Empfohlen
Weitere ähnliche Inhalte
Was ist angesagt?
Was ist angesagt? (20)
Ähnlich wie Python基礎その２
Ähnlich wie Python基礎その２ (20)
Kürzlich hochgeladen
Kürzlich hochgeladen (20)
Python基礎その２
- 1. 「Python プログラミング基礎その２」 九州大学 大学院システム情報科学研究院 情報知能工学部門 システム情報科学研究院 備瀬 竜馬, Diego Thomas, 末廣 大貴
- 5. Pythonでの関数定義 def double(x): y = x*2 return y 5 def :関数を定義する というおまじない 定義する関 数の名前 関数への 入力 ●Xを入力したらその値を2倍した数を出力する関数 字下げしてているところ までが、この関数の処 理のひとまとまり Yを関数の処理結果とし て出力するという意味
- 8. ●Enter the file editor ●新しくファイルを作成して、コードを書いて保存 関数の定義(エディタ) 8 This is the file editor 新規ファイ ル 関数を定義 ctrl+s
- 10. 定義した関数の利用 ●“import” することで、定義した関数を利用できる ●DoubleFuncという関数を呼び出し ●注）“working directory” に “DoubleFunc.py”が置いてあるかを確認 11
- 12. 入力と出力 ●Pythonでは, 入力 と 出力 は型をもったオブジェクト ●数値だけでなく、文字列や他のデータ構造もO.K. ●入力も複数の変数を入力できる ●数値：0, 1, 5.5 … ●文字列：“Hello World” ●データ構造：Array, list, dictionaries … 13
- 19. ベクトル ●list は 数字の組，つまりベクトル！ ●例：x=[62, 173] ●ベクトルで表現すると， ●データ間の「距離」 ●類似度 などが計算できました 20
- 21. ベクトルの演算:和 ●ベクトルの和（要素同士の和を取る） 22 𝑥1 𝑥2 𝑦1 𝑦2 𝒙 𝒚 𝑥1 + 𝑦1 𝑥2 + 𝑦2 ＃リストの初期化 リストへ要素を追加 関数の呼び出し
- 22. ベクトルの演算:差 ●ベクトルの差（要素同士の差を取る） 23 𝑥1 𝑥2 𝑦1 𝑦2 𝒙 𝒚 𝑥1 − 𝑦1 𝑥2 − 𝑦2 ＃リストの初期化 リストへ要素を追加 関数の呼び出し
- 23. ベクトルの演算:積 ●ベクトルと数値の積 24 𝑥1 𝑥2 𝒙 𝑠 × 𝑥1 𝑠 × 𝑥2 𝑠 × 関数の呼び出し関数の定義 s: scalar’’’
- 24. 練習２：2つのベクトル間の和と積を 「プログラムで」計算させよう 25 𝒙 = 3 5 , 𝒚 = 6 1 のとき 𝒙＋𝒚 , 𝒙 − 𝒚は？ 𝒙 = 3 5 2 , 𝒚 = 6 1 2 のとき 𝒙＋𝒚 , 𝒙 − 𝒚は？ ※）できた人は和や差を求める関数を定義して、関数を使って計算してみよう！
- 26. 複数のベクトルの和 ●ベクトルのリストを順に足していく（各要素ごとに足す） 27 + vectors vectors[0] vectors[1] vectors[2] vectors[3] 1つ目のベクトルを代入 2つ目以降のベクトルを逐次代入 resultに一つずつベクトルを足していく
- 28. 内積 ●覚えてますか？ ●要するに，「要素どおしの積をとって，全部足す」 ●その原理で，何次元ベクトルでも計算可能 𝒙 = 3 5 , 𝒚 = 6 1 の内積 → 𝒙 ∙ 𝒚 = 3 × 6 + 5 × 1 = 23 内積の書き方4種(どれも同じ) 𝒙 ∙ 𝒚 𝒙, 𝒚 𝒙, 𝒚 𝒙 𝑇 𝒚 3 5 と 6 1 の内積 3 5 2 と 6 1 2 の内積 3 5 6 1 3 5 2 6 1 2 × × × × × = 18 = 5 = 18 = 5 = 4 18 + 5 = 23 18 + 5 + 4 = 27 ※この調子で，4次元でも，100万次元でも可能
- 29. 内積 ●内積 30
- 30. 練習３：2つのデータ間の内積を 「プログラムで」計算させよう 31 𝒙 = 3 5 , 𝒚 = 6 1 のとき 𝒙 ⋅ 𝒚 は？ 𝒙 = 3 5 2 , 𝒚 = 6 1 2 のとき 𝒙 ⋅ 𝒚 は？ ※）できた人は内積を求める関数を定義して、関数を使って計算してみよう！
- 31. ベクトル間の距離 32
- 32. ユークリッド距離 (1) ●地図上の2点 𝒙 = 𝑥1 𝑥2 , 𝒚 = 𝑦1 𝑦2 𝑥1 𝑥2 𝑦2 𝑦1 𝒙 𝒚 この間の距離は？ 𝑥 − 𝑦 と記載
- 33. ユークリッド距離 (2) ●2次元の場合 ●3次元の場合 𝒙と 𝒚の距離の二乗 𝑥1 𝑥2 𝑦1 𝑦2 要素の差の二乗 要素の差の二乗 𝑥1 𝑥2 𝑥3 𝑦1 𝑦2 𝑦3 𝒙と 𝒚の距離の二乗 要素の差の二乗 要素の差の二乗 要素の差の二乗 𝒙 𝒚 𝒙 𝒚
- 34. ユークリッド距離 (3) ● 𝐷次元の場合 𝑥1 ⋮ 𝑥 𝐷 𝑦1 ⋮ 𝑦 𝐷 𝒙と 𝒚の距離の二乗 要素の差の二乗 要素の差の二乗 𝒙 𝒚 ⋮ というわけで，何次元ベクトルでも距離は計算可能 もちろん1次元ベクトル(数値)間の距離も計算可能 𝑥1 − 𝑦1 2
- 35. Sum of square：要素の2乗和 ●要素の2乗和 ●同じベクトルa 同士の内積 <a, a>は、aの二乗 和と同じ 36 mathライブラリの呼び出し
- 37. 練習４：2つのデータ間のユークリッド距離を「プログラ ムで」求めよう 38 𝑥 = 3, 𝑦 = 6のとき ユークリッド距離 𝑥 − 𝑦 は？ 𝒙 = 3 5 , 𝒚 = 6 1 のとき 𝒙 − 𝒚 は？ 𝒙 = 3 5 2 , 𝒚 = 6 1 2 のとき 𝒙 − 𝒚 は？ ※）できた人はユークリッド距離を求める関数を定義して、関数を使って計算してみよう！
- 42. おまじないと準備 ●import pandas as pd ●データの読み込み 43 ファイルの場所は各自置いた場所を 指定しよう
- 43. 読み込んだデータの中身 44 • 「データフレーム」という 形式で保存 • 行列（縦が行，横が列） • 気温データは • 縦が時間 • 横が地方 • 身長体重データは • 縦が人（サンプル） • 横が項目（性別，身長，体重）
- 51. Matplotlibを使った可視化 52 ●import matplotlib.pyplot as plt リストもしくは numpyのarray型 を入力
- 52. Numpy array への変換 53 Pandas の values を使うと numpy の array型として 抽出できる
- 53. 練習５：データの可視化 ●他の地方の分布も見てみよう ●福岡、札幌、那覇それぞれのヒストグラムを作成 ●bins と alpha を変えて３地点の分布を比較して みよう ●身長体重データでの統計値も見てみよう 54
- 56. 欠損値について ●csv の中に空白（欠損）があると， NaN （Not a Number）というものが入る ●サンプルファイルを読み込んでみてみよう 57
- 57. 欠損値について ●csv の中に空白（欠損）があると， NaN （Not a Number）というものが入る ●欠損値のあるデータ（行）を取り除く 58
- 58. 辞書 59
- 59. データベースの作成 ●まずは dictionaryの初期化 ●データのKeyと値(value)を入力 60 key New value: [height, weight]
- 61. 演習資料 Playing with the Body-mass index 62
- 62. 演習１ ●BMIを計算する関数を定義しよう！ ●辞書のデータを読み込んで、[height, weight]に加えて、 3番目の要素として、BMIを追加 ● [height, weight, BMI] ●ヒント： ●辞書からKeyとvalueを繰り返し読み込む方法 ●辞書にvalueを追加する方法 63
- 63. 64 Answer
- 64. 演習２ ●演習１で作成したBMI付きの辞書を可視化しよう ●まずそれぞれの項目ごとにリストを作ろう •Height_values, Weight_values, BMI_values •BMIをプロットしよう •ヒント）from matplotlib import pyplot as plt plt.plot •身長、体重をそれぞれ棒グラフで可視化しよう •ヒント） plt.bar 65
- 65. 66 Answer