今日はひたすらPandasのテクニックを確認しました。
次回はMatplotlib やります。
カテゴリー: data_science
data_science:Chapter5 Scipy
こんにちはKeita_Nakamoriです。
Scipyのおさらいをしました。
科学技術用モジュールというだけあって、
補間 スプライン補間 interplate linalg
特異値分解 LU分解 コレスキー分解
数値積分 微分方程式 integrate
最適化 二分法 ブレント法 ニュートン法 optimize
高速フーリエ変換 信号処理 画像処理
などなど、盛りだくさんです。
線形代数関係は、さっぱりなところもありましたので、必要になったときに再び掘り下げて学習しなおそうと思います。
スクリプト
data_science:Chapter5 Numpy
こんにちは Keita_Nakamorです。
Numpyをおさらいしました。
pythonに慣れている人であればNumpyは普段から使用するのでサラッと流す程度で良いでしょう。
スクリプト
data_scientist_chapter_5_numpy
data_science:Chapter4 確率と統計の基礎
こんにちはKeita_Nakamoriです。
データサイエンティスト育成講座、連休のおかげで久々に手がつけられました。
主に確率分布、推定、検定の話でした。苦手な分野なので地道に理解しながら牛歩のごとく進めました。
スクリプトメモ
次回は再びNumpyやらPandasの使い方になるのでさらっと行けたら良いなと思います。
data_science:Chapter3 記述統計と単回帰分析
こんにちはKeita_Nakamori(´・ω・`)です。
ここから統計っぽくなってきました。
記述統計 推論統計 回帰とやっていきます。
ディレクトリの操作もJupyter notebook上でできますのでメモっています。
データの読み込み＞pandas.DataFrame化
ヒストグラム 箱ひげ図 散布図
分散 標準偏差 変動係数 相関係数 共分散 相関
線形単回帰分析 決定係数（寄与率）
ローレンツ曲線 ジニ係数化
スクリプトメモ
data_science:Chapter2 科学計算 データ加工 グラフの基礎
こんにちは Keita_Nakamori(´・ω・`)です。
Numpy, Scipy, pandas, Matplotlib, seaborn の基礎です。
この章も、Python慣れしている方は読み飛ばして問題ない章です。
スクリプトメモ
data_science:Chapter1 Pythonの基礎
こんにちは、Keita_Nakamori(´・ω・`)です。
「東京大学のデータサイエンティスト育成講座」を参考に学習を進めています。
pythonで色々と実行していきますので、章ごとにスクリプトのメモを残していこうと思います。※ 我流でやっていますので本書の中身とは異なります。
第一章はpythonの基礎的な操作方法なので、なれている方にとっては読み飛ばして良いところです。
無名関数（ラムダ式）の復習くらいですかね。ああ、そんなのもあったな程度です。高階関数 イテレーター ジェネレータ デコレーターなどは出てきません。
基本、なくてもデータサイエンスでは困りません。
スクリプトメモ