Méthodes de traitement des données pour les ingénieurs mécaniciens et les ingénieurs non informaticiens (Introduction 2)

Dans la continuité de la dernière fois, j'écrirai l'introduction 2. Veuillez lire uniquement les parties nécessaires car le contenu futur sera comme suit.

  1. Introduction 1 (précédente)
  2. Introduction 2 (cette fois)
  3. À propos de la lecture et de l'écriture de CSV
  4. À propos de SQLite
  5. Dessin à l'aide de la bibliothèque matplotlib

Ensuite, c'est le contenu de cette fois. La dernière fois que j'ai présenté Python. Il peut être intégré dans l'IDE pour un développement à grande échelle, Ce sera loin de la ligne principale. Nous allons donc vous présenter un éditeur. Les éditeurs ont des goûts personnels, alors utilisez quelque chose de facile à utiliser. Sauf indication contraire, nous recommandons ce qui suit.

http://www.hi-ho.ne.jp/jun_miura/jmedit.htm

Téléchargez JmEditor à partir d'ici. C'est la fin de ce temps.

Recommended Posts

Méthodes de traitement des données pour les ingénieurs mécaniciens et les ingénieurs non informaticiens (Introduction 2)
Méthodes de traitement des données pour les ingénieurs mécaniciens et les ingénieurs non informaticiens (Introduction 1)
Liste des bibliothèques Python pour les data scientists et les data ingénieurs
Connaissances et méthodes d'étude requises pour les futurs analystes de données
Organisation des procédures de base pour l'analyse des données et le traitement statistique (2)
Introduction à la modélisation statistique pour l'analyse des données Test de rapport de ressemblance GLM et asymétrie de test
À propos du traitement d'expansion des données pour l'apprentissage en profondeur
Lissage des séries temporelles et des données de forme d'onde 3 méthodes (lissage)
Traitement et jugement de la collecte du plan d'analyse des données (partie 1)
Traitement et jugement de la collecte du plan d'analyse des données (partie 2)
[Français] didacticiel scikit-learn 0.18 Didacticiel d'apprentissage statistique pour le traitement des données scientifiques Apprentissage statistique: paramètres et objets d'estimation dans scikit-learn