity and focus on the reward. Remember that we are on this journey together, and throughout this course, we will add many powerful techniques to your arsenal that will help us solve even the toughest problems the data-driven way. I've created this learning path for you that consist of four models. Each of these modules are a mini-course in their own way, and as you complete each one, you'll have gained key skills and be ready for the material in the next module. So let's now look at the pathway these modules create—basically all the topics that will be exploring in this learning journey. WOW! eBook www.wowebook.org
  • 32.
    Course Journey We startthe course with our very first module, Python Fundamentals, to help you get familiar with Python. Installing Python correctly is equal to half job done. This module starts with the installation of Python, IPython, and all the necessary packages. Then, we'll see the fundamentals of object-oriented programming because Python itself is an object-oriented programming language. Finally, we'll make friends with some of the core concepts of Python—how to get Python programming basics nailed down. Then we'll move towards the analysis part. The second module, Data Analysis, will get you started with Python data analysis in a practical and example-driven way. You'll see how we can use Python libraries for effective data processing and analysis. So, if you want to to get started with basic data processing tasks or time series, then you can find lot of hands-on knowledge in the examples of this module. WOW! eBook www.wowebook.org
  • 33.
    The third module,Data Mining, is designed in a way that you have a good understanding of the basics, some best practices to jump into solving problems with data mining, and some pointers on the next steps you can take. Now, you can harness the power of Python to analyze data and create insightful predictive models. Finally, we'll move towards exploring more advanced topics. Sometimes an analysis task is too complex to program by hand. Machine learning is a modern technique that enables computers to discover patterns and draw conclusions for themselves. The aim of our fourth module, Machine Learning, is to provide you with a module where we'll discuss the necessary details regarding machine learning concepts, offering intuitive yet informative explanations on how machine learning algorithms work, how to use them, and most importantly, how to avoid the common pitfalls. So, if you want to become a machine-learning practitioner, a better problem solver, or maybe even consider a career in machine learning research, I'm sure there is lot for you in this module! WOW! eBook www.wowebook.org
  • 34.
  • 35.
    The Course Roadmapand Timeline Here's a view of the entire course plan before we begin. This grid gives you a topic overview of the whole course and its modules, so you can see how we will move through particular phases of learning to use Python, what skills you'll be learning along the way, and what you can do with those skills at each point. I also offer you an estimate of the time you might want to take for each module, although a lot depends on your learning style how much you're able to give the course each week! WOW! eBook www.wowebook.org
  • 36.
    Part 1. CourseModule 1: Python Fundamentals WOW! eBook www.wowebook.org
  • 37.
  • 38.
  • 39.
    Chapter 1. Introductionand First Steps – Take a Deep Breath "Give a man a fish and you feed him for a day. Teach a man to fish and you feed him for a lifetime." --Chinese proverb According to Wikipedia, computer programming is: "...a process that leads from an original formulation of a computing problem to executable computer programs. Programming involves activities such as analysis, developing understanding, generating algorithms, verification of requirements of algorithms including their correctness and resources consumption, and implementation (commonly referred to as coding) of algorithms in a target programming language". In a nutshell, coding is telling a computer to do something using a language it understands. Computers are very powerful tools, but unfortunately, they can't think for themselves. So they need to be told everything. They need to be told how to perform a task, how to evaluate a condition to decide which path to follow, how to handle data that comes from a device such as the network or a disk, and how to react when something unforeseen happens, say, something is broken or missing. You can code in many different styles and languages. Is it hard? I would say "yes" and "no". It's a bit like writing. Everybody can learn how to write, and you can too. But what if you wanted to become a poet? Then writing alone is not enough. You have to acquire a whole other set of skills and this will take a longer and greater effort. In the end, it all comes down to how far you want to go down the road. Coding is not just putting together some instructions that work. It is so much more! Good code is short, fast, elegant, easy to read and understand, simple, easy to modify and extend, easy to scale and refactor, and easy to test. It takes time to be able to write code that has all these qualities at the same time, but the good news is that you're taking the first step towards it at this very moment by reading this module. WOW! eBook www.wowebook.org
  • 40.
    And I haveno doubt you can do it. Anyone can, in fact, we all program all the time, only we aren't aware of it. Would you like an example? Say you want to make instant coffee. You have to get a mug, the instant coffee jar, a teaspoon, water, and the kettle. Even if you're not aware of it, you're evaluating a lot of data. You're making sure that there is water in the kettle as well as the kettle is plugged-in, that the mug is clean, and that there is enough coffee in the jar. Then, you boil the water and maybe in the meantime you put some coffee in the mug. When the water is ready, you pour it into the cup, and stir. So, how is this programming? Well, we gathered resources (the kettle, coffee, water, teaspoon, and mug) and we verified some conditions on them (kettle is plugged-in, mug is clean, there is enough coffee). Then we started two actions (boiling the water and putting coffee in the mug), and when both of them were completed, we finally ended the procedure by pouring water in the mug and stirring. Can you see it? I have just described the high-level functionality of a coffee program. It wasn't that hard because this is what the brain does all day long: evaluate conditions, decide to take actions, carry out tasks, repeat some of them, and stop at some point. Clean objects, put them back, and so on. All you need now is to learn how to deconstruct all those actions you do automatically in real life so that a computer can actually make some sense of them. And you need to learn a language as well, to instruct it. So this is what this module is for. I'll tell you how to do it and I'll try to do that by means of many simple but focused examples (my favorite kind). WOW! eBook www.wowebook.org
  • 41.
    A proper introduction Ilove to make references to the real world when I teach coding; I believe they help people retain the concepts better. However, now is the time to be a bit more rigorous and see what coding is from a more technical perspective. When we write code, we're instructing a computer on what are the things it has to do. Where does the action happen? In many places: the computer memory, hard drives, network cables, CPU, and so on. It's a whole "world", which most of the time is the representation of a subset of the real world. If you write a piece of software that allows people to buy clothes online, you will have to represent real people, real clothes, real brands, sizes, and so on and so forth, within the boundaries of a program. In order to do so, you will need to create and handle objects in the program you're writing. A person can be an object. A car is an object. A pair of socks is an object. Luckily, Python understands objects very well. The two main features any object has are properties and methods. Let's take a person object as an example. Typically in a computer program, you'll represent people as customers or employees. The properties that you store against them are things like the name, the SSN, the age, if they have a driving license, their e-mail, gender, and so on. In a computer program, you store all the data you need in order to use an object for the purpose you're serving. If you are coding a website to sell clothes, you probably want to store the height and weight as well as other measures of your customers so that you can suggest the appropriate clothes for them. So, properties are characteristics of an object. We use them all the time: "Could you pass me that pen?" – "Which one?" – "The black one." Here, we used the "black" property of a pen to identify it (most likely amongst a blue and a red one). Methods are things that an object can do. As a person, I have methods such as speak, walk, sleep, wake-up, eat, dream, write, read, and so on. All the things that I can do could be seen as methods of the objects that represents me. So, now that you know what objects are and that they expose methods that you can run and properties that you can inspect, you're ready to start coding. Coding in fact is simply about managing those objects that live in the subset of the world that we're WOW! eBook www.wowebook.org
  • 42.
    reproducing in oursoftware. You can create, use, reuse, and delete objects as you please. According to the Data Model chapter on the official Python documentation: "Objects are Python's abstraction for data. All data in a Python program is represented by objects or by relations between objects." We'll take a closer look at Python objects in the upcoming chapter. For now, all we need to know is that every object in Python has an ID (or identity), a type, and a value. Once created, the identity of an object is never changed. It's a unique identifier for it, and it's used behind the scenes by Python to retrieve the object when we want to use it. The type as well, never changes. The type tells what operations are supported by the object and the possible values that can be assigned to it. The value can either change or not. If it can, the object is said to be mutable, while when it cannot, the object is said to be immutable. How do we use an object? We give it a name of course! When you give an object a name, then you can use the name to retrieve the object and use it. In a more generic sense, objects such as numbers, strings (text), collections, and so on are associated with a name. Usually, we say that this name is the name of a variable. You can see the variable as being like a box, which you can use to hold data. So, you have all the objects you need: what now? Well, we need to use them, right? We may want to send them over a network connection or store them in a database. Maybe display them on a web page or write them into a file. In order to do so, we need to react to a user filling in a form, or pressing a button, or opening a web page and performing a search. We react by running our code, evaluating conditions to choose which parts to execute, how many times, and under which circumstances. And to do all this, basically we need a language. That's what Python is for. Python is the language we'll use together throughout this module to instruct the computer to do something for us. WOW! eBook www.wowebook.org
  • 43.
    Now, enough ofthis theoretical stuff, let's get started. WOW! eBook www.wowebook.org
  • 44.
    Enter the Python Pythonis the marvelous creature of Guido Van Rossum, a Dutch computer scientist and mathematician who decided to gift the world with a project he was playing around with over Christmas 1989. The language appeared to the public somewhere around 1991, and since then has evolved to be one of the leading programming languages used worldwide today. I started programming when I was 7 years old, on a Commodore VIC 20, which was later replaced by its bigger brother, the Commodore 64. The language was BASIC. Later on, I landed on Pascal, Assembly, C, C++, Java, JavaScript, Visual Basic, PHP, ASP, ASP .NET, C#, and other minor languages I cannot even remember, but only when I landed on Python, I finally had that feeling that you have when you find the right couch in the shop. When all of your body parts are yelling, "Buy this one! This one is perfect for us!" It took me about a day to get used to it. Its syntax is a bit different from what I was used to, and in general, I very rarely worked with a language that defines scoping with indentation. But after getting past that initial feeling of discomfort (like having new shoes), I just fell in love with it. Deeply. Let's see why. WOW! eBook www.wowebook.org
  • 45.
    About Python Before weget into the gory details, let's get a sense of why someone would want to use Python (I would recommend you to read the Python page on Wikipedia to get a more detailed introduction). To my mind, Python exposes the following qualities. WOW! eBook www.wowebook.org
  • 46.
    Portability Python runs everywhere,and porting a program from Linux to Windows or Mac is usually just a matter of fixing paths and settings. Python is designed for portability and it takes care of operating system (OS) specific quirks behind interfaces that shield you from the pain of having to write code tailored to a specific platform. WOW! eBook www.wowebook.org
  • 47.
    Coherence Python is extremelylogical and coherent. You can see it was designed by a brilliant computer scientist. Most of the time you can just guess how a method is called, if you don't know it. You may not realize how important this is right now, especially if you are at the beginning, but this is a major feature. It means less cluttering in your head, less skimming through the documentation, and less need for mapping in your brain when you code. WOW! eBook www.wowebook.org
  • 48.
    Developer productivity According toMark Lutz (Learning Python, 5th Edition, O'Reilly Media), a Python program is typically one-fifth to one-third the size of equivalent Java or C++ code. This means the job gets done faster. And faster is good. Faster means a faster response on the market. Less code not only means less code to write, but also less code to read (and professional coders read much more than they write), less code to maintain, to debug, and to refactor. Another important aspect is that Python runs without the need of lengthy and time consuming compilation and linkage steps, so you don't have to wait to see the results of your work. WOW! eBook www.wowebook.org
  • 49.
    An extensive library Pythonhas an incredibly wide standard library (it's said to come with "batteries included"). If that wasn't enough, the Python community all over the world maintains a body of third party libraries, tailored to specific needs, which you can access freely at the Python Package Index (PyPI). When you code Python and you realize that you need a certain feature, in most cases, there is at least one library where that feature has already been implemented for you. WOW! eBook www.wowebook.org
  • 50.
    Software quality Python isheavily focused on readability, coherence, and quality. The language uniformity allows for high readability and this is crucial nowadays where code is more of a collective effort than a solo experience. Another important aspect of Python is its intrinsic multi-paradigm nature. You can use it as scripting language, but you also can exploit object-oriented, imperative, and functional programming styles. It is versatile. WOW! eBook www.wowebook.org
  • 51.
    Software integration Another importantaspect is that Python can be extended and integrated with many other languages, which means that even when a company is using a different language as their mainstream tool, Python can come in and act as a glue agent between complex applications that need to talk to each other in some way. This is kind of an advanced topic, but in the real world, this feature is very important. WOW! eBook www.wowebook.org
  • 52.
    Satisfaction and enjoyment Lastbut not least, the fun of it! Working with Python is fun. I can code for 8 hours and leave the office happy and satisfied, alien to the struggle other coders have to endure because they use languages that don't provide them with the same amount of well-designed data structures and constructs. Python makes coding fun, no doubt about it. And fun promotes motivation and productivity. These are the major aspects why I would recommend Python to everyone for. Of course, there are many other technical and advanced features that I could have talked about, but they don't really pertain to an introductory section like this one. They will come up naturally, chapter after chapter, in this module. WOW! eBook www.wowebook.org
  • 53.
    What are thedrawbacks? Probably, the only drawback that one could find in Python, which is not due to personal preferences, is the execution speed. Typically, Python is slower than its compiled brothers. The standard implementation of Python produces, when you run an application, a compiled version of the source code called byte code (with the extension .pyc), which is then run by the Python interpreter. The advantage of this approach is portability, which we pay for with a slowdown due to the fact that Python is not compiled down to machine level as are other languages. However, Python speed is rarely a problem today, hence its wide use regardless of this suboptimal feature. What happens is that in real life, hardware cost is no longer a problem, and usually it's easy enough to gain speed by parallelizing tasks. When it comes to number crunching though, one can switch to faster Python implementations, such as PyPy, which provides an average 7-fold speedup by implementing advanced compilation techniques (check http://pypy.org/ for reference). When doing data science, you'll most likely find that the libraries that you use with Python, such as Pandas and Numpy, achieve native speed due to the way they are implemented. If that wasn't a good enough argument, you can always consider that Python is driving the backend of services such as Spotify and Instagram, where performance is a concern. Nonetheless, Python does its job perfectly adequately. WOW! eBook www.wowebook.org
  • 54.
    Who is usingPython today? Not yet convinced? Let's take a very brief look at the companies that are using Python today: Google, YouTube, Dropbox, Yahoo, Zope Corporation, Industrial Light & Magic, Walt Disney Feature Animation, Pixar, NASA, NSA, Red Hat, Nokia, IBM, Netflix, Yelp, Intel, Cisco, HP, Qualcomm, and JPMorgan Chase, just to name a few. Even games such as Battlefield 2, Civilization 4, and QuArK are implemented using Python. Python is used in many different contexts, such as system programming, web programming, GUI applications, gaming and robotics, rapid prototyping, system integration, data science, database applications, and much more. WOW! eBook www.wowebook.org
  • 55.
    Other documents randomlyhave different content
  • 56.
    tenyészet, melynek jótékonybefolyásuk életet adott. Dúsan hajtott az inség gabonája, gyönyörűen fejlett a kétségbeesés virága, gazdag szüretet adott a tönkrejutás, nyomorúság, földönfutás szőlőtője, pazarul hullatta gyümölcsét a becstelenség, öngyilkosság gyümölcsfája. És mind ennek daczára akadt elég hálátlan ember, ki panaszkodni mert a nap melege miatt, és ernyőt feszített ki feje fölé sugarai ellen. Ez elégedetlen és hálátlan emberek közt bizonyára a legelégedetlenebb és leghálátlanabb volt valami Bokros nevű ember. Soha sem tudta annyira vinni, hogy a határozatlan «valamik» csoportjából kiemelkedjek s «valaki» legyen belőle. Teljes életében megmaradt abban a jelentéktelen osztályban, hol az együgyüség kopott köntösét a becsületesség foltjaival szeretik tarkázni. Természetes ellenségei ezek mindenkinek, a ki a többiek közül kiemelkedik, a kit érdemei miatt gyűlölnek, rágalmaznak, üldöznek. Maláta úrnak is természetes ellensége volt ez a valami Bokros nevű ember. Rágalmazta életében, boszantotta halálával. Kizsákmányolta jóságát, elköltötte pénzét, visszaélt nagylelkűségével, szidta, üldözte, uzsorásnak káromolta. Pedig mit tett vele Maláta úr? Semmit, épen semmit, a mi a törvény legkisebb betűjét is kilódíthatná helyéből. Sokszor mondta nyájas mosolylyal a dühtől tajtékzó Bokros nevű ember szemébe: tessék, vigye a törvényszék elé; bizonyítson rá törvénytelenséget, ha tud, ha mer. A Bokros nevű ember csak panaszkodott, átkozódott, de annyira nem vitte a vakmerőséget, hogy hálátlanságára a törvény szentesítését merje arczátlanúl követelni. Nem is lett volna tanácsos. Maláta úr tudta jól, hogy a jog az ő részén van, nem hiába tanulta négy éven át a törvényt kitartó szorgalommal, nem hiába állta ki belőle a vizsgálatot kitünő kalkulussal. Mikor a végzet együvé hozta e két embert, bizonyára azon szeszélyes ötlete volt, hogy a két legnagyobb ellentétet szembe állítsa egymással, és így mutassa meg élő példával a nagy különbséget érdem és érdemetlenség, tehetség és tehetetlenség, nagylelküség és hálátlanság között.
  • 57.
    Maláta úr sajáterejéből indult neki a világnak, nem volt senkije, a ki segítse, támogassa. A maga lábán járt kezdettől fogva és azért talpát úgy hozzá idomította mindenféle ösvényhez, hogy a leggöröngyösebb, legtekervényesebb, legkeskenyebb, legsikamlósabb helyeken sem botlott, bukott, csúszott el soha. A Bokros nevű ember szüleitől kapott nevelést, tőlük örökölt nevet, vagyont, elavult fogalmakat és szokásokat és minden út közül csak egyetlen egyet ismert, az egyenes útat, melyet az együgyüek hiú önámítással szeretnek a becsületesség útjának nevezni. Maláta úr tudományt szerzett, tudományát az emberiség javára használta, viszálkodásaikban tanácsadójuk volt, pöreiket elintézte, pénzeiket fölszedte és megtartotta, nehogy a könnyelmű emberek elpazarolják vagy rosszra használják. Eszével, ügyességével szép vagyont szerzett, de pénzét nagylelküleg embertársai javára használta. Kileste, hol van pénzben hiány, hol van szükség kölcsönre, és ott azonnal megjelent jótékony geniusként, s önzetlen segélyeért nem kívánt egyéb jutalmat, mint egy meleg kézszorítást és százhusz perczentet. Sőt az emberiség iránt lángoló szeretete annyira vitte, hogy nem elégedett meg a maga nyújtotta segélylyel, hanem másokat is hasonló magasztos jótékonyságra buzdított: összeköttetésbe lépett, szövetségget kötött velök; egyesült erővel kutatták ki szükségben szenvedő embertársaikat, hogy a meleg kézszorítás és százhusz perczent jutalma mellett segélyt vigyenek számukra. Valódi jótékonyczélú titkos társaságot szervezett; minden osztályban, minden társaságban állított föl kegyes szívű védangyalokat, mindenfelé küldött jótékony portyázókat… és így gyakorolták egyesült erővel a jótékonyság, jótállás, emberszeretet, óvatolás, irgalmasság, végrehajtás nemes erényeit. A Bokros nevű ember ódivatú modorban akart gazdálkodni, vetni és aratni; botorul kitette magát a felhők szeszélyeinek, a nap makacsságának, a fagy, jég, zápor véletlen ötleteinek, a hörcsök, egér s egyéb mezei és házi állatok oktalan vágyainak. Nem tudott eszével uralkodni sem az élő, sem az élettelen természeten; azt hitte, elég a munka és szorgalom… és egyre vesztett, pusztult,
  • 58.
    bukott; mentől inkábbigyekezett kimenekülni, annál mélyebben bele bódult a zavarba, segélytelenségbe, tehetetlenségbe és a jótékony emberbarátok karjaiba, melyeket vastag hálátlansággal uzsorának káromolt. Maláta úr becsülettel és önfeláldozással szerzett pénzét, a társadalomban kivívott tisztelt és előkelő állását szokott önzetlenségével csupa nagy és nemes czélra használta. Fényt űzött, hogy elősegítse az ipart és kereskedést; arany karpereczeket vett a tánczosnőknek, hogy lendítsen a művészeten; futtatott a lóversenyeken, hogy előmozdítsa a hazai lótenyésztést. Sebesültek, árvízkárosultak, rabok, árvák számára hangversenyeket, bálokat rendezett; minden gyűjtésben, minden bizottságban, minden politikai és társadalmi mozzanatban tevékeny részt vett; és ha egyik- másik adósa kétségbeesésből öngyilkossá lett, árvái részére jótékony gyűjtést rendezett s az aláírást megnyitotta öt forinttal. A Bokros nevű ember botorúl megházasodott, gyermekeit hiú nagyravágyásában neveltette, kitanította, s a mi vagyonát a fagy, jég, zápor s elemi csapások, a hörcsök, egér, uzsorás és egyéb mezei és házi állatok meghagyták, reájuk költötte, egyiket eltemette, a másikat kiházasította, a harmadikat megutaztatta, és bárgyú fejével azt hitte, polgári kötelességet teljesít, ha családot alapít, gyermekeket nevel, maga pedig koplal, izzad, fárad és semmiben sem vesz részt, a miről a hírlapok tudósítói meg szoktak emlékezni. Maláta úr nagylelkű szánakozással és nemes lemondással fogadta az emberek irígységét, bántalmait, gúnyjait. Vérzett szíve, ha látnia kellett, mint ferdítik el legmagasztosabb tetteit a gonosz nyelvek, mint szidalmazzák uzsorának jótékony segélyeit: de a nagy lelkek legszebb vonását, a megbocsátást, soha sem homályosíthatta el lelkében az irígység fekete fellege. Kész volt bármely pillanatban segélyére sietni leghalálosabb ellenségének is, százhusz perczent és két biztos jótálló mellett. Sőt még azt sem várta be, hogy őt keresse föl; nemes lelke nem akarta ellenségét maga előtt megalázva látni. Maga kinálta a segélyt, hol szükséget és biztos jótállót látott, s ha
  • 59.
    adósainak bútorait árvereltette,őszintén szíve mélyéből meleg könnyet hullatott a könnyelmű ember szerencsétlensége fölött. A Bokros nevű ember elégedetlen volt magával, az éggel, az emberekkel; panaszkodott mindegyik ellen, de a mi legfőbb, valódi bősz dühvel kelt ki legnagyobb jótevője, Maláta úr ellen. Pedig ennek köszönhette, hogy obscurus ember létére igen díszes ismeretségi körre tett szert, mely törvényszéki bírákat, képviselőket, tanárokat, fínom és tudományos férfiakat foglalt magában. De a Bokros nevű ember hálátlan szíve csak gyűlöletet, átkot és rágalmat szórt e tiszteletre méltó előkelő urak ellen, s mégis megfoghatatlan módon egyre társaságukat kereste. Ezt a két nagy ellentétet hozta egymással össze a végzet szeszélyes ötlete. Egyrészről a tehetség, másrészről a gyámoltalanság, egyfelől a jóakarat, másfelől a hálátlanság, egyfelől a lelki fenség, másfelől az aljasság állt egymással szemben, nemcsak képletileg, hanem valósággal, tettel és szóval, Maláta úr fényes, kényelmes lakában. Kívül csikorgó hideg volt, a sivító szél megbolygatta a háztetők hóparókáját, a fagyott útczán egyre-másra siklottak és buktak el emberek és lovak. Benn a szobában pattogva sziporkázott a kandalló vidám tüze, Maláta úr fenséges öntudattal melengette hátát és szerencsésen meghiusította az előtte álló kopott, kétségbeesett alak rosszlelkű törekvését, hogy a hideg borzongatás kellemetlen érzését ízleltesse meg vele. Pedig ez a kopott, kétségbeesett alak, a Bokros nevű ember minden lehető módot megkísért, hogy Maláta úr tiszteletre méltó hátán hideg borzongást szalaszszon végig. Beszél égről, pokolról, átokról, nyomorról, vérről, gyilokról s több efféle kellemetlen dolgokról, de a kandalló tüze vidáman pattog, biztos meleget ad. Karácsony estéje van, az esztendő legszebb, legvidámabb ünnepe, melyen mindenki örül, mindenki ajándékot ad, ajándékot kap. Ezen a napon született a világ megváltója, az üdvözlő angyalok
  • 60.
    örömdala viszhangzik ezredévekmúlva az örvendező emberek, kicsinyek és nagyok ajkain. Maláta úr fínom, nagylelkű gavallér ember. Kis asztalkán állnak mellette, ízlésesen rendezve, a mai estére szánt ajándékok. Gyémánt függő ennek, bonbonnière annak, selyem szövet ide, díszalbum oda – rang és nemkülönbség szerint – fényes és gazdag mindegyik, a mint ily fényes, kitünő úrtól telik. A Bokros nevű ember éhes szeme majd felfalja a csillogó, suhogó, csalogató ingerlő kincseket; akár melyik elég volna neki, megmentené a nyomortól, megmentené a kétségbeeséstől, a becstelenségtől. – Ön vitt rá, ön az oka mindennek, nyög és sóhajt a Bokros nevű ember, a kétségbeesés daczával és a nyomorúság alázatával pillantva a fínom, jól táplált mosolygó úrra. – Ha nem fizeti ki az utolsó fillérig, holnapután a fenyítő törvényszék elé kerűl, felel Maláta úr és gyöngéden megsimogatja a gyémánt függőket. – Legyen irgalommal, nőm van, gyermekeim vannak, elég hogy éheznek, ne hozzon rájuk gyalázatot is, könyörög a Bokros nevű ember. – Kimondtam az utolsó szót, felel Maláta úr szendén. – De miből vegyem? Mindenem az öné már, ezek a gyémántok is az én vagyonomból vannak, kiált a Bokros nevű ember, és sápadt arczán átfut egy pillanatra a kétségbeesett elszántság vad villáma. – Mi ez? kiált Maláta úr kiegyenesedve a megbántott erény méltóságával. A Bokros nevű ember meggörnyed, összeesik, szemét alázattal földre szegzi, bocsánatkérést hebeg. Megtöri ez ember hangja, ki behálózta, tönkre tette, hamisításra kényszerítette, bűne bizonyítékát kezében tartja. Meggörnyed előtte, mint a bűnös bírája előtt. Tudja, hogy nem várhat szánalmat, de érzi, hogy a szánalom egyetlen mentsége és kétségbeesetten könyörög érte.
  • 61.
    Maláta úr unjaa dolgot. Látogatást vár, az ajándékokat is szét kell küldeni, egyik mellé gyöngéd, másik mellé szellemes levélkét írni, sok a dolga, nincs ideje ez elveszett emberrel vesződni. Csenget, és belépő inasát ajtót nyitni küldi. – Irgalom! akar kiáltani még egyszer a Bokros nevű ember. Az ajtó kinyílt, az inas vigyorogva kituszkolja, az éles szél hajába markol, ajkán megfagy a szó, az irgalom neve. A vágtató hópelyhek arczába csapnak, elvakítják szemét; az útcza tolongó, kiabáló, kaczagó vidám karácsonyesti árja magával ragadja. Magával ragadja az ár, kergetik az ijesztő rémek. Emberek beszélnek az útczán, megállnak, üdvözlik egymást, társaságokba sietnek: az ő fülében más hangok zsibongnak. Vidám fény tör ki az ablakokból, csillog a hó a lámpák visszaverő fényétől: az ő szemét más vakítja, vörös lobogó láng kápráztatja. Nem tudja, hol jár, mit akar. Haza nem mehet; térde megtörik, a jégcsapos házfalhoz támaszkodik. Gondolkozik. Hova? Haza? ki van ott? Mi vár ott? Ablakán ül a gyalázat hollója, csapkodja üvegét szárnyával, integet a sápadt, beteg alakoknak, melyek oda benn melegre, ételre, karácsonyfára várnak. Ah! karácsonyfára! Szegény gyermekek, a ti karácsonyfátokon apátok gyalázata, nevetek szégyene csügg… Tovább fut, akármerre, csak minél messzebbre a háztól, melynek pinczeszobájában rongyos gyermekek beszélnek kis testvéreiknek csodálatos regéket hajdani szép idők csillogó aranyos karácsonyfáiról… Tovább… tovább! Czéltalan útja ismét a ház elé viszi, melyben megrontója lakik. Az ablakok fényesen meg vannak világítva, zongorahangok szöknek ki vidáman a hideg, sötét éjszakába… Az útczán, a ház előtt, Maláta úr ablaka alatt hársfa áll, olyan mint egy karácsonyfa. Vastagon fedi ágait a fehér hó, mintha czukorral volnának behintve; hosszú jégcsapok csüngnek rajta és csillognak a holdfényben, mintha égő gyertyák világítanák meg a rajta függő csecsebecséket… Szép karácsonyfa… Hátha még valami lógna rajta…?
  • 62.
    A későn járóemberek összecsoportosulnak a fa alatt, lármát ütnek; rendőrök jönnek, kórházba viszik a holttestet, konstatálják a halál nemét s elrendelik a temetést… Maláta úr ajándokai illető helyeiken nagy örömet okoznak, szép viszonzással biztatnak. A fínom, kedves, gazdag úr igen jól mulat, vidáman tölti a karácsonyestét, szép hölgyek, jó barátok társaságában; az is mosolyog rá, a ki megveti; az is köszönti, a ki gyűlöli. Boldogan fekszik le puha meleg ágyába, s álmodik édes álmakat kétszáz perczentről. A tornyokban pedig megkondulnak az éjféli harangok, és hirdetik, hogy ezelőtt ezernyolczszáz egynehány esztendővel született az emberek megváltója.
  • 63.
    VASÚTI TÖRTÉNETEK. I. Az alkalmatlanútitárs. Tüszkölve, fújva, füstölögve, tüzes sziporkát hányva mozog fel s alá a vontató gép, haragos lihegéssel jelentve, hogy megunta már a pályaudvar szűk határai közt szedegetni össze egymásután a henye kocsikat, és szeretne nekivágtatni a messze pusztaságnak. Egy-egy visító füttyöt szalaszt néha a levegőbe, mintha az udvaron jártatott tüzes paripa nyerítne türelmetlenségében, midőn látja, hogy a kaput még sem akarják kinyitni és az útat szabaddá tenni. A sziporkázó, füstöt fuvó vasparipa lovászai, zsinóros egyenruhájukban és paszomántos sipkájukban fel s alá futkosnak az udvaron, kocsikat tolva, kiakasztva, beakasztva, nyitogatva, ajtót csapva, kiabálva, káromkodva, türelmetlen útasokra mordulva; termetes férfiak nagy málhákat emelnek, taszítnak, gurítnak a rakodó kocsik felé; mások a bejáró ajtónál lesik a jó szerencsét, egymás kezéből kapkodva a megérkező útasok holmiját, versenyt futva a megálló kocsik ajtajához s gúnyos megvetéssel fordítva hátat a kiszálló útasnak, ha kis kézi táskánál nem hoz egyebet s ezt is maga viszi a váróterembe. A pénztárnál egymás hátán tolongnak az emberek, egymás vállán keresztűl nyujtogatják az ablak felé bankóikat, harsányan kiabálva az állomások neveit és misanthropiáig keserítve az ablaktábla mögött ülő ideges német urat. A vendéglőben hajszolt vad gyanánt rohannak fel s alá a pinczérek, s vad mohósággal falják fel az útasok az eléjük tálalt ételeket, a jóllakottak meg kétségbeesetten zörgetik poharaikat s oly hévvel kiabálnak a fizető pinczér után, mintha e tekintélyes férfiú tartaná kezében földi és mennyei üdvösségüket. A távíró csengője megszólal, hosszas ideges zörgésébe belemordul az öreg csengetyű harsány kongása, a gép visít, fütyöl, a megmozdúlt
  • 64.
    kocsik kerekei élesencsikorognak, az útasok tolongnak, kiabálnak, az ajtók becsapódnak, bucsuzó kiáltások keresztezik egymást, az öreg csengetyű újra megkondul, a gép visít, fütyöl és tüsszögve nekiszáguld a világnak, erős zökkentéssel maga után rántva az összekapcsolt kocsikat és akaratlan érintkezésbe hozva az ablakokon kidugott fejeket. A középkorú kopasz úr, ki a legelsők között foglalta volt el egy második osztályú kocsi kényelmes szegletülését a túlsó ablak mellett, és aggódó szorgossággal rakatta el a hordár által számtalan nagyobb és apróbb csomagját fenn a hálóban s lenn az üléseken és az ülések alatt – ez a számtalan csomaggal útazó középkorú kopasz úr nem részesűlt az említett kellemetlen fejbeli érintkezésben, nem dugván ki henye kíváncsisággal fejét az ablakon, midőn a nekiszabadult tüsszögő szörnyeteg maga után ragadta az összekapcsolt kocsikat. Egyéb dolga volt, mint minden valamirevaló czél és haszon nélkül kidugni fejét egy második osztályú vasúti kocsi ablakán. Hátradőlt kényelmes szegletülésén, óvatosan felhúzta az ablakot, még óvatosabban maga mellé helyezte újdonatúj kürtő-kalapját, hímzett házi sipkával takarva el tar fejének fénylő hegyeit-völgyeit, mialatt tapogatódzó lábaival meggyőződést szerzett, hogy az ülés alatt rendben vannak csomagjai, ugyanezen megnyugtató meggyőződésre jutván kezeinek és szemeinek közvetítése által a hálóban és üléseken elhelyezett csomagok sorsát illetőleg. E nagyfontosságú műveletek maguk is annyira igénybe vették a középkorú kopasz úr összes szerveit, hogy nem igen jutott eszébe a külső világgal foglalkozni; mindez azonban még nem akadályozta volna meg, hogy legalább egy pillantást ne vessen az ablak mellett rohamosan tünedező és érdekesen váltakozó távírdai czölöpökre és kavicshalmokra – mondom jutott volna egy pár pillantása a magyar alföld nevezett tájképi szépségeire is, ha minden szemlélő és gondolkozó képességét bűvös erővel le nem bilincseli egyetlen útitársa, ki a kocsi másik szegletében ült s oly módon viselte magát, mintha a csörgőkígyó szerepét akarná eljátszani, a középkorú kopasz urat szemelvén ki a megbűvölendő madárkának.
  • 65.
    A csörgőkígyó szerepérevállalkozó útitárs különben épen nem hasonlított a csörgőkígyóhoz, sőt valóságos emberi formája volt, még pedig a legközönségesebb fajtából, a mennyiben vörös orr, apró szemek, fésületlen haj, mosdatlan arcz, alacsony homlok és hosszú sárga fogak nem tartoznak az emberi külső legritkább jelenségei közé. Öltözete sem volt valami szokatlan szabású, sem dísze által feltünő; a mennyiben kalapjától csizmájáig minden szürke és gyűrött volt rajta, annyiféle változatban, a mennyit a szürke szín és a gyűröttség fogalma megenged. Egészben véve tehát épen nem felelt meg azon képnek, melyet a középkorú kopasz úr természetrajzi ismeretei a csörgőkígyóról alkottak maguknak; és mégis a nevezett hajtalan úr tökéletesen azt az ideges izgatottságot kezdé érezni, mely az ártatlan madárkát lepi meg szemben ama csúszómászó fenevaddal. Mert a szürke és gyűrött útitárs szakadatlanul reá szegezte apró szemeit s oly megátalkodott figyelemmel leste minden mozdulatát, mintha a legbehatóbb plasztikai tanulmányokat tenné rajta. Meglehet ugyan, hogy figyelmét csakugyan a középkorú kopasz úr arányos idomai és kecses mozdulatai bilincselték le; de az is meglehet, hogy gonosz szándéka, veszedelmes czélja volt vele. Kétes esetekben mindig jobb óvatosnak lenni, és a középkorú kopasz úr, mint igen óvatos ember, épen nem találta hízelgőnek szürke útitársa állhatatos figyelmét, annál kevésbbé, mert természetes óvatosságán kívül pozitív adatok is álltak rendelkezésére, melyek igen gyanús színben tüntették fel a szürke urat. Vagy nem volt-e az legfőbb mértékben gyanús, hogy e szürke gyűrött egyéniség már a vasúti ebédlőben folytonosan körülötte ólálkodott, s az első csengetésnél szorosan mellé furakodott és el nem maradt oldala mellől, míg mindketten a kocsiba nem szálltak? És ha e feltünő ragaszkodásban még egyensúlyt tartottak a megtisztelő és gyanús vonások: a mérő serpenyőt határozottan a gyanús oldalra billentette az az ötforintos bankó, melyet a szürke úr tőle épen nem várt bőkezűséggel a vasúti konduktor markába nyomott, bizalmas suttogással kérve e komor tisztviselőt, hogy több
  • 66.
    útast semmi esetrese bocsásson kocsijukba. E hallatlan pazarlás fölötte gyanús volt, mert a középkorú kopasz úr tapasztalásból tudta, hogy e szerény igényű vasúti tisztviselők sokkal csekélyebb tiszteletdíjjal is megelégesznek. A szürke úrnak tehát fölöttébb nagy érdekében állhat, hogy az egész útazás alatt senki se háborgassa kettejüket. Minő érdek lehet az? A középkorú kopasz úr vére fagyni kezdett a válaszra, s csak a természeti lehetetlenség akadályozta, hogy hajszálai ég felé nem meredtek. Eszébe jutott valamennyi rémtörténet, melynek színhelye vasúti kocsi volt, és erősen elhatározta magában, hogy a legelső állomáson más kocsiba fog szállni. De az állomások az áldott alföldön nagyon messzire vannak egymástól, és a középkorú kopasz úr hiába leste a visító fütty vígasztaló hangját. E helyett újabb emlékek jelentek meg aggódó lelke előtt és a bizonyosság rémes fényével világították meg szörnyű helyzetét. Tisztán emlékezett, hogy a vasúti ebédlőben, mialatt nyugodtan ült az asztalnál egy másik középkorú kopasz úr mellett, szürke útitársát rendkívül gyanús körülmények közt látta. A bejáró ajtóban állt és erős taglejtések közt suttogott egy alattomos tekintetű egyéniséggel, ki két ízben mutatott határozott mozdulattal az asztal felé, hol ő ült és czitromot facsart borjúszeletére. A szürke úr baljóslatúan bólintott fejével, s úgy látszott, még többet akart kérdezni felőle az alattomos tekintetű egyéniségtől, midőn a középkorú kopasz úr mereven feléjük pillantott, mire mindketten eltüntek az ajtóból. Akkor azt hitte, hogy illetlen bámészkodásukért kellően megszégyenítette őket s nem lesz velük több baja; nem is gondolt hát többé rájuk, s nyugodtan fölemésztette borjúszeletét, miután udvarias kísérlete, társalgást kezdeni a mellette ülő másik kopasz úrral, ennek mogorva egytagú válaszain hajótörést szenvedett. Most azonban, a mint szemben ült a szürke úrral s érezte apró szemeinek szúró tekintetét, visszaemlékezett az ajtó melletti gyanús jelenetre, melynek baljóslatú összefüggését az ötforintos vesztegetéssel és csörgőkígyói vállalkozással lehetetlen volt be nem
  • 67.
    látnia. Hát mégha azt a rövid, de rejtélyes párbeszédet hallotta volna, mely suttogó hangon és lázas izgatottsággal folyt le a szürke és az alattomos úr között, midőn merev tekintetére eltüntek az ajtóból és valódi banditai óvatossággal a csarnok legsötétebb szögletébe huzódtak. – Láttad? mondá az alattomos tekintetű egyéniség. – Láttam, mondá a szürke és gyűrött úr. – Gyomára váltott jegyet, mondá az alattomos tekintetű egyéniség. – Hah! mondá a szürke úr. – Ha ma oda érkezik, veszve vagyok, mondá sötéten az alattomos úr. – Valóban! mondá a szürke úr. – Nagybátyám rendelte magához; végrendeletet akar készíteni s neki hagyja mindenét, mert az én korhelységem, mint írja, egészen elkeserítette ellenem, mondá az alattomos úr bűnbánatos arczczal. – Vén bolond, mondá a szürke úr. – Épen bolondságában van még némi reményem; mert ha ma, a kitűzött napon, meg nem érkezik sógora, képes lesz haragjában mindenéből kitagadni, s engem újra kegyelmébe fogad, mondá az alattomos úr. – A bolond is tesz néha okosat, veté közbe epigrammszerűleg a szürke úr. – Minden módon meg kell tehát gátolnod, hogy ma Gyomán kiszállhasson, mondá az alattomos úr. – Bízd rám, mondá a szürke úr. – Siess mellé, hogy el ne téveszd, mondá az alattomos úr.
  • 68.
    – Most láttamelőször, de száz év mulva is rá ismernék kopasz fejére, mondá a szürke úr. – Úgy hát rajta! mondá az alattomos úr. – Ne félj, mondá a szürke úr. – Szerencsés útat, mondá az alattomos úr. – Ötszáz forint, mondá a szürke úr. – Itt van; a másik ötszázat akkor kapod meg, mikor az öreg végrendeletét kihirdetik, mondá az alattomos úr. – Átalános örökös, mondá a szürke úr. – Rajtad áll, mondá az alattomos úr. – Bízzál bennem, mondá a szürke úr. Ennyi volt az egész rejtélyes dialog, mely után az alattomos tekintetű egyéniség kocsira ült és visszahajtott a városba, míg a szürke gyűrött úr kiszemelt áldozata mellé furakodott. A középkorú kopasz úr nem hallotta a titkos beszédet, de látta a kézzelfogható jelenségeket; s most, a mint szemközt ült kocsijában a baljóslatú egyéniséggel, érezte, hogy valami rettenetes van ellene készülőben. És a sivító fütty még mindig nem akart felhangzani. A vonat haragos zakatolással vágtatott tovább, erős rázkódásával a lebukás folytonos veszedelmének téve ki a hálóba rakott kényes tartalmú csomagokat. A szerencsétlen középkorú kopasz úr alig tudta zaklatott figyelmét kellően megosztani csomagjai és gyanús útitársa közt. Nehéz sóhajjal dőlt hátra ülésében, kézzel, lábbal, szemmel folytonosan résen állva a csomagok veszedelme és a szürke útitárs orvtámadása ellen. – Hová tetszik útazni? kérdé a szürke úr.
  • 69.
    – Kezdődik már,gondolá magában rémülten a középkorú kopasz úr; s nem tudván hirtelenében elhatározni, hogy igazat mondjon-e, vagy eltagadja útazása czélját, azon furfangos fogáshoz folyamodott, hogy süketnek tetesse magát. – Úgy vagyok szokva, hogy kérdéseimre választ kapjak, mondá a szürke úr fenyegető hangon. A kinek nem tetszik e szokásom, kérjen tőlem lovagias elégtételt. A középkorú kopasz úr reszkető kezével megtapogatta fülét s vígasztalan arczczal rázta fejét. – Süket az úr? ordított a szürke úr, és szorosan útitársa mellé ülve, úgy ráhágott tyúkszemére, hogy a középkorú kopasz úr éles kiáltással adott kifejezést fájdalmának. – Ha megsértettem önt, kész vagyok bárminő lovagias elégtételre, bömbölt a szürke úr. – Oh kérem, köszönöm, semmi baj, hebegett a középkorú kopasz úr. – Azért mondom! felelt a szürke úr, két tenyerét szája elé tartva s úgy beleordítva a középkorú kopasz úr fülébe, hogy a szeme tüzes karikát hányt tőle. – Még megsüketülök ez ember ordításától, aggódék magában a zaklatott férfiú. Szerencsétlen gondolat volt süketnek tettetni magamat; de most már e mellett kell maradnom, különben még képes volna párbajra hívni. – Nagyon fú a szél, tegyük be mind a két ablakot, ordított a szürke úr. – Tessék, felelt reszketve a középkorú kopasz úr. Pedig a falevél se mozog, gondolá magában. Most már nem is kiálthatok segítségért, ha torkon ragad.
  • 70.
    A szürke úrezalatt felhúzta az ablakot s minden függönyt lebocsátott. – Nagyon süt a nap, bőgött útitársa fülébe. – Pedig olyan felhős az ég, hogy színét sem látni a napnak, gondolá kétségbeesetten a középkorú kopasz úr. Most már egészen hatalmában vagyok. Tehet velem, a mit akar. Se nem látnak, se nem hallanak. Rejtélyes félhomály terült el a kocsi bensejében; a zöld függönyökön keresztűl bágyadtan hatott át a külső világosság, úgy hogy egy kis szánt-szándékkal bátran össze lehetett téveszteni a kocsiban levő személyeket és tárgyakat. Legalább a szürke úr rögtön áldozatúl esett a félhomálynak, midőn rendes ülése helyett teljes súlyával a középkorú kopasz úr ölébe telepedett. – Jaj! mondá a középkorú kopasz úr. – Mi baj? ordított a szürke úr meg nem mozdúlva helyéből. – Rajtam méltóztatik ülni, nyögött elfuladó hangon a középkorú kopasz úr. – Hát mért nem szól? ordított a szürke úr, lassan fölemelkedve. Különben ha megsértettem, kész vagyok bárminő lovagias elégtételre. – Oh kérem, semmit sem tesz, szerencsémnek tartom, mondá udvariasan a középkorú kopasz úr. Talán többet is mondott volna szürke útitársa teljes megnyugtatására, ha egy gyanús recscsenés újabb rémülettel nem tölti el lelkét. – Mi ez! harsogott a szürke úr, felugorva helyéről, melyet azután választott, hogy utitársa öléből fölemelkedett. – Mi ez? Mire ültem? És hátra nyulva fölemelte az újdonatúj fényes kürtőkalapot, melyet a középkorú kopasz úr az útazás elején óvatos gondossággal maga mellé helyezett vala. A félhomály daczára tisztán lehetett látni
  • 71.
    az iszonyú rombolást,melyet a szürke úr súlya e divatos és drága fövegen művelt. – Mi ez? Kinek a kalapja ez? bömbölt a szürke úr. – Az enyém, mondá a középkorú kopasz úr elfojtott nyögéssel. – Hogy meri ön ülésemre tenni kalapját? ordított a szürke úr, haragosan rázva kezében a megnyomorított újdonatúj föveget. – Nem az ön ülésére tettem; miért nem vigyáz jobban? mondá a középkorú kopasz úr, megfeledkezve bosszúságában csiklandós helyzetéről. – Oda ülök, a hova tetszik, harsogott vissza a szürke úr. Ha valami kifogása van ellene, tessék lovagias elégtételt követelni. E szavakkal két termetes pisztolyt vett ki zsebéből, és oda tartotta a középkorú kopasz úr orra elé. – Látja? ordított fülébe. – Látom, mondá tompa hangon a középkorú kopasz úr. – Tessék választani, kiáltott a szürke úr. – Miért? mondá reszketve a középkorú kopasz úr. – Ha kalapja miatt elégtételt kíván tőlem, rikoltott a szürke úr. – Van még elég kalap a világon, ne tessék ez egy miatt aggódni, mondá nagylelkűen a középkorú kopasz úr. – Nem szeretem, ha játékot űznek velem, kiáltott a szürke úr, s haragosan egy másik ülésre vetette magát, épen szemben a középkorú kopasz úrral. – Nem szeretem, ha játékot űznek velem, ismétlé még egyszer nagy mogorvasággal, és maga mellé helyezte a termetes pisztolyokat.
  • 72.
    – Szépen vagyunk,aggódék magában a középkorú kopasz úr, lehetőleg összehúzva magát szögletében s ijedt szemét a félelmes tűzi fegyverekre szegezve. Szépen vagyunk! Itt ülök tehetetlenűl, fegyver és védelem nélkül, szemben ez emberrel, a ki vagy rablógyilkos vagy őrült; s minden perczben készen lehetek arra, hogy egy lövéssel véget vet életemnek. Oh hát soha sem érünk már állomást ezzel a czammogó vonattal? Mintha válaszolni akart volna ez önérzetét provokáló kétségre, a gép e pillanatban élesen sivított, s nyomban rá felhangzott az állomási harang vígasztaló csengése és a vezető harsány hangja, az állomás nevét hirdetve és egy egész percznyi idővel biztatva a kiszállni akarókat. A középkorú úr az ajtónak ugrott, dörömbözve, kiabálva, mialatt mohó sietéssel igyekezett a függönyt felhúzni és az ablakot leereszteni. – Hova megy? kérdé halkan a szürke úr. – Kiszállok, felelt mohón a középkorú kopasz úr, s a nyitott ablakon keresztűl iparkodott az ajtót kinyitni, egyre kiabálva a konduktor után. – Hát az úr nem süket? kiáltott dühösen háta mögött úti társa. Meghallotta kérdésemet? Hogy mert engem bolonddá tenni? – Hagyjon nekem békét, feleselt elkeseredve a középkorú kopasz úr. Konduktor! konduktor! – Mi tetszik? kérdé e hívatalos személyiség, lassú méltósággal a kiabáló útas felé fordúlva. – Nyissa ki az ajtót, kiszállok, üvöltött kétségbeesetten a középkorú kopasz úr. – Nem ide szól a jegye, felelt nyugodtan a hatalmas tisztviselő. – Hogy mert engem bolonddá tenni! ordított belűl a kocsiban a szürke úr, s megragadva útitársa karját, iparkodott elrántani az ablaktól.
  • 73.
    – Ki akarokszállani! ki kell szállnom! kiáltott a meggyötrött férfiú. – Tetszett volna előbb kinyitni a száját, most már késő, kiáltott vissza a konduktor úr hívatalos gorombasággal. A csengetyű megszólalt, mint a halálharang vészjósló kongása, a gép sivított, a kerekek csikorogtak, a kocsik megzökkentek és a vonat ismét tovább száguldott a végetlen rónán. – Hahaha! kaczagott ördögi gúnynyal a szürke úr, a mint boldogtalan útitársa kimerülten ülésére roskadott. Azután fölkelt, hidegvérrel felvonta az ablakot, lebocsátotta a függönyt, s a helyett, hogy tisztességes útazó módjára helyére ült volna, tántorogva járni kezdett a rázkodó kocsiban. – Most rajtunk a sor, mondá fenyegető hangon. Hogy mert az úr engem bolonddá tenni? Hogy merte azt mondani, hogy süket? – Hagyjon nekem békét, mondá elkeseredve a középkorú kopasz úr. – De nem addig van az! kiáltott a szürke úr. Ön engem elámított, csúffá tett, engedte, hogy gégeszakadásig ordítsak, s most azt mondja, hagyjak önnek békét. Azt hiszi, eleget tett ezzel a megsértett becsületnek? – Tessék beperelni, mondá a középkorú kopasz úr tompa önmegadással. – A megsértett becsület vért kíván, nem pert, mondá vérszomjasan a szürke úr, s újra útitársa orra elé tartotta a két termetes pisztolyt. Tessék választani. – Bocsánatot kérek, ha megsértettem, mondá a középkorú kopasz úr, belátva, hogy ez embert, akár őrült, akár gonosztevő, csak alázatos szelidség által lehet megkérlelnie. – Máskor jobban vigyázzon magára, mondá a szürke úr. Nem szeretem, ha játékot űznek velem.
  • 74.
    Ez ismételt önérzetesnyilatkozat után újra leült, szemben a középkorú kopasz úrral, s kis makrapipát vevén ki zsebéből, megtömte valami fekete dohánynyal és erősen pöfékelni kezdett. – Reménylem, nem vagyok alkalmatlan, mondá váratlan udvariassággal, útitársa szeme közé fúva a gyilkos füstöt. – Világért sem, mondá a középkorú kopasz úr köhögve. – Nagyon jó dohány, mondá a szürke úr. – Pompás, mondá a középkorú kopasz úr fuldokolva. A zárt kocsi csakhamar egészen megtelt a vastag, fekete füsttel, és a középkorú kopasz úr újra aggódni kezdett, hogy a tűztől megmenekülve ime füst által kell meghalnia. – Szolgálhatok? mondá a szürke úr, előkelő udvariassággal útitársa felé nyújtva egy hosszú fekete szivart, melynek ismertető jele, hogy szalmaszálat húznak rajta keresztűl s leginkább a hadsereg vitéz harczosai szájában szokott füstölögni. – Köszönöm, nem vagyok dohányos, mondá borzongva a középkorú kopasz úr. – De az én kedvemért, mondá behízelgő rábeszéléssel a szürke úr. A középkorú kopasz úr kénytelen volt a jó egyesség kedvéért szájába fogni a füstölgő, fekete nedvet izzadó mérges növényt. Szeme elhomályosult, füle zúgott, nyelvéről lement a bőr, s lassankint úgy kezdé észrevenni, hogy a vonat már nem előre halad, hanem fölfelé a levegőben. – Hogy ízlik? kérdé a szürke úr. – Kitünő, mondá a középkorú kopasz úr, letörölve homlokáról a hideg verejtéket. É
  • 75.
    – Nincs nagyobbélvezet a dohányzásnál, mondá a szürke úr. Én akár soha se vegyem ki a pipát számból. Mentől többet szívok, annál többet kívánok. Ha egy pipával kiszívtam, kiverem, s azon melegében újra megtömöm. A szürke úr tettekkel kísérte és bizonyította szavainak igazságát, a mennyiben makrapipájából minden habozás nélkül útitársa lába elé verte a tüzes pernyét, s aztán újra rágyújtott fekete dohányából. Nehány pillanatig hallgatva élvezte a frissen töltött pipa mennyei füstjét, mialatt a középkorú kopasz úr szivarjával bejárta a csillagos égboltot és a zúgó tenger fenekét. A sűrű fekete füst mindegyre vastagabban terjengett s a darázsirtó dohányillat mindegyre maróbb támadásokat intézett a szagló szervek ellen, de a szürke úr gyakorlott orra csakhamar új füstöt, idegen illatot fedezett föl, mely sok tekintetben különbözött a dohányétól. – Mi füstöl itt az ülés alatt? kiáltott hirtelen felugorva, mialatt a középkorú kopasz úr felhasználva az alkalmat, a hamutartóba dobta gyilkoló szivarját. – Mi füstöl itt? Álljon csak félre, épen az ön lába mellett. Úgy, meg ne mozdúljon, most már látom. Valami csomag gyúladt meg a tüzes pernyétől. Ne féljen, mindjárt eloltom, csak meg ne mukkanjon. És kirántva az ülés alól a meggyúladt csomagot, addig taposta szeges talpú csizmáival, míg a legutolsó szikrát ki nem taposta belőle. Azután lehajolt, fölemelte, szétnyitotta füstös, kormos maradványait, és a középkorú kopasz úr, alig menekűlve a megégés veszélyétől, közel volt hozzá, hogy ijedtében haljon szörnyet, midőn a a megégett, kilyukadt, megtépett, összetaposott, besározott holmiban legféltettebb csomagjára, egy drága selyemruhára ismert. – Jaj nekem! nyögött a középkorú kopasz úr. – Se baj! mondá vígasztalólag a szürke úr. Még lehet belőle valamit csinálni; bélésnek mindenesetre jó lesz. – Tönkre vagyok téve, mondá a középkorú kopasz úr.
  • 76.
    – Ha megsértettem,kész vagyok lovagias elégtételt adni, mondá a szürke úr. – Menyasszonyom ruhája, sóhajtott megtörve a középkorú úr. – Menyasszonyáé? mondá gúnyosan a szürke úr. – A menyegzői ajándék! nyögött a középkorú kopasz úr. – Igazán? mondá még gúnyosabban a szürke úr. Nem a bácsi vén gazdasszonyának volt szánva? Elégett a csalétek? Hahaha! – Hogy jelenjek most meg előtte? jajveszékelt a középkorú kopasz úr. – Még a vagyonból is kicsöppenhetünk ugy-e? gúnyolódék a szürke úr. – Mit nekem a vagyon! De az ő fájdalma, az ő fájdalma! siránkozék a középkorú kopasz úr. – Persze a fájdalom! Szennyes önérdekről szó sincs a dologban! csúfolódék a szürke úr. – Nem önérdek vezet engem, egyedűl a tiszta szerelem, keserge a középkorú kopasz úr. – Igen, a pénz szerelme, ingerkedék a szürke úr. – Ne sértegessen, nyomorúlt ember! fakadt ki elkeseredetten a középkorú kopasz úr. – Ez vért kíván! üvöltött a szürke úr. És felugorva helyéről, harmadszor a középkorú kopasz úr orra alá tartotta a termetes pisztolyokat. – E sértést csak vér moshatja le! mondá fogcsikorgatva a szürke úr. Ön el mer engem ámítani, s mivel nem hiszem el hazugságait, nyomorúlt embernek nevez! Hogy mer velem így paczkázni? Őrültnek tart engem?
  • 77.
    – Igen, mondádaczosan a középkorú kopasz úr. – Újabb sértés! hörgött a szürke úr. És neki csak egy élete van, csak egyszer ölhetem meg őt! – Majd meglátjuk! mondá kihívóan a középkorú kopasz úr. – Válaszszon pisztolyt, azonnal, e pillanatban, vagy irgalom nélkül lelövöm, üvöltött a szürke úr. Az emberi tűrelem nem tenger, hogy kimeríthetetlen legyen. A középkorú kopasz úr kezében még soha sem fordúlt meg vágó vagy lövő fegyver, s bár életében mindenféle szomjúság gyötörte már, de azt soha sem hitte, hogy valaha embervérre szomjúhozzék; hanem most az ő szemét is elfutotta a vér, az ő feje is megbódúlt a düh mámorától. Itt állt előtte ez a vörös orrú, mosdatlan, fésületlen, szürke ruhás ember, kinek ő soha sem vétett, és a ki tyúkszemére hágott, fülébe ordított, kalapjára ült, megszivaroztatta, meglökdöste, kigúnyolta, drága selyemruháját tönkre tette, s ráadásúl most lelövéssel fenyegeti, mint a kutyát; őt, kire szép menyasszony és egy hosszú élet boldogsága vár, mert utoljára is még közelebb van a negyvenhez, mint az ötvenhez. Az elkeseredés, a félelem, a bosszúvágy, a rettegés erős láz gyanánt ragadta meg tagjait, szeme elhomályosúlt, fogai összeverődtek, ujjai görcsösen megrándultak; fölkapta az egyik pisztolyt, ellenségére szegezte és elsütötte. A pisztoly hatalmasat dördűlt, de még hatalmasabbat kaczagott a szürke úr, a mint a lövés daczára sértetlenűl megállta helyét, pedig a pisztoly alig két lépésre sült el mellétől. Most ő fogta föl a pisztolyát, lassan czélba vette ellenfelét és tanakodni látszék, vajjon agyába vagy szívébe lőjjön-e? A középkorú kopasz úr istennek ajánlotta lelkét és behunyta szemét, midőn újra felhangzott a gép sivító füttye és megkondúlt az állomás csengetyűje. A szürke urat e hang, úgy látszik, megzavarta gyilkos szándékában, mert a levegőbe sütötte töltetlen pisztolyát, aztán kinyitva az ablakot, mellen ragadta a középkorú kopasz urat, és torka szakadtából kiabálni kezdett:
  • 78.
    – Gyilkos! gyilkos! Avonat megállt, mindenki a kocsi ajtajához tolongott, honnan a baljóslatú kiáltás hangzott. A vezető kinyitotta az ajtót, többen oda rohantak, kivonták és elválasztották egymástól a dulakodókat. – Gyilkos! gyilkos! kiabált a szürke úr. – Nem igaz, ő a gyilkos! kiabált a középkorú kopasz úr. – Ő sütötte rám a pisztolyt! kiáltott a szürke úr. – Ő is rám sütötte! kiáltott a középkorú kopasz úr. – Majd a szolgabiró mondja meg, ki a gyilkos, mordult közbe egy pandur, kellő gorombasággal nyakon ragadva a kiabáló ellenségeket. Kötelet ide, emberek! Akadt azonnal egy pár kötőfék, s a szürke és a kopasz úr csakhamar hátrakötött kezekkel állt az udvaron, a szörnyűködő néptömeg közt. – Előre gazemberek! mondá a pandur hívatalosan hátba lökve a középkorú kopasz urat s megrugva a szűrke urat. – A csomagjaim! kiáltott kétségbeesetten a középkorú kopasz úr, a mint látta, hogy féltett csomagjait egymásután hányják ki a kocsiból s a tolongó tömeg keresztűl-kasúl jár rajtuk. – Azokat majd zár alá teszszük jó madár, mondá a pandur. Sok szép lopott holmi lehet bennük. Előre! A vonat ezalatt elkészűlt, az útasok beszálltak, az ajtókat becsapdosták, a csengetyű hármat kongott, a gép sivított és tovább száguldott. – Nem érkezünk ma Gyomára! kiáltott gúnyosan a szűrke úr fogolytársára, a mint hátrakötött kezekkel a falu felé haladtak.
  • 79.
    A szolgabíró úrépen nekivetkőzve ebédelt, azért meglehetős mérgesen fogadta a kellemes hírt, hogy két gazembert hoztak a vasútról. Be kell csukni, majd holnap kihallgatja, csak nem fogja emésztését megzavarni két jó madár miatt! Másnap reggel aztán maga elé vitette a vádlottakat s megkezdte a kihallgatást. – Mi a neve? kérdé a középkorú kopasz urat, kit külseje után ítélve tekintélyesebb gonosztevőnek tartott. – Gálicz Rezső, mondá a középkorú kopasz úr. – Nem igaz, hazudik, még a nevét is eltagadja, kiáltott közbe a szürke úr. – Mit jelent ez? kérdé a szolgabíró. – Azt, hogy ez az úr nem Gálicz Rezső, hanem Czompó Barnabás, mondá a szürke úr. – Tessék kikutatni zsebeimet, ott van a keresztlevelem, mert épen esküvőmre útaztam, mondá reszketve a középkorú kopasz úr. Csakugyan zsebében volt a keresztlevél és egyéb íratok, melyekből czáfolhatatlanúl kitűnt teljes joga a Gálicz Rezső hangzatos nevéhez. Czompó Barnabásról szó sem volt bennük. – Eltévesztettem emberemet! kiáltott a szürke úr homlokára ütve. Hogy mert ön engem bolonddá tenni? fordúlt haragosan Gálicz úr felé. Ötszáz forintot lopott ki zsebemből. – Hol a lopott pénz? kérdé a szolgabíró a középkorú kopasz urat. A szürke úr rejtélyes felkiáltása még jobban összezavarta a kérdést, melyet későbbi terjedelmes vallomása sem volt képes tisztába hozni. A szolgabíró igen gyanúsnak találta a dolgot, s hosszú két hétbe kerűlt, míg végre teljesen kiderűlt a középkorú kopasz úr ártatlansága, és szürke útitársával együtt visszanyerte szabadságát. Sietett a vasúthoz, aggodalmasan töprenkedve, hogyan engesztelje ki a hosszas várakozásért menyasszonyát? Az állomáson
  • 80.
    leendő apósával találkozott. –Csakhogy megtaláltam! kiáltott rá a leendő após. Hogy mert elmaradni az esküvőről és cserben hagyni leányomat? – Be voltam zárva, mondá Gálicz úr. De most jóváteszem mulasztásomat. Minél előbb megtartjuk az esküvőt. – Meg ám! mondá keserűen a leendő após. Ha volna kivel. – Az istenért, hova lett menyasszonyom? kérdé rémülten Gálicz úr. – Miután önt hiában várta az esküvőre, másnap megszökött írnokommal; most is őket keresem, mondá a leendő após. És mind ennek ön az oka. Ha el nem késik, leányom most az ön felesége volna. – Köszönöm, jobban szeretem így, mondá a középkorú kopasz úr. II. A pénzes tüsző. A vonat csengetyűzúgás, fütyülés, kiabálás, sípszó mellett czammogott be ünnepélyesen a fedett pályaudvarba. Az ajtókat kinyitották, az útasok egymásután ugráltak ki, csak Csató úr nem szállt ki kocsijából, hiába ajánlotta ablaka alatt csábító hangon egy hordár szolgálatát. Kétségbeesve nézett ki ablakán, szemeit, melyekből még alig törűlte ki jóformán az álmot, réműlt bámészkodással jártatva a nyüzsgő embertömegen. Nyakkendője ki volt oldva, kabátja, mellénye föl volt gombolva, szája tátva-nyitva állt, mintha az ijedt sikoltás után, mely nehány percz előtt kitört rajta, többé nem tudta volna becsukni. Végre eloszlott némileg a tolakodó embertömeg, a kocsik ajtaját kezdték újra becsapkodni, midőn Csató úr annyira magához tért tompa ámulatából, hogy az állomási főnököt magához kérette.
  • 81.
    A kívánt tisztviselőnemsokára megérkezett s nem a legnyájasabb tekintetet veté az ablakon kinéző köpczös, szürke hajú útazóra. – Tessék kiszállni, – mondá mogorván. A vonat nem megy tovább. – Addig nem szállok ki, – mondá kétségbeesetten Csató úr, – míg hívatalosan és tanúk előtt nem konstatáltuk a tényeket. – Micsoda tényeket? – mondá haragos bámulattal az állomási főnök. – Megraboltak, – mondá Csató úr. – Lehetetlen! – kiáltott az állomási főnök. – Fájdalom, nagyon is lehetséges, – mondá Csató úr, vígasztalan arczczal tapogatva széles derekát. – Nincs itt! – Mi nincs ott? – kérdé az állomási főnök. – A pénzes tüsző, – mondá nyögve Csató úr. – Tízezer forint volt benne. Eltűnt. – Hová? – kérdé haragosan az állomási főnök. - Ha én azt tudnám! – sóhajtott a kifosztott férfiú. – Főnök úr, ez a pénz nem volt az enyém, földesuramnak hoztam föl, és azért szeplőtlen becsületem érdekében addig ki nem szállok a kocsiból, míg hívatalosan és tanúk előtt jegyzőkönyvet nem vesznek föl a megtörtént rablásról. Tessék egy rendőrbiztost és két tanút hívatni. – Jól van – mondá az állomási főnök, fölébredt kíváncsisággal. – Az egyik tanú én leszek, a másik az ellenőr. Itt van a biztos úr is, tessék elmondani esetét. Csató úr kinyitotta a kocsi ajtaját. – Tessék besétálni, – mondá udvariasan.
  • 82.
    – Hát akocsiban vegyük föl a jegyzőkönyvet? – mondá mogorván a biztos úr. – Tessék kívül maradni, de én szeplőtlen becsületem érdekében addig innen ki nem szállok, míg hívatalosan és tanúk előtt nem konstatáltuk a rablás tényét, – mondá izgatottan Csató úr. – Rajta hát, – mondá haragosan a biztos úr, kit épen egy pohár sör és pörkölt mellől hívtak el. Régi törvény, hogy a felsőség mindig a publikum rabszolgája legyen. A pörkölt ugyan semmit sem ér fölmelegítve, az állott sör sem kitünő ital, de a rendőrnek az is jó. Csak rajta! E hívatalos fölhatalmazás után, Csató úr, kihajolva a kocsi ablakán, megkezdte fontos vallomását, mialatt a törvényes bizottság az ajtón kívül foglalt helyet a kocsi lépcsőjén. – Mi a neve? – kérdé mogorván a biztos úr. – Csató Bernát, – mondá reszketve Csató úr. – Tiszttartó vagyok Saraglyai Dénes ő nagysága ligeti uradalmában és tegnap este – – Hány éves? – kiáltott a biztos úr. – Ötvenhat multam szent György napján, – felelt Csató úr, – és tegnap este – – Micsoda vallású? – folytatá a biztos úr, ki nem zökkenve a hívatalos formalitásból. – Római katholikus, – mondá Csató úr, – de Ligeten nincs templomunk, azért néhanapján a kálvinista paphoz járok tarokkozni – – Nős vagy nőtlen? – szakítá félbe a biztos Csató úr hitvallását. – Tavaly ültem meg ezüstmenyegzőmet, – mondá Csató úr, – és tegnap este – – Vannak gyermekei?
  • 83.
    – Az égnem áldotta meg házasságunkat magzatokkal, – felelt sóhajtva Csató úr. – Gyanús, mondá komoran a biztos úr, a két törvényes bizonyságra tekintve, kik helybenhagyólag köhögtek. – Miért gyanús? – kérdé rémülten Csató úr. – Jó, csak folytassa, – mondá szigorún a biztos úr. – Mi baja van? Miért kell most itt ülnünk a kocsi garádicsán? – Tegnap este, – mondá Csató úr reszketve, – sürgönyt kaptam a földesúr ő nagyságától, hogy haladék nélkül tízezer forintra van szüksége az uradalmi pénztárból. Épen vacsoránál ültem vendégeimmel, mert feleségem névnapját tartottuk, a kit Juliannának hívnak. Van még több keresztneve is, de ezt szoktuk megtartani, mert nyárra esik és a vendégek könnyebben megjöhetnek vacsorára. – Ugyan végezze be már vacsoráját és menjen tovább, – kiáltott türelmetlenűl a biztos úr. – Nem lehet, kérem alássan, mert a vacsora alatt történt, – mondá izgatottan Csató úr. – A harmadik tál ételnél érkezett a sürgöny és még három tál volt hátra. El lehet mondani, hogy épen a vacsora közepén voltunk. A helybeli jegyző negyedszer emelt poharat feleségem egészségére, koczintottunk, ittunk és nagyon jó kedvünk volt. Megjön a sürgöny, elolvasom. A tízezer forintot magam viszem föl – mondom feleségemnek – ugyis személyes dolgom van ő nagyságával. Jól van – mondá feleségem – csak vigyázz egészségedre és el ne veszítsd a pénzt. Ne féljen tensasszony – mondja az uradalmi pénztárnok – erős bőrtüszőbe teszszük az ezres bankókat és Bernát barátom derekára fogja csatolni. Csak ne csatolja szorosra – mondja feleségem – mert nagyon sokat evett, s a milyen kövér ember, megüthetné a guta. Ezzel fölkerekedtünk, én a pénztárnok és az ellenőr, s a kis irodába mentünk. Itt állt az erős Wertheim-kassza; az iroda ajtaja vaspántokkal van ellátva, az ablakon keresztvasak állnak. Az ajtó mindig dupla zár alatt van; a
  • 84.
    pénztárnok is csakakkor lép be, ha nagy summa pénzt kell kiadni vagy bevenni, különben a nagy irodában dolgozik. – Jőjjön már ki az irodából és menjen tovább! kiáltott bosszúsan a biztos úr. – Nem lehet kérem alássan, mert itt történt, – mondá lázasan Csató úr. – A nagy irodában vagy a kicsiben? – kérdé az állomási főnök. – A kicsiben, – mondá izgatottan Csató úr. – A pénztárnok kiolvasott tíz darab ezrest; mind a tízet összehajtva a tüsző négy zsebébe raktuk; azután – követem alássan – levetkőztem, a tüszőt csupasz derekamra csatoltam, felöltöztem, begombolkoztam, és mind a hárman visszamentünk az ebédlőbe. Csak tessék tovább mulatni – mondom vendégeimnek – de nekem mennem kell, mert a vonat félóra múlva indúl. Még egy pohár bort a szerencsés megérkezésre, mondja a jegyző, ki soha sem mulasztja el az alkalmat, ha toasztot lehet inni. Megtöltöttük tehát a poharakat. – Igya már ki poharát és menjen tovább, kiáltott haragosan a biztos úr, félbenhagyott pohár sörére gondolva. – Kiittuk a bucsúpoharat – folytatá Csató Bernát úr részletes vallomását – megcsókoltam feleségemet, kezet fogtam a vendégekkel, befogattam és kihajtattam a vasúthoz. Velem jött a kasznár és két uradalmi írnok, kik az egész úton énekeltek, hogy távol tartsák a rablókat. Az állomáson a kasznár azt tanácsolta, hogy külön alvó kocsit vegyek, mert úgyis egész éjszaka útban leszek, s legalább nem kell félnem, hogy tolvajokkal kerülök össze. Az egyik uradalmi írnok tüstént a pénztárhoz ment jegyet váltani, a másik a kocsiba vitte táskámat, aztán mindketten fölsegítettek, szerencsés útat kívántak, a kasznár még egyszer utánam kiáltott, hogy vigyázzak «ama bizonyosra» – nem mervén a tüszőt fönhangon említni ennyi ember hallatára – a konduktor becsapta az ajtót, harmadikat csengettek és elindúltunk –
  • 85.
    – Hála istennek,csakhogy elindúltak már, – mondá türelmetlenűl a biztos úr. – Én is azt mondtam – folytatá búskomoran Csató úr – és ledőlve szundikálni kezdtem. Hanem ma reggel, midőn ideérve fölébredtem, és első gondolatra tüstént tüszőmhöz kapva észrevettem, hogy nincs többé derekamon, akkor már nem mondtam azt, hogy hála istennek. – Mikor aludt el? kérdé az állomási főnök. – Azt hiszem, mindjárt útam kezdetén, – mondá Csató úr. – Miért hiszi? mondá szigorúan a biztos úr. – Mert egy állomás nevét sem hallottam, – mondá Csató úr. – Egyszer sem ébredt föl útközben? – kérdé az állomási főnök. – Nem emlékszem, – felelt Csató úr. – Nem vette észre, hogy álmában háborgatta volna valami? – kérdé az állomási főnök. – Nem – semmi – mondá Csató úr elgondolkozva. De igen – mégis – egyszer úgy éreztem, hogy erős léghúzam jő rám. – Honnan jött a léghúzam? – kérdé szigorúan a biztos úr. – Azt hiszem, a nyitott ablakokból, – mondá Csató úr. – Mért nem csukta be az ablakokat, ha nem szereti a léghuzamot? – mondá bosszúsan a biztos úr. – Tisztán emlékszem, s a kasznár és a két uradalmi írnok is látta, hogy Ligeten mind a két ablakot fölhúztam és a függönyöket lebocsátottam, – mondá izgatottan Csató úr. – S midőn ide érkeztem, a két ablak még mindig föl volt húzva s a függönyök le voltak bocsátva. – Honnan jött hát a léghuzam? – kérdé gyanakodó fejrázással a biztos úr.
  • 86.
    – Bizonyosan, mikora rabló kinyitotta az ajtót, – mondá az állomási főnök. A rendőrbiztos igen tudományos bámészkodással nézett a levegőbe, mintha onnan olvasná ki a rejtély megoldását. A betűk azonban nagyon olvashatatlanok lehettek, mert a biztos úr bámészkodása egyre tudományosabb alakot öltött ugyan, de semmi megnevezni való eredményre nem vezetett. Csató úr ezalatt a két törvényes bizonyság segélyével kiforgatta táskáját, zsebeit, levetkezett, felöltözött, megmozgatta a párnákat és az ülések alá bújt. Sok szemetet talált, de mindez nem ért tízezer forintot s nem is volt a tüszőben. Végre a biztos úr kibetűzte a levegőbe írt hieroglypheket, mert újra Csató úrra függesztette szemét s szigorúan e nagy fontosságú kérdést intézte hozzá: – Kire gyanakszik? – Uram istenem – mondá kezeit tördelve a szerencsétlen Csató úr – én senkire sem gyanakszom. Az ablakok sértetlenek, a kocsiba senkit sem eresztett be a vezető – – Megvan! – mondá ünnepélyesen a biztos úr. – A konduktor a tolvaj. – Lehetetlen! – kiáltott az állomási főnök. – A hol lopott pénzről van szó, ott semmi sem lehetetlen, – mondá szakértő tekintélylyel a rendőrbiztos. – Hozzák elő ez embert! Nem kellett messzire menni, a gyanúba vett egyenruhás férfiú ott állt a második kocsi mellett; és íjedten kimeredt szeme, halálos sápadtsága, midőn nevét hallotta a törvény képviselőjének ajkáról, ékesszólóan bizonyította bűnösségét, vagy legalább is rémületét. – Hol a lopott tízezer forint? – mondá a biztos úr, mellen ragadva a vádlottat. – Nem tudok róla semmit, – mondá a rémült ember, vaczogó fogakkal és összeverődő térdekkel. – Ártatlan vagyok.
  • 87.
    – Ezt mindengazember mondhatja magáról, – jegyzé meg keserű philosophiával a biztos úr. – Előre a börtönbe, a többit majd kideríti a vizsgáló bíró. – De kérem biztos úr, – szólt közbe az állomási főnök, – ez az ember mindig kifogástalan becsületü volt – – A hol pénzről van szó, ott nincs kifogástalan becsület, – mondá hívatalos felsőséggel a biztos úr. – Előre! – Előbb tessék a jegyzőkönyvet aláírni, mert addig nem szállok ki a kocsiból, – szólalt meg Csató úr az ablakból. A biztos úr ismét a légi hieroglyphek tudományos elemzésébe merűlt, s úgy látszott, fontos fölfedezést tett a láthatatlan betűk közt, mert egyik kezével a vezető gallérát tartva, a másikkal minden udvarias bevezetés nélkül kirántotta Csató urat a kocsiból, úgy hogy e termetes férfiú majdnem pórúl járt a nagy és váratlan ugrás következtében; s aztán őt is galléron ragadta. – Az úr is velem jön, – mondá a biztos úr. – Jó, de azért nem kell a galléromat fognia, – mondá Csató úr bosszús meglepetéssel. – A tolvajt gallérnál tartják, – mondá szentencziaképen a biztos úr. – Én nem vagyok tolvaj! – kiáltott elsápadva Csató úr. – Azt majd a vizsgáló bíró úr deríti ki, – felelt a biztos úr. – Hiszen engem loptak meg! – mondá kétségbeesetten Csató úr. – Az úr pénze volt az, vagy másé? – kérdé hívatalos sarkazmussal a biztos úr. – Földesuramé volt, – mondá tompán Csató úr.
  • 88.
    – A holmás ember pénzéről van szó, ott minden ember tolvaj, a ki hozzá férhet, – mondá rendőri axioma gyanánt a biztos úr. – Előre, jó madarak, a vizsgáló bíróhoz! Heveder Máté vizsgáló bíró úr igen éleselméjű kriminalista volt s egészen az új jogászi iskola híve. Európai színvonalon állt s mindenben megállapított elvek szerint járt el. Mint nagy eklektikus, fölhasználta az összes külföldi elméletek és gyakorlatok tudományos vívmányait, mindegyikből a legjobbat és leghasználhatóbbat szedve ki, fürge méh gyanánt, mely szorgalmas repülő állathoz még abban is hasonlított, hogy hatalmas fulánkkal volt ellátva. A vallatott gonosztevők sokkal jobban rettegtek maró sarkazmusától, mint a kilátásba helyezett büntetéstől, és sokszor csak azért is vallottak, hogy gúnyja csipős ostorától minél előbb megszabadúljanak. Egyik legnagyobb dicsősége volt Heveder Máté úrnak, hogy a művelt külföld színvonalán áll, és hogy legjelesebb jogászait, legfurfangosabb rendőreit saját fegyvereikkel győzte le, mint elégülten szokta mondani írnokának. A francziák csak annyira vitték – szokta mondani önérzetes mosolylyal – hogy minden rejtélyes bűnesetnél ez elvből indúlnak ki: Keresd a nőt. Én tovább megyek, s azt mondom: Találd meg a nőt…! és megis találom, – fejezé be diadalmasan – megtalálom, uram, eddig még mindig megtaláltam. A Csató-ügy igen fölvillanyozta Heveder urat és mozgásba hozta összes jogtudományi készletét. Az eltűnt tízezer forintos tüsző rejtélye alkalmasnak látszék, hogy a hazai és külföldi sajtó és szakértő közönség figyelmét teljes mértékben fölgerjeszsze s megoldása által dicsőséget hozzon a magyar törvénykezési gyakorlatra. Meg fogjuk mutatni – mondá egy hegyes szakállú és hajlott orrú héber ifjunak, ki a legtekintélyesebb hazai német lapokkal összeköttetésben állt s bűnügyi újdonságokkal látta el hasábjaikat – meg fogjuk mutatni a külföldnek, hogy mi sem állunk hátrább, s Gaboriau uram rendőri regényeire sokkal érdekesebb tárgyakat találhatna a mi praxisunkban, mint az ő híres Jeruzsálem- útczájában.
  • 89.
    Welcome to ourwebsite – the perfect destination for book lovers and knowledge seekers. We believe that every book holds a new world, offering opportunities for learning, discovery, and personal growth. That’s why we are dedicated to bringing you a diverse collection of books, ranging from classic literature and specialized publications to self-development guides and children's books. More than just a book-buying platform, we strive to be a bridge connecting you with timeless cultural and intellectual values. With an elegant, user-friendly interface and a smart search system, you can quickly find the books that best suit your interests. Additionally, our special promotions and home delivery services help you save time and fully enjoy the joy of reading. Join us on a journey of knowledge exploration, passion nurturing, and personal growth every day! ebookbell.com