![ベクトル
●list は 数字の組，つまりベクトル！
●例：x=[62, 173]
●ベクトルで表現すると，
●データ間の「距離」
●類似度
などが計算できました
20](https://image.slidesharecdn.com/course20180528bise-180605043910/85/DS-Exercise-Course-3-19-320.jpg)
![復習：list
●数字のリスト：[]の中に数字をコンマ区切りで記載
?ベクトルとして扱うことができる
●例：
21](https://image.slidesharecdn.com/course20180528bise-180605043910/85/DS-Exercise-Course-3-20-320.jpg)
![複数のベクトルの和
●ベクトルのリストを順に足していく（各要素ごとに足す）
27
+
vectors
vectors[0] vectors[1] vectors[2] vectors[3]
1つ目のベクトルを代入
2つ目以降のベクトルを逐次代入
resultに一つずつベクトルを足していく](https://image.slidesharecdn.com/course20180528bise-180605043910/85/DS-Exercise-Course-3-26-320.jpg)
![データベースの作成
●まずは dictionaryの初期化
●データのKeyと値(value)を入力
58
key
New value: [height, weight]](https://image.slidesharecdn.com/course20180528bise-180605043910/85/DS-Exercise-Course-3-57-320.jpg)
![演習１
●BMIを計算する関数を定義しよう！
●辞書のデータを読み込んで、[height, weight]に加えて、
3番目の要素として、BMIを追加
● [height, weight, BMI]
●ヒント：
●辞書からKeyとvalueを繰り返し読み込む方法
●辞書にvalueを追加する方法
61](https://image.slidesharecdn.com/course20180528bise-180605043910/85/DS-Exercise-Course-3-60-320.jpg)
DS Exercise Course 3
- 1. データサイエンス概論第二＋演習第一「 Pythonによるプログラミング」 (5月22日) 九州大学 大学院システム情報科学研究院 情報知能工学部門 システム情報科学研究院 備瀬 竜馬, Diego Thomas, 末廣 大貴
- 5. Pythonでの関数定義 def double(x): y = x*2 return y 5 def :関数を定義する というおまじない 定義する関 数の名前 関数への 入力 ●Xを入力したらその値を2倍した数を出力する関数 字下げしてているところ までが、この関数の処 理のひとまとまり Yを関数の処理結果とし て出力するという意味
- 8. ●Enter the file editor ●新しくファイルを作成して、コードを書いて保存 関数の定義(エディタ) 8 This is the file editor 新規ファイ ル 関数を定義 ctrl+s
- 10. 定義した関数の利用 ●“import” することで、定義した関数を利用できる ●DoubleFuncという関数を呼び出し ●注）“working directory” に “DoubleFunc.py”が置いてあるかを確認 11
- 12. 入力と出力 ●Pythonでは, 入力 と 出力 は型をもったオブジェクト ●数値だけでなく、文字列や他のデータ構造もO.K. ●入力も複数の変数を入力できる ●数値：0, 1, 5.5 … ●文字列：“Hello World” ●データ構造：Array, list, dictionaries … 13
- 19. ベクトル ●list は 数字の組，つまりベクトル！ ●例：x=[62, 173] ●ベクトルで表現すると， ●データ間の「距離」 ●類似度 などが計算できました 20
- 21. ベクトルの演算:和 ●ベクトルの和（要素同士の和を取る） 22 ??1 ??2 ??1 ??2 ?? ?? ??1 + ??1 ??2 + ??2 ＃リストの初期化 リストへ要素を追加 関数の呼び出し
- 22. ベクトルの演算:差 ●ベクトルの差（要素同士の差を取る） 23 ??1 ??2 ??1 ??2 ?? ?? ??1 ? ??1 ??2 ? ??2 ＃リストの初期化 リストへ要素を追加 関数の呼び出し
- 23. ベクトルの演算:積 ●ベクトルと数値の積 24 ??1 ??2 ?? ?? × ??1 ?? × ??2 ?? × 関数の呼び出し関数の定義
- 24. 練習２：2つのベクトル間の和と積を 「プログラムで」計算させよう 25 ?? = 3 5 , ?? = 6 1 のとき ??＋?? , ?? ? ??は？ ?? = 3 5 2 , ?? = 6 1 2 のとき ??＋?? , ?? ? ??は？ ※）できた人は和や差を求める関数を定義して、関数を使って計算してみよう！
- 26. 複数のベクトルの和 ●ベクトルのリストを順に足していく（各要素ごとに足す） 27 + vectors vectors[0] vectors[1] vectors[2] vectors[3] 1つ目のベクトルを代入 2つ目以降のベクトルを逐次代入 resultに一つずつベクトルを足していく
- 28. 内積 ●覚えてますか？ ●要するに，「要素どおしの積をとって，全部足す」 ●その原理で，何次元ベクトルでも計算可能 ?? = 3 5 , ?? = 6 1 の内積 → ?? ? ?? = 3 × 6 + 5 × 1 = 23 内積の書き方4種(どれも同じ) ?? ? ?? ??, ?? ??, ?? ???? ?? 3 5 と 6 1 の内積 3 5 2 と 6 1 2 の内積 3 5 6 1 3 5 2 6 1 2 × × × × × = 18 = 5 = 18 = 5 = 4 18 + 5 = 23 18 + 5 + 4 = 27 ※この調子で，4次元でも，100万次元でも可能
- 29. 内積 ●内積 30
- 30. 練習３：2つのデータ間の内積を 「プログラムで」計算させよう 31 ?? = 3 5 , ?? = 6 1 のとき ?? ? ?? は？ ?? = 3 5 2 , ?? = 6 1 2 のとき ?? ? ?? は？ ※）できた人は内積を求める関数を定義して、関数を使って計算してみよう！
- 31. ベクトル間の距離 32
- 32. ユークリッド距離 (1) ●地図上の2点 ?? = ??1 ??2 , ?? = ??1 ??2 ??1 ??2 ??2 ??1 ?? ?? この間の距離は？ ?? ? ?? と記載
- 33. ユークリッド距離 (2) ●2次元の場合 ●3次元の場合 ??と ??の距離の二乗 ??1 ??2 ??1 ??2 要素の差の二乗 要素の差の二乗 ??1 ??2 ??3 ??1 ??2 ??3 ??と ??の距離の二乗 要素の差の二乗 要素の差の二乗 要素の差の二乗 ?? ?? ?? ??
- 34. ユークリッド距離 (3) ● ??次元の場合 ??1 ? ???? ??1 ? ???? ??と ??の距離の二乗 要素の差の二乗 要素の差の二乗 ?? ?? ? というわけで，何次元ベクトルでも距離は計算可能 もちろん1次元ベクトル(数値)間の距離も計算可能 ??1 ? ??1 2
- 35. Sum of square：要素の2乗和 ●要素の2乗和 ●同じベクトルa 同士の内積 <a, a>は、aの二乗 和と同じ 36 mathライブラリの呼び出し
- 37. 練習４：2つのデータ間のユークリッド距離を「プログラ ムで」求めよう 38 ?? = 3, ?? = 6のとき ユークリッド距離 ?? ? ?? は？ ?? = 3 5 , ?? = 6 1 のとき ?? ? ?? は？ ?? = 3 5 2 , ?? = 6 1 2 のとき ?? ? ?? は？ ※）できた人はユークリッド距離を求める関数を定義して、関数を使って計算してみよう！
- 42. おまじないと準備 ●import pandas as pd ●import matplotlib.pyplot as plt ●データの読み込み 43 ファイルの場所は各自置いた場所を 指定しよう
- 43. 読み込んだデータの中身 44 ? 「データフレーム」という 形式で保存 ? 行列（縦が行，横が列） ? 気温データは ? 縦が時間 ? 横が地方 ? 身長体重データは ? 縦が人（サンプル） ? 横が項目（性別，身長，体重）
- 51. 練習５：データの可視化 ●他の地方の分布も見てみよう ●福岡、札幌、那覇それぞれのヒストグラムを作成 ●bins と alpha を変えて３地点の分布を比較して みよう ●身長体重データでの統計値も見てみよう 52
- 54. 欠損値について ●csv の中に空白（欠損）があると， NaN （Not a Number）というものが入る ●サンプルファイルを読み込んでみてみよう 55
- 55. 欠損値について ●csv の中に空白（欠損）があると， NaN （Not a Number）というものが入る ●欠損値のあるデータ（行）を取り除く 56
- 56. 辞書 57
- 57. データベースの作成 ●まずは dictionaryの初期化 ●データのKeyと値(value)を入力 58 key New value: [height, weight]
- 59. 演習資料 Playing with the Body-mass index 60
- 60. 演習１ ●BMIを計算する関数を定義しよう！ ●辞書のデータを読み込んで、[height, weight]に加えて、 3番目の要素として、BMIを追加 ● [height, weight, BMI] ●ヒント： ●辞書からKeyとvalueを繰り返し読み込む方法 ●辞書にvalueを追加する方法 61
- 61. 62 Answer
- 62. 演習２ ●演習１で作成したBMI付きの辞書を可視化しよう ●まずそれぞれの項目ごとにリストを作ろう ?Height_values, Weight_values, BMI_values ?BMIをプロットしよう ?ヒント）from matplotlib import pyplot as plt plt.plot ?身長、体重をそれぞれ棒グラフで可視化しよう ?ヒント） plt.bar 63
- 63. 64 Answer
- 64. 演習資料 （進みが早い人用） A simple game in Python (the random game) 65
- 66. ユーザーインターフェース ●We need two functions: ●“arm up”：レバーをあげる ●“arm down”：レバーをひく ●ユーザーがボタンを押したら、“arm down”が起動 67
- 68. main 関数 ●main 関数： “Play” ●ステップ１：“arm up”状態を表示 ●ステップ２：ユーザがplayするかの入力まち ●ステップ３：ユーザがキーを押すと”arm down” され、スロット開始 69
- 74. Let’s play (1/2) ●コードの実行 ●コンソールで “Play()” と書いてenter 75
- 77. What you need to do ●自動的にゲームをプレイするようにコードを書き換え ●1000回プレイするようにする ●Winの数を数える ●“nb_wins”：winとなった場合に1増やしていく ●Winとなった割合(%)を調べる 78
- 79. 何回勝つかカウント ●1000 回 AutoPlayを実行, AutoPlayがTrue を返したら、勝ったということなので、カウントを1増 やす 80 初期化 1000回繰り返し AutoPlayを実行し、Trueだったら以下を実行 Tureの場合、1増やす