この記事のゴール
- Pythonについて理解する
- Pythonのインストール方法が分かる
- Pythonの実行環境の構築方法が分かる
- Pythonの便利機能について理解する
この記事を読めば,Pythonを使うメリットや実際に使うときのイメージが湧きやすいと思います!!
また,チュートリアル用の実践コードは以下を参照してください
(現在作成中,後日掲載予定)
尚,本記事では,VSCode(Visual Studio Code)を入れている前提で進めます.
開発は基本このVSCodeを使うので,インストールがまだの方は以下の記事を参照して,今すぐ入れてください!!
初心者にもわかる「VSCode」の導入から基本操作まで解説
Pythonとは
AI,機械学習やデータ分析,Web開発など、Pythonはさまざまな分野に使える汎用性の高い言語です。
特に「第3次AIブーム」に位置付けられている昨今では「人工知能(AI)」をはじめとした先端技術開発において人気が高く、
話題のChatGPTもPythonで開発されています。
Pythonのインストールと環境構築
Pythonのインストール
Pythonを使うためには、まず公式サイトからインストールを行います。
Pythonの公式ページ(https://www.python.org/downloads/)から、Pythonをダウンロードし、インストールを完了させます。
本記事ではPython 3.1.2.5のインストール方法について解説します.
尚,インストールすべきversionについては
Pythonのインストールすべきバージョンについて 2024年版
を参照してください.
PATHを通す設定を行って,インストールする.
PATHを通す→特定のプログラムをプログラム名だけで実行できるようにする
例)
通っていない:"C¥Users¥name¥AppData¥Local¥Programs¥Python¥Python312¥python.exe"
通っている:python
のように,PATHを通さないと,恐ろしいことに毎回超長いコマンドを打つことになる.
Jupyter Notebookの導入
Visual Studio Codeの拡張機能である,Jupyter Notebookをインストールする.
Jupyter Notebookはセル形式でプログラムを実行できるもので,
- 開発したコードを即時実行でき,コードの検証がしやすい
- プログラム、コメント、標準出力や作図などのプログラムの出力結果が1つにまとまっており、情報が整理されやすく他人とも共有がしやすい
- データ分析のようなある処理の結果を考慮し、次の行動が決まるような作業が直感的に行える
- コードを逐次実行しながら結果が確認できるため、教育用コンテンツとして配布しやすい
のようにJupyter Notebookは本格的な開発に適しているとは言えないものの,
コードのテスト検証やデータ分析結果の可視化・共有と教育分野においては非常に利用しやすい形式です.
VSCode上でのインストール
VScodeを開いて,拡張機能のうちのJupyterをインストールする
動作確認として,適当なディレクトリにtest.ipynb
というファイルを作成.
Jupyter Notebookを利用するには,.ipynbという拡張子が必須.
以上のように
print("hoge")
と入力して,実行出来たらOK!
それではPythonの便利機能を体感しましょう!
まずは、各ライブラリを以下のコマンドでインストールしてください。
NumPyのインストール
pip3 install numpy
Pandasのインストール
pip3 install pandas
Matplotlibのインストール
pip3 install matplotlib
Numpyチュートリアル
Numpyの強み
Numpyは、大規模な数値計算を高速に行うためのライブラリです。特に、配列操作(array)や行列演算(matrix)に優れ、科学技術計算で広く利用されています.
そして,Numpyの高速な配列演算の基礎となるのが,多次元配列オブジェクトであるndarrayです.
とにかく,Pythonに高速なデータ処理機能を提供する基礎となるものがこの,
Numpyでありndarrayと覚えておいてください!
配列の作成と操作
import numpy as np
# 1次元配列の作成
arr = np.array([1, 2, 3, 4]) #ndarrayの作成
print(arr)
# 2次元配列の作成
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix)
for文やif文を使った配列操作
Numpyを使えば、for文を使わずに効率的な計算が可能ですが、必要に応じてfor文やif文を使用することもあります。
# すべての要素に2を足す
arr = np.array([1, 2, 3, 4])
for i in range(len(arr)): #i=0~3
arr[i] += 2
print(arr) # Output: [3, 4, 5, 6]
# 条件に応じた要素の選択
arr = np.array([1, 2, 3, 4, 5])
arr = arr[arr > 2]
print(arr) # Output: [3, 4, 5]
Pandasチュートリアル
Pandasの強み
Pandasはデータの管理や分析に特化したライブラリで、特にデータフレーム(Dataframe)を用いた操作が容易である点が特徴です.他のツール(Numpyやmatplotlib)と相性が良い
データフレームの作成と基本操作
import pandas as pd
# データフレームの作成
data = {'Name': ['Alice', 'Bob', 'Charlie'],
'Age': [25, 30, 35],
'City': ['New York', 'Los Angeles', 'Chicago']}
df = pd.DataFrame(data)
print(df)
データの選択と条件付きフィルタリング
# 特定の列の選択
names = df['Name'] #Nameのデータだけを抽出し,namesに格納
print(names)
# 条件に基づく行のフィルタリング
filtered_df = df[df['Age'] > 30] #年齢が30以上のデータをfiltered_dfに格納
print(filtered_df)
if文を使ったデータ操作
Pandasでもif文を使って条件に基づくデータの処理が可能です。
# 年齢が30歳以上なら 'Senior'、それ以外は 'Junior' とする新しい列を作成
df['Category'] = df['Age'].apply(lambda x: 'Senior' if x >= 30 else 'Junior')
print(df)
Matplotlibチュートリアル
データの可視化
Matplotlibは、データの可視化に用いられる強力なライブラリです.
高品質のプロットを作成可能で、作図におけるきめ細かな調整機能が備わっているmatplotlibは、あらゆる図を作成可能で、多機能すぎて使いこなすのが難しいくらいです笑
一般的な利用範囲ではmatplotlibにおいてpyplotモジュールを使用することがほとんどです.
ここでは,簡単なグラフの作成方法を紹介します.
基本的なグラフの作成
import matplotlib.pyplot as plt #pyplotモジュール
# データの準備
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
# 折れ線グラフの作成
plt.plot(x, y, label='Prime Numbers') #plotするデータの選択とデータ名
plt.xlabel('X Axis') #x軸のラベル
plt.ylabel('Y Axis') #y軸のラベル
plt.title('Simple Line Plot') #タイトル設定
plt.legend() #凡例
plt.show() #図の表示