SlideShare a Scribd company logo
Tomomi Research Inc.
Python
for文 解説
2017/09/19 (Thu)
Seong-Hun Choe
Tomomi Research Inc.
背景
• PythonのFor文がなかなかくせもので、なかなか理解が難しかったので、そのモヤモヤを解消するため、その動作を
まとめてみた。
2017/9/26
for val in list_tohoku :
print(val)
繰り返しの変数(どんな名前でも良い)
リストの名前、先頭要素から処理される
Tomomi Research Inc.
Example(1)
2017/9/26
リストの準備
Tomomi Research Inc.
Example(2) : 平均値を求める
2017/9/26
リストの準備
Summationを入れる変数を準備
len(): リストのサイズを取得、
今回は 5
Tomomi Research Inc.
Example(2) : 平均値を求める ;Pythonっぽくコードを書く
2017/9/26
sum_tohoku += val
sum_tohoku = sum_tohoku + val
この表記になれること。
Tomomi Research Inc.
Example 3: for文 + range()
まず、range()
数字のリストを作ってくれる便利なものだけど、Python3でちょっと曲者になった。
2017/9/26
range(1,11)
1から始まって、11の手前までの連続したリストを作れ
print(range(1,11))
リストの中身を見たければ、print()ではなく、list()を使う。
Python3からの変更点
list(range(1,11))
Tomomi Research Inc.
Example 3: for文 + range()
まず、range()
数字のリストを作ってくれる便利なものだけど、Python3でちょっと曲者になった。
2017/9/26
Tomomi Research Inc.
Example 3: for文 + range()
例題:1から10までのSummationを求めるコード
2017/9/26
リストを作る。Range(1,11)に注意
中身を確認。
Summationを求める
Print文の使い方。ちょっと便利
Tomomi Research Inc.
Example 3: for文 + range()
例題:1から10までのSummationを求めるコード
2017/9/26
For文にrangeを入れる
For文にrangeを入れる
Tomomi Research Inc.
まとめ
1. Pythonのfor文は、他の言語と比較した場合、独特な表記をしている。(崔の考え)
2. For文はリストと使うことが基本。リスト作成といえば、range()
3. For文とrange()を同時に使える表記に慣れたら、しばらく安泰。
2017/9/26
Tomomi Research Inc.
2017
Sep Oct Nov Dec
目標
1. MNIST
2. Image Recognition
(CNN)
3. 株価、競馬の予測
(RNN)
スケジュール(時間は任意、イメージしやすくするため、まだ決まっていない)
2017/9/26
CP1 CP2 CP3
★Today
1.1 文法、for文、Classなど癖があるものを熟知
1.2 NumpyなどのLibrary利用
1.3 MNISTの場合、データのインポート(CSV、Binary形式)
2.1 Web教材(Udemy)
MNIST手書認識プログラム
2.1 Web教材(Udemy)
1.5 OpenCV (画像認識のLibrary)の使い方
2.2 本(ゼロから~)
2.2 本(ゼロから~)
1.4 Tensorflowの使い方
画像認識プログラム
2.1 Web教材(Udemy)
2.3 雑誌 (interface)
1.4 Tensorflowの使い方
株価、競馬の予測プログラム
3.1.Raspberry PI
3.2.Linux
2.1 Web教材(Coursea, AndrewNg)
各C.P.結果をWebで公開(例)
1. ppt : slideshare
2. code : github
3. FacebookのAI Communityに掲載
4. Qiitaに掲載

More Related Content

What's hot

Sort
SortSort
Sort
oupc
 
Boost.python
Boost.pythonBoost.python
Boost.python
fate_fox
 
Lazy Pairing Heap
Lazy Pairing HeapLazy Pairing Heap
Lazy Pairing Heap
Kei Hibino
 
Lispmeetup #39 MGLの紹介: Common Lispによるディープラーニング
Lispmeetup #39 MGLの紹介: Common LispによるディープラーニングLispmeetup #39 MGLの紹介: Common Lispによるディープラーニング
Lispmeetup #39 MGLの紹介: Common Lispによるディープラーニング
Satoshi imai
 

What's hot (19)

Sort
SortSort
Sort
 
Boost.python
Boost.pythonBoost.python
Boost.python
 
Scalable Partial Least Squares Regression on Grammar-Compressed Data Matrices
Scalable Partial Least Squares Regression on Grammar-Compressed Data MatricesScalable Partial Least Squares Regression on Grammar-Compressed Data Matrices
Scalable Partial Least Squares Regression on Grammar-Compressed Data Matrices
 
Chainer meetup20151014
Chainer meetup20151014Chainer meetup20151014
Chainer meetup20151014
 
My code
My codeMy code
My code
 
水素原子に対するSchrödinger方程式の数値解法
水素原子に対するSchrödinger方程式の数値解法水素原子に対するSchrödinger方程式の数値解法
水素原子に対するSchrödinger方程式の数値解法
 
バッテリー強奪! PythonをCommon Lispから使う
バッテリー強奪! PythonをCommon Lispから使うバッテリー強奪! PythonをCommon Lispから使う
バッテリー強奪! PythonをCommon Lispから使う
 
Arに対する古典分子動力学シミュレーション
Arに対する古典分子動力学シミュレーションArに対する古典分子動力学シミュレーション
Arに対する古典分子動力学シミュレーション
 
SchracVisualizeによる波動関数の可視化
SchracVisualizeによる波動関数の可視化SchracVisualizeによる波動関数の可視化
SchracVisualizeによる波動関数の可視化
 
単振り子と二重振り子のコンピュータシミュレーション
単振り子と二重振り子のコンピュータシミュレーション単振り子と二重振り子のコンピュータシミュレーション
単振り子と二重振り子のコンピュータシミュレーション
 
Lazy Pairing Heap
Lazy Pairing HeapLazy Pairing Heap
Lazy Pairing Heap
 
深層学習フレームワーク Chainerとその進化
深層学習フレームワークChainerとその進化深層学習フレームワークChainerとその進化
深層学習フレームワーク Chainerとその進化
 
20160611 pymc3-latent
20160611 pymc3-latent20160611 pymc3-latent
20160611 pymc3-latent
 
Lisp meetup #29 cl-online-learningの紹介
Lisp meetup #29 cl-online-learningの紹介Lisp meetup #29 cl-online-learningの紹介
Lisp meetup #29 cl-online-learningの紹介
 
最短経路問題
最短経路問題最短経路問題
最短経路問題
 
アルゴリズムとデータ構造14
アルゴリズムとデータ構造14アルゴリズムとデータ構造14
アルゴリズムとデータ構造14
 
Chainer Meetup LT (Alpaca)
Chainer Meetup LT (Alpaca)Chainer Meetup LT (Alpaca)
Chainer Meetup LT (Alpaca)
 
Lispmeetup #39 MGLの紹介: Common Lispによるディープラーニング
Lispmeetup #39 MGLの紹介: Common LispによるディープラーニングLispmeetup #39 MGLの紹介: Common Lispによるディープラーニング
Lispmeetup #39 MGLの紹介: Common Lispによるディープラーニング
 
20160319 プログラマのための数学勉強会
20160319 プログラマのための数学勉強会20160319 プログラマのための数学勉強会
20160319 プログラマのための数学勉強会
 

More from Seong-Hun Choe

More from Seong-Hun Choe (14)

AIFrienz_Webinar_Tomomi_Research_Inc).pdf
AIFrienz_Webinar_Tomomi_Research_Inc).pdfAIFrienz_Webinar_Tomomi_Research_Inc).pdf
AIFrienz_Webinar_Tomomi_Research_Inc).pdf
 
Tensor Explained
Tensor ExplainedTensor Explained
Tensor Explained
 
Installing tensorflow object detection on raspberry pi
Installing tensorflow object detection on raspberry piInstalling tensorflow object detection on raspberry pi
Installing tensorflow object detection on raspberry pi
 
TD4 Assembly Instruction
TD4 Assembly InstructionTD4 Assembly Instruction
TD4 Assembly Instruction
 
4bit-CPU : TD4の解説
4bit-CPU : TD4の解説4bit-CPU : TD4の解説
4bit-CPU : TD4の解説
 
딥러닝 추천교재 및 강좌
딥러닝 추천교재 및 강좌딥러닝 추천교재 및 강좌
딥러닝 추천교재 및 강좌
 
20170315 deeplearning from_scratch_ch01
20170315 deeplearning from_scratch_ch0120170315 deeplearning from_scratch_ch01
20170315 deeplearning from_scratch_ch01
 
NVIDIA ディープラーニング入門
NVIDIA ディープラーニング入門NVIDIA ディープラーニング入門
NVIDIA ディープラーニング入門
 
DC-DC-Converter Evaluation Report
DC-DC-Converter Evaluation Report DC-DC-Converter Evaluation Report
DC-DC-Converter Evaluation Report
 
LTSpice : How to import the transistor spice model
LTSpice : How to import the transistor spice modelLTSpice : How to import the transistor spice model
LTSpice : How to import the transistor spice model
 
RF Power Amplifier Tutorial (2) Class A, B and C
RF Power Amplifier Tutorial (2) Class A, B and CRF Power Amplifier Tutorial (2) Class A, B and C
RF Power Amplifier Tutorial (2) Class A, B and C
 
RF Power Amplifier Tutorial (1)
RF Power Amplifier Tutorial (1)RF Power Amplifier Tutorial (1)
RF Power Amplifier Tutorial (1)
 
Impedance matching of the RF sputtering system
Impedance matching of the RF sputtering systemImpedance matching of the RF sputtering system
Impedance matching of the RF sputtering system
 
Introduction of the Wireless Power Transfer System using Inductive resonant ...
Introduction of the Wireless Power Transfer  System using Inductive resonant ...Introduction of the Wireless Power Transfer  System using Inductive resonant ...
Introduction of the Wireless Power Transfer System using Inductive resonant ...
 

Python : for文の解説

  • 1. Tomomi Research Inc. Python for文 解説 2017/09/19 (Thu) Seong-Hun Choe
  • 2. Tomomi Research Inc. 背景 • PythonのFor文がなかなかくせもので、なかなか理解が難しかったので、そのモヤモヤを解消するため、その動作を まとめてみた。 2017/9/26 for val in list_tohoku : print(val) 繰り返しの変数(どんな名前でも良い) リストの名前、先頭要素から処理される
  • 4. Tomomi Research Inc. Example(2) : 平均値を求める 2017/9/26 リストの準備 Summationを入れる変数を準備 len(): リストのサイズを取得、 今回は 5
  • 5. Tomomi Research Inc. Example(2) : 平均値を求める ;Pythonっぽくコードを書く 2017/9/26 sum_tohoku += val sum_tohoku = sum_tohoku + val この表記になれること。
  • 6. Tomomi Research Inc. Example 3: for文 + range() まず、range() 数字のリストを作ってくれる便利なものだけど、Python3でちょっと曲者になった。 2017/9/26 range(1,11) 1から始まって、11の手前までの連続したリストを作れ print(range(1,11)) リストの中身を見たければ、print()ではなく、list()を使う。 Python3からの変更点 list(range(1,11))
  • 7. Tomomi Research Inc. Example 3: for文 + range() まず、range() 数字のリストを作ってくれる便利なものだけど、Python3でちょっと曲者になった。 2017/9/26
  • 8. Tomomi Research Inc. Example 3: for文 + range() 例題:1から10までのSummationを求めるコード 2017/9/26 リストを作る。Range(1,11)に注意 中身を確認。 Summationを求める Print文の使い方。ちょっと便利
  • 9. Tomomi Research Inc. Example 3: for文 + range() 例題:1から10までのSummationを求めるコード 2017/9/26 For文にrangeを入れる For文にrangeを入れる
  • 10. Tomomi Research Inc. まとめ 1. Pythonのfor文は、他の言語と比較した場合、独特な表記をしている。(崔の考え) 2. For文はリストと使うことが基本。リスト作成といえば、range() 3. For文とrange()を同時に使える表記に慣れたら、しばらく安泰。 2017/9/26
  • 11. Tomomi Research Inc. 2017 Sep Oct Nov Dec 目標 1. MNIST 2. Image Recognition (CNN) 3. 株価、競馬の予測 (RNN) スケジュール(時間は任意、イメージしやすくするため、まだ決まっていない) 2017/9/26 CP1 CP2 CP3 ★Today 1.1 文法、for文、Classなど癖があるものを熟知 1.2 NumpyなどのLibrary利用 1.3 MNISTの場合、データのインポート(CSV、Binary形式) 2.1 Web教材(Udemy) MNIST手書認識プログラム 2.1 Web教材(Udemy) 1.5 OpenCV (画像認識のLibrary)の使い方 2.2 本(ゼロから~) 2.2 本(ゼロから~) 1.4 Tensorflowの使い方 画像認識プログラム 2.1 Web教材(Udemy) 2.3 雑誌 (interface) 1.4 Tensorflowの使い方 株価、競馬の予測プログラム 3.1.Raspberry PI 3.2.Linux 2.1 Web教材(Coursea, AndrewNg) 各C.P.結果をWebで公開(例) 1. ppt : slideshare 2. code : github 3. FacebookのAI Communityに掲載 4. Qiitaに掲載