SEO施策においては、データを確認したうえで施策の内容や方向性を決めることは非常に重要です。しかし、データで何かを判断できるようになるには、いくつかのステップがあると思います。 それは「データを集める」ということです。 本記事を読んでいる方の中には、その「データ集め」をパワープレイ（手作業で集める）で行っている方も多いと思います。結論から述べると、今話題のプログラミング言語である「Python（パイソン）」と「Excel（エクセル）」を活用すれば、データ集めが自動化でき、分析まで可能です。 この流れができれば、あなたの隣にいるマーケターよりもワンランク上の分析業務ができること間違いありません。今回はSEO施策に従事している人向けに、PythonとExcelを組み合わせたSEO施策用の分析例をわかりやすく紹介していきます。 Pythonってよく聞くけど、SEO施策にどう使えるの？Python

Pythonライブラリとは Pythonのライブラリとは、複数のパッケージをまとめたものです。パッケージは複数のモジュールをまとめたもので、モジュールは複数の関数をまとめたものです。 つまり、 のような関係性があります。 ライブラリには、標準ライブラリと外部ライブラリがあります。標準ライブラリは、Pythonをインストールした際に標準でインストールされているライブラリです。そのため、自分でインストールをする必要はありません。 対して外部ライブラリは、標準ではインストールされておらず自分でインストールが必要なライブラリです。 ではここからは、各ライブラリの紹介しましょう。 まずはこれから！標準ライブラリ3選 標準ライブラリでおさえておきたいライブラリは3つです。 pip Pythonで書かれたライブラリをインストールや管理をするためのライブラリがpip。ライブラリをインストールする場合、pi

CodeZine編集部では、現場で活躍するデベロッパーをスターにするためのカンファレンス「Developers Summit」や、エンジニアの生きざまをブーストするためのイベント「Developers Boost」など、さまざまなカンファレンスを企画・運営しています。

連載目次 前回は、PyTorchの核となる部分の説明を行った。今回は、PyTorchの基礎部分といえる「テンソルとデータ型」をチートシート形式で確認する。 なお、本連載の第1回～第3回までは続きものとなっている。 全3回の大まかな流れは以下の通りである。 （1）ニューロンのモデル定義 （2）フォワードプロパゲーション（順伝播） （3）バックプロパゲーション（逆伝播）と自動微分（Autograd） （4）PyTorchの基礎： テンソルとデータ型 （5）データセットとデータローダー（DataLoader） （6）ディープニューラルネットのモデル定義 （7）学習／最適化（オプティマイザ） （8）評価／精度検証 このうち、（1）～（3）は前回説明済みである。今回は、（4）を説明する。それではさっそく説明に入ろう。※脚注や図、コードリストの番号は前回からの続き番号としている（第1回～第3回は、切り

例外については同じく「Python入門」の以下を参考にしてほしい。 「例外と例外処理の基礎」 「例外の送出と例外クラス」 モジュールとパッケージのインポート モジュールやパッケージをインポートするにはimport文を使用する。その主な構文を以下に示す。なお、以下ではモジュール名やパッケージ名を記述する際に単に「モジュール名」とだけ示すことがある。パッケージ内のサブパッケージなども含める際には「パッケージ名」と書くこともある。 # モジュール／パッケージをインポート import モジュール名 import パッケージ名.サブパッケージ名.モジュール名 # インポートしたモジュールを別名で使用 import モジュール名 as 別名 # モジュール／パッケージから特定のものだけをインポート from モジュール名 import 識別子（変数、関数、クラス、モジュールなど） # インポートした

ファイルのオープンとクローズ、with文を使った書き方からテキストファイルやバイナリファイルの読み書き、structモジュールまでをギュッとまとめた。

Pythonのコードを書くときに「ここってどう書くんだっけ？」となることがある。本連載では何回かに分けてまとめていこう。今回は組み込みのデータ型、変数、制御構文、演算子、関数定義についてまとめる（基本の基本なので忘れることも少ないかもしれないが）。

連載目次 前回は、urllib.requestモジュールを利用して、Webからファイルを取得する方法の基本を見た。今回は、このモジュールを使って得たHTMLファイルからBeautiful Soup 4というライブラリを使って必要なデータを抜き出す方法を見てみよう。 スクレイピングとは スクレイピング（scraping）とは、Webサイトに表示されたHTMLページ（あるいはXMLなど、その他のリソース）から自分が必要とする情報を抽出する（抜き出す）ことだ。特に近年では、機械学習などで大量のデータを取得する必要が出てきていて、それを手作業で行うことは現実的ではないことから、プログラムを使ってそれを自動化（半自動化）することが多くなっている。 Pythonにもスクレイピングを行うためのフレームワークやライブラリといったものが幾つもある。今回はそれらの中でBeautiful Soup 4というライ

docstringを使うと、Pythonのコードを書きながら、同時にそのドキュメントも作成できる。関数のdocstringを例にその基本的な書き方を見ていく。

スタックとキュー コンピュータ上で動作するプログラムではよく「スタック」と「キュー」と呼ばれる形式でデータが使われる。これらはいずれも複数のデータを保管して、それを取り出すために使われるデータ構造だが、データの取り出し方に違いがある。 プログラミングの世界における「スタック」（stack）とは「データを積み重ねたもの」という意味を持っている。 上の画像に示したように、スタックではデータは順番に積み重ねられていく。スタックにデータを積むことを、「プッシュ」という。これに対して、プッシュされたデータを取り出すことを「ポップ」と呼ぶ（「プル」と呼ぶこともある）。プッシュされたデータをポップする（取り出す）際には、直近にプッシュされたものが取り出される。スタックは「後に入れたデータが先に出てくる」データ構造といえる。これを「Last-in, First-out」「LIFO」「後入れ先出し」などと表

* 本稿は2019年5月21日、2022年6月17日に公開／改訂された記事を、Python 3.12.0で動作確認したものです（確認日：2023年10月16日）。 前回はPythonの関数の基礎知識を紹介した。関数呼び出しの方法、ユーザー定義関数の定義方法などがそうだ。今回は、位置指定引数とキーワード引数、パラメーターにデフォルト引数値を持たせる方法、可変長引数など、関数の引数について少々詳しく見ていこう。

繰り返し処理とは プログラムのよいところは、人にとっては面倒くさいことであっても、文句をいうことなく黙って繰り返し実行してくれるところだ。例えば、文字列を構成する一つ一つの要素を1文字ずつ画面に表示したいとする。繰り返し処理を使わなければ、これは次のようになる（実行結果は省略）。 message = 'Hello Python' print(message[0]) print(message[1]) print(message[2]) print(message[3]) print(message[4]) print(message[5]) print(message[6]) print(message[7]) print(message[8]) print(message[9]) print(message[10]) print(message[11])

はじめに 機械学習/ディープラーニング勉強としてやってきたこと -実践編-で Google Colab 最近使い始めましたが、これはすごいです！GPUだけでなくTPUまで使えます、そして無償です（ただし、TPUを使いこなすのはハードルが高そう）。既に役立つブログが書かれているので、それを検索して頂ければすぐに使い始められると思います。後日、それらのまとめ記事を書く予定です と書きましたので、Google Colabの使い方をまとめてみます。と言っても、【秒速で無料GPUを使う】深層学習実践Tips on Colaboratoryという素晴らしいブログが既にあるので、これを補足する形とします。 90分ルールと12時間ルール まず、最も重要なのがGoogle Colabには時間制限があるということです。2. シャットダウンまでの残時間は(90分ルールと12時間ルール)を読み理解しましょう。制限

* 本稿は2019年4月19日、2022年5月18日に公開／改訂された記事を、Python 3.11.5で動作確認したものです（確認日：2023年9月11日）。 前回は文字列の種類や書き方などを見たが、文字列に対してさまざまな操作を行うことも可能だ。例えば、文字数を数えたり、文字列から指定した位置（インデックス）にある文字を取り出したり、文字列内に特定の文字列が含まれているかを調べたりできる。以下では、これらの操作について簡単に見ていこう。

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

Pythonコードと図で分かる平均値と標準偏差の違い――「統計」とはデータから価値ある情報を抜き出すこと：「AI」エンジニアになるための「基礎数学」再入門（3）（1/2 ページ） AIに欠かせない数学を、プログラミング言語Pythonを使って高校生の学習範囲から学び直す連載。今回から具体的に数学を学びます。統計とは、統計量とは何かを数学記号や数式、Pythonコード、図を交えて解説します。 AIに欠かせない数学を、プログラミング言語Pythonを使って高校生の学習範囲から学び直す本連載『「AI」エンジニアになるための「基礎数学」再入門』。 初回は、「AIエンジニア」になるために数学を学び直す意義や心構え、連載で学ぶ範囲についてお話ししました。また前回は、「世の中にはどのようなデータがあるのか？」という部分を主に取り上げました。今回は、「それらデータをどう活用していくのか？」「活用するために