Juliaで遊んでみた - 準備編 #データサイエンス

最近流行りつつある科学計算処理向けの高水準言語「Julia」の基本操作をまとめていきます。
1.準備編
2.確率分布・仮説検定と可視化編
3.データフレーム操作編

chapter.0 利用環境の準備

1.Julia install

Macユーザー向けです。
Juliaをインストールするには、公式サイトhttp://www.julialang.org からディスクイメージ（.dmg）をダウンロードし、内容をアプリケーション・フォルダにコピーするだけです。インストールしたJulia.appを起動すると、ターミナルの中でJuliaが立ち上がり、すぐに利用開始できます。

brew があればターミナルから以下が簡単です。


$ brew cask install julia

2.起動

ターミナルから以下で起動（ "Julia-1.2" の箇所は install 時のバージョンを入れる）


$ /Applications/Julia-１.２.app/Contents/Resources/julia/bin/julia

PATHを通す

$ export PATH=${PATH}:/Applications/Julia-1.2.app/Contents/Resources/julia/bin
$ source .bash_profile

起動してみる

$ julia
              _
   _       _ _(_)_     |  Documentation: https://docs.julialang.org
  (_)     | (_) (_)    |
   _ _   _| |_  __ _   |  Type "?" for help, "]?" for Pkg help.
  | | | | | | |/ _` |  |
  | | |_| | | | (_| |  |  Version 1.2.0 (2019-08-20)
 _/ |\__'_|_|_|\__'_|  |  Official https://julialang.org/ release
|__/                   |

julia>

3.juliaの各種モードとjupyter notebookでの利用

juliaはいくつかモードがあって、それを切り替えながら使用します。
まずは、jupyter notebook で使用するために IJulia パッケージを install してみたいと思います。

パッケージ isntall

まずターミナルから julia 起動


$ julia

で " ] " と入力すると


(v1.2)pkg>

上記のようにパッケージ管理などを行える REPL モードに移るので


(v1.2)pkg> add IJulia

で IJulia の install ができます。これだけで jupyter notebook で使用する準備はOKです。
※jupyter notebook 未 install の方は install しましょう。
なお、Anaconda から jupyter を install した方は設定方法が異なるかも。ご注意を
念のため jupyter の kernel 一覧を確認してみると...


$ jupyter kernelspec list
Available kernels:
  julia-1.2       /Users/xxxx/Library/Jupyter/kernels/julia-1.2

なお、install 済みパッケージの確認は "st" コマンドで。


(v1.2)pkg> st
  Status `~/.julia/environments/v1.2/Project.toml`
 [xxxxxxxx] IJulia v1.20.2

ちなみに各種パッケージやライブラリのinstallはこのREPLモードで行うようです。
他にもモードがあるので、ちょっと紹介。

shell モード

その名の通りですが、shell （bash）入力が可能なモード

$ julia

で、" ; "と入力。

shell>

ためしに、

shell> pwd
/Users/xxxx

こんな感じ。

helpモード

Rの "?" や python の "help()" に相当するモード

$ julia

で、" ? "と入力。

help?>

ためしに、

help?> sum
## ドキュメント

こんな感じ。

jupyter notebook でのモード切り替え

notebook セル内でそのまま入力。

chapter.1 基本操作

1.基本的な算術


julia> 1 + 2 + 3
6
julia> 1 - 2
-1
julia> 3 * 2 / 12
0.5
julia> 3 ^ 2 # 3の二乗 Excelっぽい
9
julia>　x = 1
1
julia>　x += 4
5
julia>　x % 3
2
julia> div(17, x) # python で言う所の 17//5
3
julia> x = 2 ; y = 3 #  一行で複数の変数を定義することも
3
julia> x + y
5
julia> z = (x = 1; y = 2; x + y) # このような記述方法もある
3

2.配列


julia> [1 2 3]
1×3 Array{Int64,2}:
 1  2  3

julia> Int64[1 2 3] # 配列の型指定
1×3 Array{Int64,2}:
 1  2  3

julia> Float64[1 2 3]
1×3 Array{Float64,2}:
 1.0  2.0  3.0

julia> String["A" "B" "C"]
1×3 Array{String,2}:
 "A"  "B"  "C"

julia> Any[1 "A"]
1×2 Array{Any,2}:
 1  "A"

julia> size([1 2 3 4 5]) # pandas の".shape"や R の"dim"に相当
(1, 5)

julia> length([1 2 3 4 5]) # python の "len()"に相当

julia> a = [1 2 3 4 5]
julia> a[1] # index は 1 から
1

julia> a[[2 4]] # 複数 index
1×2 Array{Int64,2}:
 2  4

julia> a[1:3] スライス
3-element Array{Int64,1}:
 1
 2
 3

julia> maximum(a)
5

julia> minimum(a)
1

julia> sum(a)
15

julia> A = [1 2 3 ; 4 5 6] # 行列
2×3 Array{Int64,2}:
 1  2  3
 4  5  6
# 以下も同じ意味
# A = [1 2 3
#      4 5 6]

julia> A' #  転置
3×2 Adjoint{Int64,Array{Int64,2}}:
 1  4
 2  5
 3  6

julia> A[5] # 次元数を気にせず一つのindexで要素アクセス。Rのmatrixっぽい
3

julia> A[:, 2] # index指定。numpy,Rっぽい
2-element Array{Int64,1}:
 2
 5

3.ベクトルの演算


julia> a = [1 2 3] ; b = [4 5 6]
julia> a + b
1×3 Array{Int64,2}:
 5  7  9

julia> a - b
1×3 Array{Int64,2}:
 -3  -3  -3

julia> a .* b # a * b ではない点に注意
1×3 Array{Int64,2}:
 4  10  18

julia> a .+ 1
1×3 Array{Int64,2}:
 2  3  4

julia> a .* 5
1×3 Array{Int64,2}:
 5  10  15

線形代数のパッケージもある
なお、ライブラリの import は using [ライブラリ名称]


julia> using LinearAlgebra
julia> dot(a ,b) # 内積
32
julia> cosineθ = dot(a, b) / (sqrt(dot(a,　a)) * sqrt(dot(b,　b)))
0.9746318461970762

他の配列データ型


julia> tuple(1,2) # python と一緒
(1,2)
julia> Set([1 1 2 3 4 4]) # 集合 S が大文字！！
Set([4, 2, 3, 1])

julia> my_profile　= Dict([("name", "Hiro"), ("age", 35)]) # 辞書
Dict{String,Any} with 2 entries:
  "name" => "Hiro"
  "age"  => 35

julia>　my_profile = Dict("name" => "Hiro", "age" => 35) # これも一緒
Dict{String,Any} with 2 entries:
  "name" => "Hiro"
  "age"  => 35
julia> user_profile["name"]
"Hiro"

その他


julia> π
π = 3.1415926535897...

julia> ℯ
ℯ = 2.7182818284590...

julia> 1 / (1 + ℯ^-2)
0.8807970779778823

julia> x = [1 2 3 4] # 配列の場合
julia> 1 ./ (1　.+ ℯ.^-x) # 演算子の先頭に . を付ける
1×4 Array{Float64,2}:
 0.731059  0.880797  0.952574  0.982014

julia> 日本語変数もできる = 10
10
julia> 日本語変数もできる + 1
11

4.制御フロー

ここからは jupyter notebook

for文



関数

※思いの外、量が多くなってしまったので、何回かに分けます。次回は確率分布と可視化の予定