(PRIVATE)(教育用) pythonによるデータ解析のための基礎

(private 用)

最低限の基礎知識 & 解析に使用する知識

チェックボックスがないのは見出し、あるのは演習

チェックボックスがあるものに対して

わかりそう → 答えてみる＆やってみる

わからない → 「わからないんでググります」といい調べて答えをだしてみる

（5分くらい)調べてもわからない → 「調べてわからないっす」という

1. 環境構築

• anaconda インストール
• jupyter notebook の起動
  • python 3 ファイルの新規作成

2. 基本スクリプトの実行

• 代入、演算、標準出力
  • 変数に値を代入して基本的な演算ができる
  • 変数に主に代入されるのは数値、文字列、boolean
    • boolearn とは何か
  • 変数の中身を標準出力で確認する

3. numpy の利用

• numpy とは
• numpy を import する
• Array 操作
  • Array とは何か
  • 配列
    • ['a','b','c'] という配列を変数 arr1 に代入
  • 行列

    • 以下のような行列を変数 arr2 に代入

      $$
      \begin{bmatrix}
      1 & 2 & 3 \\
      4 & 5 & 6 \
      7 & 8 & 9
      \end{bmatrix}
      $$

    • Array 演算

      • arr2 と 2 との和、差、積、商、をarr3 ~ arr6 に代入（行列とスカラーの演算とは）
      • arr2 と arr3 の積を arr4 に代入し、結果を確認する（Array 同士の積とは)

    • ランダムな配列、行列

      • numpy の random.rand(n) を利用して生成
      • 生成したランダム配列の値の合計、平均、標準偏差、分散、最大値、最小値を numpy の関数を用いて求める
      • 同様にランダムな行列を生成
      • 生成した行列の行ごとに上記の値を算出

4. pandas の利用

• pandas とは何か
• pandas から Series と DataFrame を import する
• Series と DataFrame
  • Series
    • Series とは何か
    • arr1 に ['A','B,','C'] というインデックスをつけたものを ser1 に代入する
    • ser1 において、Index = 'B' の値を出力する
  • DataFrame
    • DataFrame とは何か
    • DataFrame の作成、編集
      • arr1 に ['A','B,','C'] というインデックスをつけたものを df1 に代入する
      • df1 に ['a','b','c'] というカラムをつけたものを df2 に代入する
      • df2 の 2~3 行目だけ取り出したものを df3 に代入する
      • df3 の新しい行に arr1 を追加する
      • DataFrame の結合
        • df2 の右に df3 を結合
    • データの入出力
      • df3 を sample_1.csv というファイル名で作業ディレクトリ内に保存する
      • df4 に sample_1.csv の中身を読み込んだものを代入する
• pandas 自体を import するだけでも Series, DataFreme は利用できるが、どう違うのか（この場合どのように DataFrame を呼び出すのか)
  • 以下の二行の違い

ex.ipynb

import pandas
from pandas import DataFrame, Series

5. 波形の図示

(応用)は必須じゃないけど今後研究で使えるのがあるかもしれないので暇な時に

• matplotlib
  • matplotlib とは(何ができるライブラリ？)
  • matplotlib のインポート
  • sin波をプロットしてみよう（丸投げ）
    • 図示したsin波に対して色々注文を投げます
  • 測定データの csv ファイルを読み込んでプロットしてみよう(TBD)
  • （応用）複数のグラフを同時に出そう
    • ひとつの窓に複数のグラフをプロット
    • それぞれに窓を用意してプロット
  • （応用）いろんなグラフをプロットしよう(TBD)

6. 照合

(TBD)

7. 機械学習の利用

(TBD)