Pythonのenumerate()関数を使うと、forループの中でリストやタプルなどのイテラブルオブジェクトの要素と同時にインデックス番号（カウント、順番）を取得できる。インデックスは任意の値から開始可能。 組み込み関数 - enumerate() — Python 3.11.3 ドキュメント

elifとは elifとはif文に書かれた条件と一致しなかった場合に、別の条件との一致確認を行うための構文になります。 例えば「18歳以上の男性」もしくは「16歳以上の女性」という条件でチェックを行いたい場合に、「18歳以上の男性か」のチェックをif文で、「16歳以上の女性か」のチェックをelif文で行うというイメージです。 if … elif … elseの書き方 if … elif … elseは、同じ階層(インデント)で並べて書きます。 if 条件A: 処理A elif 条件B: 処理B else: 処理C 上記のように書くと、以下のような処理になります。 条件A に一致する場合は処理A 条件A には一致しないが、条件B には一致する場合は処理B 条件A, B のどちらにも一致しない場合は処理C 気を付けておきたいのが「条件A, Bのどちらにも一致する場合」ですが、この場合には条件A

※こちらの記事は、プロスタ編集部が現在大変人気の高いPythonの文法記事を公開することで、皆様の学習にお役に立ちたい意図で投稿しております。 参考サイト：【Python入門】format関数で文字列の書き方 #【Python入門】format関数で文字列の書き方 Pythonで変数を文字列に埋め込むには%演算子を使った%記法が長く用いられてきましたが、Python2.6以降はそれに代わる新しい方式が登場しました。それが「format関数」を使って変数を文字列中に埋め込む方法です。今回は「format関数」の使い方について説明します。 目次 [非表示] 1 format関数とは？ 2 format関数の構文 2.1 複数の引数を与える 2.2 リストやタプルを埋め込む 3 format関数の書式指定 3.1 書式指定のやり方 3.2 数値表現 3.3 幅 ##format関数とは？ for

2021/11/13：本文抽出+ノイズ除去済の「学問ノススメ」 ← 必要な方はこちらをクリック はじめに 前回の記事では「TF-IDF」によるワードクラウド描画にチャレンジしましたが、思い通りにならなかった点（以下）がありましたので、再度チャレンジしました。 scikit-learnの「TfidfVectorizer」というライブラリがうまく使えなかった… nlplot（自然言語可視化・分析ライブラリ）もフルで試せなかった 実力不足のため、苦労しましたが、なんとか任意のテキストデータで「Word Cloud」、「nlplotによる各種可視化」、「（TfidfVectorizer）によるTF-IDF計算」、「TF-IDFによるWord Cloud」が実行できるようになったたので、備忘も兼ね、記事にしたものです。 実行条件など ・Google colabで実行 ・青空文庫の「学問ノススメ」で実

昨日は新潟県長岡市に行って、市役所の職員向けと、一般向けに二回の講演を行った。 市役所の職員からの質問事項をよく読むと、ChatGPTを闇雲に何にでも使おうとして苦戦している姿が見てとれた。 たとえばこんな感じだ。 ⚪︎時に東京駅につく新幹線を予約したいとChatGPTに言ったが、公式サイトをチェックしろと言われた 我々からすればその回答は当たり前なのだが、闇雲になんでもChatGPTでやろうとするとこうなってしまうという典型的な例だった。当たり前だが、その目的ならえきねっと一択だ。 ChatGPTには限界がある。しかも低い。 だから通常はPluginと組み合わせたり、プログラムから呼び出したりするという「工夫」が必要になる。 GPTを使うプログラムを書くのはものすごく簡単だ。 たぶんプログラムの世界でも最も簡単な部類だろう。 たとえば僕がプログラムでGPTを使おうかなと思った時、こんなふ

Pandasとは Pandasは、Pythonでデータ分析を効率的に行うためのライブラリです。Pandasはオープンソース(BSDライセンス)で公開されており、個人／商用問わず、誰でも無料で利用することができます。 Pandasを使うと、 データの読み込みや統計量の表示 グラフ化 データ分析 に関する作業を容易に行うことができるようになります。また主要なコードはPythonまたはC言語で書かれており、Pythonだけでデータ分析を行うのと比較して、非常に高速に処理を行うことができます。 データ分析（データサイエンス）は、機械学習を行うまでの前処理（データの読み込み、クリーニング、欠損値の補完、正規化など）が、全ての作業の8〜9割を占めると言われています。Pandasを使うとそのような処理が効率的に行えるようになるため、Pythonで機械学習を行うには、Pandasは必須のライブラリとなって

Pandasとは Pandas(パンダス)とは、データ解析を容易にする機能を提供するPythonのデータ解析ライブラリです。 Pandasの特徴には、データフレーム(DataFrame)などの独自のデータ構造が提供されており、様々な処理が可能です。 特に、表形式のデータをSQLまたはRのように操作することが可能で、かつ高速で処理出来ます。 最新情報に関しては 公式ドキュメントを参考してください。 Pandasを使うことで、下記のようなことが出来ます。 CSVやExcel、RDBなどにデータを入出力できる データ前処理(NaN / Not a Number、欠損値) データの結合や部分的な取り出しやピボッド(pivot)処理 データの集約及びグループ演算 データに対しての統計処理及び回帰処理 なぜPandasを学ぶのか なぜPandasを学ぶのかについて説明します。 機械学習においてデータの

Pandas（パンダス）とは、データを効率的に扱うために開発されたPythonのライブラリの1つで、Numpyを使いやすく拡張したライブラリになります。 このライブラリも、データ分析、機械学習、ディープラーニングには必要不可欠なものになります。 NumPyがベクトルや行列などの数値計算に特化している一方で、Pandasは数値だけではなく、文字列などの様々なデータ型を扱うことができます。 NumPyとの使い分けとしては、機械学習やディープラーニングなどの大量の数値データを高速に扱う処理はNumpyを利用し、データの取り込みや加工、集計処理、数値以外のデータの処理などはPandasで実施します。 Pandasでは、次のような処理をすることができます。 CSVやExcelファイルなどの様々な形式のファイルからのデータ取り込み、書き込みインデックスの設定とインデックスを指定してのデータ検索Exce

はじめに この章から、実際にPythonのプログラムを実行していきますので、既にPythonの環境構築ができている前提で進めます。環境構築ができていない方は、Python開発環境編を先に完了して進めてください。 今すぐにPythonを始めたい方は、Google Colab(無料)を利用することですぐにPythonプログラミングを始めることができます。 Pythonとは Pythonはシンプルで理解しやすいプログラミング言語です。 Pythonを使うとWebアプリケーション開発、機械学習、統計処理など様々なことに使うことが出来ます。 GoogleやDropBox、Facebookなど様々な企業で使われています。 公式サイト Python2系と3系の違い 変更点はいくつかありますが、print文がprint()関数に変更されたことや、long型が廃止されint型として扱われたりなどあります。

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

最近プログラミングをPythonで始める人が多いですよね。でもPythonをダウンロードして、PCでプログラミングできるようにするには結構な手間が掛かります。 そこでおすすめなのが「Anaconda」。このAnacondaとはプログラミング言語「Python」やライブラリをまとめたものです。 それでは、今回は手軽にPythonを始めたい人におすすめな「Anaconda」のインストール方法や使い方をお話しましょう。 具体的には、Pythonがどんな言語であ、Anacondaがどのようなものであるのかや、Anacondaのインストールで気をつけること、Anacondaのパッケージ・ライブラリなどについても説明。 さらに、どのようにPythonをプログラミングしていけばよいのかをAnacondaに搭載されている「Jupyter Notebook」で行う方法も紹介します。 加えて最後には、このAn

ちょっとした拍子に日本語の極性分析 (感情分析) について知り、素人ながらちょこちょこと遊ばせていただきました。 一般的な極性分析 (感情分析) では、単語ごとに極性辞書と照らし合わせたスコアを、文全体で平均しています。 ですが、それで必ずしも直感に即したスコアが出ているのでしょうか……? 自然言語処理 Advent Calendar 2019 の 4 日目です。 昨日は kabayan55 さんの “「自然言語処理の勉強をしたい人」を対象に登壇した話” と Kazumasa Yamamoto さんの “spaCyのCLIで文書のカテゴリ分類を学習する” でした。 初めての Advent Calendar 参加となりますがどうぞよろしくお願いいたします。 まず、極性分析とは 単語にはポジティブな印象の単語と、ネガティブな印象の単語があると考える方は多いでしょう。 たとえば “明るい” はポ

久しぶりのブログ更新となります。 今回は、Dropout + ReLU のコード（python）を紹介します。 最近の Deep Learning 界隈は、もっぱらDropoutと新しい活性化関数の組み合わせが多いみたいですね。 しばらく触れないでいる内に、以前は最前線だった Deep Belief Nets や Stacked Denoising Autoencoders がすっかり下火になってしまったようで…。 Dropout + ReLU や Dropout + Maxout などが流行っているみたいですが、これは結局、いかに疎な（sparseな）ニューラルネットワークを構築できるかが学習の鍵になっている、ということなのでしょう。シンプルが一番というべきなのでしょうか…。 ともあれ、Dropoutは実装が難しくないのは嬉しい限りです。 ReLU (Rectified Linear U

インストール方法 インストール方法は pip を使って行うのが手っ取り早くて便利です。 pip install pyautogui 残念ながら pip でインストールするだけでは Windows では画像処理系がちゃんと動かない様子。 IOError: decoder zip not available pngファイルを扱おうとすると上記エラーが頻発します。 そのため、PILというライブラリをインストールしましょう。 pip install Pillow 使い方 指定画像をクリック import pyautogui image_path = "#set your image file path here" location = pyautogui.locateOnScreen(image_path) buttonx, buttony = pyautogui.center(location)