2020/3/19 ざっくりPython速習用　関数、ライブラリ紹介

1. 速習・ハンズオン使⽤
関数・ライブラリ辞書
©やさしいPythonラボ

2. Pythonの基礎
type(x)
データの型を調べる関数
©やさしいPythonラボ
print(x)
データや変数を出⼒する関数
x = []
リストの作成

3. x[0:2]
リストの要素の抜き出し
©やさしいPythonラボ
x.append(追加したいデータ)
リストの末尾にデータを追加
x.sum()
リスト内の要素の総和を計算

4. Pythonプログラミングの基礎
if (条件1):
(処理1)
elif (条件2):
(処理2)
else:
(処理3)
条件分岐
©やさしいPythonラボ
for i in range(繰り返し回数):
(処理)
繰り返し処理

5. ライブラリのインポート
import ライブラリ名
from ライブラリ名 import 関数名
プログラム↓↓
書き⽅
便利な道具 (関数)セット
関数化されたものが無料で公開されている
©やさしいPythonラボ

6. ライブラリ: Pandas (pd)
©やさしいPythonラボ
import pandas as pd # pdと略することが多いです
hoge_list = [[1,2,3],[4,5,6]]
pd.DataFrame(hoge_list)
書き⽅
• エクセルからデータを⼊⼒、出⼒
• 配列をきれいな形に整える︕

7. df_base= pd.read_csv(ʻファイル.csvʼ, オプション)
csvファイルの呼び出し、データフレームの作成
©やさしいPythonラボ
df.head()
データフレームの先頭5つの表⽰
df.isnull().sum() # .sum()を加えることで個数の合計を出⼒
⽋損値の検出
⽋損していたら1、していなかったら0に変換したリスト
を返す

8. df.value_counts()
ユニークな各カラムの値の種類の検出 (値が数値でない
とき有効)
©やさしいPythonラボ
df.value_counts().index()
ユニークな各カラムの値の取得
df.value_counts().values()
ユニークな各カラムの値のそれぞれの個数

9. df.loc[抽出したいカラム名 or ⾏名]
データの抽出
©やさしいPythonラボ
df.concat([df1, df2])
複数のデータフレームの連結
df.replace(‘データ名’, 数値)
ダミー変数の作成

10. df.drop(カラム名 or ⾏名)
データの除外
©やさしいPythonラボ
df.mean()
平均の出⼒
df.std()
標準偏差の出⼒

11. ライブラリ: Matplotlib
©やさしいPythonラボ
書き⽅
from matplotlib import pyplot as plt
hoge_list = [1, 2, 3, 4, 5]
# 直線の描画
plt.figure()
plt.plot(hoge_list)
plt.show()
• データを描画して、可視化する
• どんなグラフでもかける︕

12. plt.pie(x, y)
円グラフの出⼒
©やさしいPythonラボ
plt.hist(x, y)
ヒストグラムの出⼒
plt.scatter(x, y)
散布図の出⼒

13. ライブラリ: scikit-learn (sklearn)
©やさしいPythonラボ
import sklearn
書き⽅
機械学習⽤のライブラリ
• ⾮常に簡単に教師あり学習ができる
• 正規化やテストデータ作成等の機械学習のサポートが充実
• 使⽤できる学習モデルにはサポートベクターマシン(SVM)等があ
る。

14. from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
scaler.fit_transform(標準化したいデータ)
標準化
©やさしいPythonラボ
from sklearn.model_selection import train_test_split
X_train, X_test, Y_train, Y_test = train_test_split(X, Y)
データの分割
機械学習では、データをテストデータ、学習データに分
割する。その作業を⾏う関数。

15. from sklearn.svm import SVC
model = SVC() # モデルの定義
model.fit(X_train, Y_train) # 学習
predict_train = model.predict(X_train) # 学習モデルを⽤いて推定
サポートベクターマシーン (SVM)
分類問題を解くための教師あり機械学習モデル
今回の例で⾏くと、喫煙者と⾮喫煙者の境界線をどこに
引くかを決めることで予測をおこなう。
©やさしいPythonラボ

16. from sklearn.metrics import accuracy_score
accuracy_train = accuracy_score(Y_train, predict_train)
正解率
推定結果が正しいか否かを評価する
©やさしいPythonラボ
from sklearn.metrics import confusion_matrix
cm = confusion_matrix(Y_eva, predict_eva) #混合⾏列⽣成
混合⾏列
詳しくはハンズオン資料を確認

17. ライブラリ: Numpy (np)
©やさしいPythonラボ
import numpy as np # npと略することが多いです。
test_list = [1, 2, 3, 4]
test_array = np.array(hoge_list) # 配列化
書き⽅
リスト([1, 2, ...])を使いやすくしたもの︕
リストで使えた組み込み関数等はNumpyでも違う名前で使える
ことが多いです。