1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

ガチ初心者のためのPythonチュートリアル ~AI・データサイエンティストへの第一歩~

Last updated at Posted at 2024-09-06

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ChatGPTPython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
image.png

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.

image.png

以上のように

【入力】
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
1
1
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
1
1

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?