200319 eash python_shareslide_functions
0 likes70 views
2020/3/19 ざっくりPython速習用 関数、ライブラリ紹介
![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](https://image.slidesharecdn.com/200319eashpythonshareslidefunctions-200319090200/85/200319-eash-python_shareslide_functions-2-320.jpg)
![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](https://image.slidesharecdn.com/200319eashpythonshareslidefunctions-200319090200/85/200319-eash-python_shareslide_functions-3-320.jpg)
![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︕](https://image.slidesharecdn.com/200319eashpythonshareslidefunctions-200319090200/85/200319-eash-python_shareslide_functions-6-320.jpg)
![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](https://image.slidesharecdn.com/200319eashpythonshareslidefunctions-200319090200/85/200319-eash-python_shareslide_functions-9-320.jpg)
![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︕](https://image.slidesharecdn.com/200319eashpythonshareslidefunctions-200319090200/85/200319-eash-python_shareslide_functions-11-320.jpg)
![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。](https://image.slidesharecdn.com/200319eashpythonshareslidefunctions-200319090200/85/200319-eash-python_shareslide_functions-17-320.jpg)
200319 eash python_shareslide_functions
- 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
- 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
- 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︕
- 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。