すべてのカテゴリ

Pythonの機械学習やデータ分析において欠かせないライブラリの一つがNumpyです。Numpy（Numerical Python）は、大量のデータを効率的に扱うために開発されたPythonライブラリで、ベクトルや行列などの多次元配列を高速に処理することができます。１．Numpyのインストール以下のコマンドを使って、ターミナルからNumpyをインストールできます。pip install numpy ２．Numpyのインポート次に、Numpyをインポートします。通常、npというエイリアスを使ってインポートします。import numpy as np ３．Numpy配列の生成Numpyを用いて、多次元配列を生成することができます。# 一次元配列 a = np.array([1, 2, 3])print(a)# 二次元配列b = np.array([[1, 2, 3], [4, 5, 6]])print(b)また、特定の値で初期化された配列を作成することもできます。# すべての要素が0の配列 c = np.zeros((3, 3))print(c)# すべての要素が1の配列d = np.ones((3, 3))print(d)# 任意の値(7)で初期化した配列e = np.full((3, 3), 7)print(e)４．配列の操作配列の形状を取得したり、形状を変更したりすることができます。# 配列の形状を取得print(b.shape) # => (2, 3)# 配列の形状を変更b = b.reshape((3, 2))print(b) # => [[1 2]   

今回はpythonのライブラリのpandasについて紹介します。pandasは大規模なデータの処理が得意なライブラリです。AIやビッグデータでは大量のデータを扱うため、pandasの利用がほぼ必須となってきます。今回は簡単なサンプルプログラムをお見せして、どのように使うのかを紹介します。《PR:Pythonにお困りでしたらこちらからご相談ください》pandasの使い方pandasではデータフレーム(dataframe)という独自の型が存在します。pandasを使うならデータフレームを理解することが必須となります。データフレームを使うイメージを覚えてもらうため、データフレームの使用サンプルとして、データフレームにランダムな数（乱数）を入れてみたいと思います。import pandas as pdimport numpy as np# 行と列のサイズを指定rows = 5cols = 3# 乱数を生成して変数に代入random_data = np.random.rand(rows, cols)# 乱数で埋めるデータフレームを作成df = pd.DataFrame(random_data, columns=['A', 'B', 'C'])# 結果を表示print(df)データフレームに乱数を入れるプログラムはこのようになります。順番に説明していきます。# 乱数を生成して変数に代入random_data = np.random.rand(rows, cols)まずこの部分で、5かける3の乱数の配列を作っています。乱数の作成にはnumpyというライブラリを使っています。# 乱数で埋めるデ

Pythonはその使いやすさと、豊富なデータ分析関連のライブラリが存在するため、データ分析において広く使用されています。本記事ではPythonを使ったデータ分析の基本的な手順を、scikit-learnライブラリのデータセットを利用して解説します。０．必要なライブラリのインストール本記事では、ライブラリとしてpandas、numpy、matplotlib、seaborn、sklearnを使用します。インストールがまだお済でない場合、以下をコマンドプロンプトで実行してください。pip install pandas pip install numpy pip install matplotlibpip install seaborn pip install sklearn １．必要なライブラリのインポートデータ分析には様々なライブラリが使われますが、ここでは主にpandasとnumpy、そして可視化にはmatplotlibとseabornを使います。また、データセットを読み込むためのsklearn.datasetsもインポートします。import pandas as pd import numpy as npimport matplotlib.pyplot as pltimport seaborn as snsfrom sklearn import datasets２．データの読み込みscikit-learnには、分析の練習用としていくつかのデータセットが提供されています。ここでは、ワインの品質を示す「wine」データセットを利用します。wine = datasets.load_w