Suche senden
Hochladen
200319 eash python_shareslide_functions
•
0 gefällt mir
•
70 views
Hiroki Katayama
Folgen
2020/3/19 ざっくりPython速習用 関数、ライブラリ紹介
Weniger lesen
Mehr lesen
Daten & Analysen
Melden
Teilen
Melden
Teilen
1 von 17
Empfohlen
第3回Webkit/HTML5勉強会 - File APIと加速度センサー
第3回Webkit/HTML5勉強会 - File APIと加速度センサー
nakamura001
研究生のためのC++ no.2
研究生のためのC++ no.2
Tomohiro Namba
研究生のためのC++ no.7
研究生のためのC++ no.7
Tomohiro Namba
PythonでLispを実装した (evalつき)
PythonでLispを実装した (evalつき)
t-sin
Intoroduction of Pandas with Python
Intoroduction of Pandas with Python
Atsushi Hayakawa
関数型プログラミング入門 with OCaml
関数型プログラミング入門 with OCaml
Haruka Oikawa
研究生のためのC++ no.4
研究生のためのC++ no.4
Tomohiro Namba
アルゴリズムとデータ構造11
アルゴリズムとデータ構造11
Kenta Hattori
Empfohlen
第3回Webkit/HTML5勉強会 - File APIと加速度センサー
第3回Webkit/HTML5勉強会 - File APIと加速度センサー
nakamura001
研究生のためのC++ no.2
研究生のためのC++ no.2
Tomohiro Namba
研究生のためのC++ no.7
研究生のためのC++ no.7
Tomohiro Namba
PythonでLispを実装した (evalつき)
PythonでLispを実装した (evalつき)
t-sin
Intoroduction of Pandas with Python
Intoroduction of Pandas with Python
Atsushi Hayakawa
関数型プログラミング入門 with OCaml
関数型プログラミング入門 with OCaml
Haruka Oikawa
研究生のためのC++ no.4
研究生のためのC++ no.4
Tomohiro Namba
アルゴリズムとデータ構造11
アルゴリズムとデータ構造11
Kenta Hattori
Freer Monads, More Extensible Effects
Freer Monads, More Extensible Effects
Hiromi Ishii
Extensible Eff Applicative
Extensible Eff Applicative
Sanshiro Yoshida
Real World OCamlを読んでLispと協調してみた
Real World OCamlを読んでLispと協調してみた
blackenedgold
Haskell で CLI
Haskell で CLI
Nobutada Matsubara
Introduction to NumPy & SciPy
Introduction to NumPy & SciPy
Shiqiao Du
純粋関数型アルゴリズム入門
純粋関数型アルゴリズム入門
Kimikazu Kato
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
Nagi Teramo
NumPyが物足りない人へのCython入門
NumPyが物足りない人へのCython入門
Shiqiao Du
関数プログラミング入門
関数プログラミング入門
Hideyuki Tanaka
JavaScript入門
JavaScript入門
Ryo Maruyama
入門機械学習6章
入門機械学習6章
Kazufumi Ohkawa
Cython ことはじめ
Cython ことはじめ
gion_XY
Javaセキュアコーディングセミナー東京第3回演習の解説
Javaセキュアコーディングセミナー東京第3回演習の解説
JPCERT Coordination Center
(define)なしで再帰関数を定義する
(define)なしで再帰関数を定義する
blackenedgold
Rubyの御先祖CLUのお話(原本)
Rubyの御先祖CLUのお話(原本)
洋史 東平
Task
Task
Shingo Nakamura
Python for Data Anaysis第2回勉強会4,5章
Python for Data Anaysis第2回勉強会4,5章
Makoto Kawano
Wrapping a C++ library with Cython
Wrapping a C++ library with Cython
fuzzysphere
15分でざっくり分かるScala入門
15分でざっくり分かるScala入門
SatoYu1ro
Incanterの紹介
Incanterの紹介
mozk_
Python基礎その2
Python基礎その2
大貴 末廣
たのしい関数型
たのしい関数型
Shinichi Kozake
Weitere ähnliche Inhalte
Was ist angesagt?
Freer Monads, More Extensible Effects
Freer Monads, More Extensible Effects
Hiromi Ishii
Extensible Eff Applicative
Extensible Eff Applicative
Sanshiro Yoshida
Real World OCamlを読んでLispと協調してみた
Real World OCamlを読んでLispと協調してみた
blackenedgold
Haskell で CLI
Haskell で CLI
Nobutada Matsubara
Introduction to NumPy & SciPy
Introduction to NumPy & SciPy
Shiqiao Du
純粋関数型アルゴリズム入門
純粋関数型アルゴリズム入門
Kimikazu Kato
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
Nagi Teramo
NumPyが物足りない人へのCython入門
NumPyが物足りない人へのCython入門
Shiqiao Du
関数プログラミング入門
関数プログラミング入門
Hideyuki Tanaka
JavaScript入門
JavaScript入門
Ryo Maruyama
入門機械学習6章
入門機械学習6章
Kazufumi Ohkawa
Cython ことはじめ
Cython ことはじめ
gion_XY
Javaセキュアコーディングセミナー東京第3回演習の解説
Javaセキュアコーディングセミナー東京第3回演習の解説
JPCERT Coordination Center
(define)なしで再帰関数を定義する
(define)なしで再帰関数を定義する
blackenedgold
Rubyの御先祖CLUのお話(原本)
Rubyの御先祖CLUのお話(原本)
洋史 東平
Task
Task
Shingo Nakamura
Python for Data Anaysis第2回勉強会4,5章
Python for Data Anaysis第2回勉強会4,5章
Makoto Kawano
Wrapping a C++ library with Cython
Wrapping a C++ library with Cython
fuzzysphere
15分でざっくり分かるScala入門
15分でざっくり分かるScala入門
SatoYu1ro
Incanterの紹介
Incanterの紹介
mozk_
Was ist angesagt?
(20)
Freer Monads, More Extensible Effects
Freer Monads, More Extensible Effects
Extensible Eff Applicative
Extensible Eff Applicative
Real World OCamlを読んでLispと協調してみた
Real World OCamlを読んでLispと協調してみた
Haskell で CLI
Haskell で CLI
Introduction to NumPy & SciPy
Introduction to NumPy & SciPy
純粋関数型アルゴリズム入門
純粋関数型アルゴリズム入門
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
「plyrパッケージで君も前処理スタ☆」改め「plyrパッケージ徹底入門」
NumPyが物足りない人へのCython入門
NumPyが物足りない人へのCython入門
関数プログラミング入門
関数プログラミング入門
JavaScript入門
JavaScript入門
入門機械学習6章
入門機械学習6章
Cython ことはじめ
Cython ことはじめ
Javaセキュアコーディングセミナー東京第3回演習の解説
Javaセキュアコーディングセミナー東京第3回演習の解説
(define)なしで再帰関数を定義する
(define)なしで再帰関数を定義する
Rubyの御先祖CLUのお話(原本)
Rubyの御先祖CLUのお話(原本)
Task
Task
Python for Data Anaysis第2回勉強会4,5章
Python for Data Anaysis第2回勉強会4,5章
Wrapping a C++ library with Cython
Wrapping a C++ library with Cython
15分でざっくり分かるScala入門
15分でざっくり分かるScala入門
Incanterの紹介
Incanterの紹介
Ähnlich wie 200319 eash python_shareslide_functions
Python基礎その2
Python基礎その2
大貴 末廣
たのしい関数型
たのしい関数型
Shinichi Kozake
Introduction of Python
Introduction of Python
Tomoya Nakayama
おいしいLisp
おいしいLisp
Kent Ohashi
Rあんなときこんなとき(tokyo r#12)
Rあんなときこんなとき(tokyo r#12)
Shintaro Fukushima
2023_freshman
2023_freshman
TakaakiYonekura
たのしい高階関数
たのしい高階関数
Shinichi Kozake
Rの高速化
Rの高速化
弘毅 露崎
Introduction to cython
Introduction to cython
Atsuo Ishimoto
ひのきのぼうだけで全クリ目指す
ひのきのぼうだけで全クリ目指す
AromaBlack
20170131 python3 6 PEP526
20170131 python3 6 PEP526
masahitojp
Python Kyoto study
Python Kyoto study
Naoya Inada
Javaセキュアコーディングセミナー東京第3回講義
Javaセキュアコーディングセミナー東京第3回講義
JPCERT Coordination Center
C# 式木 (Expression Tree) ~ LINQをより深く理解するために ~
C# 式木 (Expression Tree) ~ LINQをより深く理解するために ~
Fujio Kojima
Node.jsでつくるNode.js ミニインタープリター&コンパイラー
Node.jsでつくるNode.js ミニインタープリター&コンパイラー
mganeko
ALPSチュートリアル(4) Python入門
ALPSチュートリアル(4) Python入門
Computational Materials Science Initiative
Pythonはどうやってlen関数で長さを手にいれているの?
Pythonはどうやってlen関数で長さを手にいれているの?
Takayuki Shimizukawa
Fork/Join Framework。そしてLambdaへ。
Fork/Join Framework。そしてLambdaへ。
Yuichi Sakuraba
PHPの今とこれから 2013
PHPの今とこれから 2013
Rui Hirokawa
pi-6. 繰り返し
pi-6. 繰り返し
kunihikokaneko1
Ähnlich wie 200319 eash python_shareslide_functions
(20)
Python基礎その2
Python基礎その2
たのしい関数型
たのしい関数型
Introduction of Python
Introduction of Python
おいしいLisp
おいしいLisp
Rあんなときこんなとき(tokyo r#12)
Rあんなときこんなとき(tokyo r#12)
2023_freshman
2023_freshman
たのしい高階関数
たのしい高階関数
Rの高速化
Rの高速化
Introduction to cython
Introduction to cython
ひのきのぼうだけで全クリ目指す
ひのきのぼうだけで全クリ目指す
20170131 python3 6 PEP526
20170131 python3 6 PEP526
Python Kyoto study
Python Kyoto study
Javaセキュアコーディングセミナー東京第3回講義
Javaセキュアコーディングセミナー東京第3回講義
C# 式木 (Expression Tree) ~ LINQをより深く理解するために ~
C# 式木 (Expression Tree) ~ LINQをより深く理解するために ~
Node.jsでつくるNode.js ミニインタープリター&コンパイラー
Node.jsでつくるNode.js ミニインタープリター&コンパイラー
ALPSチュートリアル(4) Python入門
ALPSチュートリアル(4) Python入門
Pythonはどうやってlen関数で長さを手にいれているの?
Pythonはどうやってlen関数で長さを手にいれているの?
Fork/Join Framework。そしてLambdaへ。
Fork/Join Framework。そしてLambdaへ。
PHPの今とこれから 2013
PHPの今とこれから 2013
pi-6. 繰り返し
pi-6. 繰り返し
Mehr von Hiroki Katayama
2020.7.24開催 【夏休み特別編】寝る前の15分で見つけよう!今年の夏はAIを自由研究 #2 人と話す - 聞いて分かるのはかんたんなことではありません
2020.7.24開催 【夏休み特別編】寝る前の15分で見つけよう!今年の夏はAIを自由研究 #2 人と話す - 聞いて分かるのはかんたんなことではありません
Hiroki Katayama
2020.7.17開催 【夏休み特別編】寝る前の15分で見つけよう!今年の夏はAIを自由研究 #1 人を見つける - なぜパパのスマホはわたしの顔ではロッ...
2020.7.17開催 【夏休み特別編】寝る前の15分で見つけよう!今年の夏はAIを自由研究 #1 人を見つける - なぜパパのスマホはわたしの顔ではロッ...
Hiroki Katayama
2020.06.30 DELL×NAIST DX Tech Play AIハンズオンセミナー ~予測モデル構築実践~
2020.06.30 DELL×NAIST DX Tech Play AIハンズオンセミナー ~予測モデル構築実践~
Hiroki Katayama
2020.5.28開催 朝の15分でわかるAIニュース解説 「AIがコロナ危機を予測」 #3 関連書籍の紹介
2020.5.28開催 朝の15分でわかるAIニュース解説 「AIがコロナ危機を予測」 #3 関連書籍の紹介
Hiroki Katayama
2020.5.14開催 朝の15分でわかるAIニュース解説 「AIがコロナ危機を予測」 #1 ニュースの解説
2020.5.14開催 朝の15分でわかるAIニュース解説 「AIがコロナ危機を予測」 #1 ニュースの解説
Hiroki Katayama
200319 eash python_shareslide
200319 eash python_shareslide
Hiroki Katayama
Mehr von Hiroki Katayama
(6)
2020.7.24開催 【夏休み特別編】寝る前の15分で見つけよう!今年の夏はAIを自由研究 #2 人と話す - 聞いて分かるのはかんたんなことではありません
2020.7.24開催 【夏休み特別編】寝る前の15分で見つけよう!今年の夏はAIを自由研究 #2 人と話す - 聞いて分かるのはかんたんなことではありません
2020.7.17開催 【夏休み特別編】寝る前の15分で見つけよう!今年の夏はAIを自由研究 #1 人を見つける - なぜパパのスマホはわたしの顔ではロッ...
2020.7.17開催 【夏休み特別編】寝る前の15分で見つけよう!今年の夏はAIを自由研究 #1 人を見つける - なぜパパのスマホはわたしの顔ではロッ...
2020.06.30 DELL×NAIST DX Tech Play AIハンズオンセミナー ~予測モデル構築実践~
2020.06.30 DELL×NAIST DX Tech Play AIハンズオンセミナー ~予測モデル構築実践~
2020.5.28開催 朝の15分でわかるAIニュース解説 「AIがコロナ危機を予測」 #3 関連書籍の紹介
2020.5.28開催 朝の15分でわかるAIニュース解説 「AIがコロナ危機を予測」 #3 関連書籍の紹介
2020.5.14開催 朝の15分でわかるAIニュース解説 「AIがコロナ危機を予測」 #1 ニュースの解説
2020.5.14開催 朝の15分でわかるAIニュース解説 「AIがコロナ危機を予測」 #1 ニュースの解説
200319 eash python_shareslide
200319 eash python_shareslide
200319 eash python_shareslide_functions
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。