Dossier d'apprentissage n ° 20 (24e jour)

Dossier d'apprentissage (24e jour)

Début des études: samedi 7 décembre

Matériel pédagogique, etc.: ・ Miyuki Oshige "Détails! Note d'introduction à Python3 »(Sotech, 2017): 19/12 (jeudi) Terminé ・ Cours Progate Python (5 cours au total): se termine le samedi 21 décembre ・ Andreas C. Müller, Sarah Guido "(titre japonais) Apprentissage automatique à partir de Python" (O'Reilly Japon, 2017): Terminé le samedi 23 décembre ・ Kaggle: Real or Not? NLP with Disaster Tweets: Publié du samedi 28 décembre au vendredi 3 janvier Ajustement ・ ** Wes Mckinney "(titre japonais) Introduction à l'analyse de données par Python" (O'Reilly Japon, 2018) **: 4 janvier (samedi) ~

"Introduction à l'analyse de données avec Python"

p.346 Chapitre 10 L'agrégation des données et le calcul des groupes sont terminés.

Chapitre 9 Tracé et visualisation

・ Explication des bibliothèques de visualisation de données telles que matplotlib et seaborn Des éléments de configuration tels que les types de ligne peuvent être trouvés dans ** DocString (nom de la fonction + '?') **. (Si vous importez matplotlib avec as plt, utilisez-le comme ** plt.plot? **.)

-En gros, matplotlib doit être utilisé, et des bibliothèques complémentaires telles que pandas et seaborn doivent être utilisées si nécessaire.

Préparation du terrain


import matplotlib.pyplot as plt
fig = plt.figure() #Un objet qui contient une fonction de tracé.
ax1 = fig.add_subplot(1, 1, 1) #Ajoutez un ou plusieurs sous-graphiques au tracé.

#Le format de la figure et les données d'entrée sont décrits ci-dessous.

・ Aperçu de ce que vous pouvez faire Réglage des marges, partage des axes, titre, légende et réglage de la position d'affichage (position optimale avec loc = 'best'), Rotation des étiquettes (rotation), ajouter une annotation (annoter), ajouter une figure (add_patch), Réglage de la valeur par défaut de matplotlib (méthode rc)

Classe d'axe (AxesSubplot)Paramétrage par lots des attributs à l'aide de la méthode set de


props = {'title': 'namae no ikkatsu settei', 'xlabel': 'aiueo'}
ax.set(**props)

-DataFrame a également une méthode de tracé. Peut être utilisé tel quel pour les trames de données.

Visualisation de la fréquence de valeur


s.value_counts().plot.bar() #Barre horizontale à barh

Le package seaborn facilite la visualisation des données qui doivent être agrégées ou résumées avant le traçage. Spécifiez les données dans les données d'argument et spécifiez les noms de ligne et de colonne du bloc de données en x et y.

・ Histogramme: type de graphique à barres, affichant la fréquence des valeurs sous forme de données discrètes

-Graphique de densité: généré à partir d'une distribution de probabilité continue présumée avoir produit les données observées Habituellement, cette distribution est approximée comme une simple somme telle qu'une distribution normale appelée noyau. Par conséquent, le graphique de densité est également appelé «graphique d'estimation de la densité du noyau (KDE)». (Plot.kde)

・ Une méthode qui semble être utilisée très souvent seaborn.distplot (peut créer des graphiques d'histogramme et d'estimation de la densité en même temps) seaborn.regplot (Créer un diagramme de dispersion et appliquer une ligne de régression par régression linéaire) seaborn.pairplot (Une matrice de diagramme de dispersion comparant chaque élément peut être visualisée à la fois)

Chapitre 10 Agrégation de données et calcul de groupe

・ Groupe de pandas par méthode Le traitement arbitraire peut être exécuté en combinant des éléments d'ensembles de données (compris)

-Le processus de calcul de groupe est un flux de split-apply-combine.

-Plusieurs éléments peuvent être spécifiés pour un ensemble de données. Est-il possible d'extraire des valeurs arbitraires, de les traiter (moyenne, décompte, etc.), puis de les regrouper à nouveau?

-Il peut également être classé à l'aide d'informations cartographiques à l'aide d'un dictionnaire.

・ Fonctions de la méthode groupby (nombre, somme, moyenne, médiane ...) Couvrons les calculs arithmétiques de base.

-Le nom donné lors de l'agrégation des données avec groupby peut être modifié en passant un taple. Vous pouvez également spécifier aucun index avec as_index = False.

-Apply sépare les objets, ** applique la fonction passée à chaque élément, puis ** joint. La fonction passée à apply demande de l'imagination car le programmeur doit l'implémenter lui-même.

-Tableau croisé et tabulation croisée. Il peut être implémenté à la fois dans les fonctions de trame de données et group by. Être capable de les gérer sera utile pour le nettoyage des données, la modélisation et l'analyse statistique.

Recommended Posts

Dossier d'apprentissage n ° 21 (25e jour)
Dossier d'apprentissage n ° 10 (14e jour)
Dossier d'apprentissage n ° 24 (28e jour)
Dossier d'apprentissage n ° 23 (27e jour)
Dossier d'apprentissage n ° 25 (29e jour)
Dossier d'apprentissage n ° 26 (30e jour)
Dossier d'apprentissage n ° 20 (24e jour)
Dossier d'apprentissage n ° 14 (18e jour) Kaggle4
Dossier d'apprentissage n ° 15 (19e jour) Kaggle5
Fiche d'apprentissage 4 (8e jour)
Fiche d'apprentissage 9 (13e jour)
Fiche d'apprentissage 5 (9e jour)
Fiche d'apprentissage 6 (10e jour)
Fiche d'apprentissage 8 (12e jour)
Fiche d'apprentissage 16 (20e jour)
Dossier d'apprentissage 22 (26e jour)
Fiche d'apprentissage 13 (17e jour) Kaggle3
Fiche d'apprentissage 12 (16e jour) Kaggle2
Dossier d'apprentissage n ° 18 (22e jour)
Dossier d'apprentissage n ° 19 (23e jour)
Dossier d'apprentissage n ° 29 (33e jour)
Dossier d'apprentissage n ° 28 (32e jour)
Dossier d'apprentissage n ° 27 (31e jour)
Fiche d'apprentissage 11 (15e jour) Participation de Kaggle
Enregistrement d'apprentissage de la programmation 2ème jour
Dossier d'apprentissage
Dossier d'apprentissage n ° 3
Dossier d'apprentissage n ° 2
Apprentissage Python jour 4
Fiche d'apprentissage (2ème jour) Scraping par #BeautifulSoup
Fiche d'apprentissage (4e jour) #Comment obtenir le chemin absolu à partir du chemin relatif
Dossier d'apprentissage jusqu'à présent
Fiche d'apprentissage Linux ① Planifier
<Cours> Apprentissage en profondeur: Day2 CNN
Fiche d'apprentissage (3e jour) Méthode de description du sélecteur #CSS #Scraping avec BeautifulSoup
<Cours> Apprentissage en profondeur: Jour 1 NN
Enregistrement d'apprentissage (6ème jour) #Set type #Dictionary type #Conversion automatique de l'ensemble de taples de liste #ndarray type #Pandas (type DataFrame)
Sujets> Deep Learning: Day3 RNN
Étudiez en profondeur le Deep Learning [DW Day 0]