BEGIN:VCALENDAR VERSION:2.0 PRODID:-//https://techplay.jp//JP CALSCALE:GREGORIAN METHOD:PUBLISH X-WR-CALDESC:Python Pandas 勉強会 in 新潟 #29 X-WR-CALNAME:Python Pandas 勉強会 in 新潟 #29 X-WR-TIMEZONE:Asia/Tokyo BEGIN:VTIMEZONE TZID:Asia/Tokyo BEGIN:STANDARD DTSTART:19700101T000000 TZOFFSETFROM:+0900 TZOFFSETTO:+0900 TZNAME:JST END:STANDARD END:VTIMEZONE BEGIN:VEVENT UID:776189@techplay.jp SUMMARY:Python Pandas 勉強会 in 新潟 #29 DTSTART;TZID=Asia/Tokyo:20200408T183000 DTEND;TZID=Asia/Tokyo:20200408T210000 DTSTAMP:20260407T192301Z CREATED:20200401T211136Z DESCRIPTION:イベント詳細はこちら\nhttps://techplay.jp/event/77618 9?utm_medium=referral&utm_source=ics&utm_campaign=ics\n\nPython のライ ブラリ Pandas を通してデータ分析について学んだり、 持ち寄ったデータを分析したりする会です。\n本勉強 会の内容は以下の通りです。\n\n\n目的\n\nPandas に詳し くなること\n\n\n\n行うこと\n\n\n教科書①(3.参照)の読み 合わせ\n\n\n読んでわからないことがあったら質問し誰 かが答える、質問と答えをまとめる\n\n\n\n\n教科書\n① 「Python によるデータ分析入門 第2版」(https://www.oreilly.c o.jp/books/9784873118451/)\n※参加される方はご購入をお願い いたします。紙or電子書籍どちらでも大丈夫です。\n\n\ n開催日時\n\n4/8(水) 18:30 - 21:00\n\n\n\nタイムテーブル\n\n1 8:30 - 21:00 教科書①の読み合わせ\n\n\n\n場所\n\n\nPrototypeC afe\n\n\nオンライン(オンライン参加の方は以下から参加 をお願いします。)\n\nzoom\nhttps://us04web.zoom.us/j/554682809\n\ n\n\n\n\n\n\n参加費用\n\n任意ですが400円とします(会議室 の利用料がある場合は利用料として使用、または寄付 します)\n\n\n\n現在の進捗について(Pandas勉強会でいつも 使用している教科書の進捗)\n現在の進捗です。\n※文 字装飾の意味\n\n\n\n文字装飾\n意味\n\n\n\n\nなし\nこれか ら読む\n\n\n斜線\n読了またはスキップ\n\n\n太字\n読み始 める章\n\n\n\n\n\n1章　はじめに (スキップ)\n\n1.1　この本で説明す る内容 (スキップ)\n1.1 .1　どういうデータを扱うのか (スキップ)\n\n\n1.2　なぜPythonをデータ分析に使うの か (スキップ)\n1.2.1　「糊（グ ルー）」としてのPython (スキップ) \n1.2.2　「2つの言語」問題を解決する (スキップ)\n1.2.3　Pythonを使うべきではないケー ス (スキップ)\n\n\n1.3　必須のPython ライブラリ (スキップ)\ n1.3.1　NumPy (ス キップ)\n1.3.2　pandas (スキップ)\n1.3.3　Matplotlib (スキップ)\n1.3.4　IPythonとJupyter (スキップ)\n1.3.5　SciPy (スキップ)\n1.3.6　scikit-learn (スキップ)\n1.3.7　st atsmodels (スキップ)\n \n\n1.4　インストールとセットアップ (スキップ)\n1.4.1　Windows (スキップ)\n1.4.2　Apple（macOS） (スキップ)\n1.4.3　GNU/Linux (スキップ)\n1.4.4　Py thonパッケージのインストールとアップデート (スキップ)\n1.4.5　Python 2とPython 3 (スキップ)\n1.4.6　統合開発環境（IDE）とテ キストエディタ (スキップ)\n\n\n1.5　コ ミュニティとカンファレンス (スキップ)\n1.6　この本の案内 (スキップ)\n1.6.1　コード例 (スキップ)\n1.6.2　例で使用 しているデータ (スキップ)\ n1.6.3　インポートにおける慣習 (スキップ)\n1.6.4　専門用語（ジャーゴン、Jargon） (スキップ)\n\n\n\n\n\n2章　Pythonの基 礎、IPythonとJupyter Notebook (スキッ プ)\n\n2.1　Pythonインタプリタ (スキップ)\n2.2　IPythonの基礎 (スキップ)\n2.2.1　IPythonシェルの 起動 (スキップ)\n2.2.2　Jup yter Notebookの実行 (スキップ) \n2.2.3　タブ補完 (スキップ)\n2.2.4　イントロスペクション (スキップ)\n2.2.5　%runコマンド (スキップ)\n2.2.6　クリップボ ード経由の実行 (スキップ)\n2 .2.7　IPythonのキーボードショートカット (スキップ)\n2.2.8　マジックコマンド (スキップ)\n2.2.9　Matplotlibとの連携 (スキップ)\n\n\n2.3　Pythonの 基礎 (スキップ) \n2.3.1　セマンティクス (スキップ)\n2.3.2　スカラー型 (スキップ)\n2.3.3　制御フロー (スキップ)\n\n\n\n\n\n3章　Python 組み込みのデータ構造と関数、ファイルの扱い (読了)\n\n3.1　データ構造とシーケンス (読了)\n3.1.1　タプル (読了)\n3.1.2　リスト (読了)\n3.1.3　 組み込みのシーケンス関数 (読了)\n3.1.4　ディクショナリ (読了)\n3.1.5　セット (読了)\n3.1.6　リスト、セット、ディク ショナリの内包表記 (読了)\n\n\n3.2　関 数 (読了 )\n3.2.1　名前空間、スコープ、ローカル関数 (読了)\n3.2.2　複数の値を戻す (読了)\n3.2.3　関数はオブジェクト である (読了)\n3.2.4　無名（ ラムダ）関数 (読了)\n3. 2.5　カリー化：引数の部分適用 (読了)\n3.2.6　ジェネレータ (読了)\n3.2.7　エラーと例外の処理 (読了)\n\n\n3.3　ファイルとオ ペレーティングシステム (スキ ップ)\n3.3.1　ファイルにおけるバイトとUnicode (スキップ)\n\n\n3.4　まとめ \n\n\n\n4章　NumPyの基礎：配 列とベクトル演算 (スキッ プ)\n\n4.1　NumPy ndarray：多次元配列オブジェクト (スキップ)\n4.1.1　ndarrayの生成 (スキップ)\n4.1.2　ndarrayのデー タ型 (スキップ)\n4.1.3　n darrayの算術演算 (スキッ プ)\n4.1.4　インデックス参照とスライシングの基礎 (スキップ)\n4.1.5　ブールインデックス参 照 (スキップ)\n4.1.6　ファン シーインデックス参照 (スキッ プ)\n4.1.7　転置行列、行と列の入れ替え (スキップ)\n\n\n4.2　ユニバーサル関数：すべ ての配列要素への関数適用 (スキップ)\n4. 3　ndarrayによる配列指向プログラミング (スキップ)\n4.3.1　条件制御のndarrayでの表現 (スキップ)\n4.3.2　数学関数、統 計関数 (スキップ)\n4.3.3 　真偽値配列関数 (ス キップ)\n4.3.4　ソート (スキップ)\n4.3.5　集合関数：uniqueなど (スキップ)\n\n\n4.4　ndarrayのファイ ル入出力 (スキップ)\n4.5 　行列計算 ( スキップ)\n4.6　擬似乱数生成 (スキップ)\n4.7　例：ランダムウォーク (スキップ)\n4.7.1　多重 ランダムウォーク (スキッ プ)\n\n\n4.8　まとめ (スキップ)\n\n\n\n5章　pandas入門 (読了)\n\n5.1　pandasのデー タ構造 (読了)\n5.1.1 　シリーズ（Series） ( 読了)\n5.1.2　データフレーム（DataFrame） (読了)\n5.1.3　インデックスオブジェクト (読了)\n\n\n5.2　pandasの重要な機 能 (読了)\n5.2.1　再 インデックス付け (読 了)\n5.2.2　軸から要素を削除する (読了)\n5.2.3　インデックス参照、選択、フィ ルタリング (読了)\n5.2.4　整数のイン デックス (読了)\n5.2.5　 算術とデータの整形 ( 読了)\n5.2.6　関数の適用とマッピング (読了)\n5.2.7　ソートとランク (読了)\n5.2.8　重複したラベルを 持つ軸のインデックス (読了)\n\n\n5.3 　要約統計量の集計と計算 (読了)\n5.3.1　相関と共分散 (読了)\n5.3.2　一意な値、頻度の確認、 所属の確認 (読了)\n\n\n5.4　まとめ (読了)\n\n \n\n6章　データの読み込み、書き出しとファイル形式 (読了)\n\n6.1　テキスト形式のデ ータの読み書き (読了)\n6.1.1 　テキストファイルを少しずつ読み込む (読了)\n6.1.2　テキスト形式でのデータの書き出 し (読了)\n6.1.3　区切り文字で区 切られた形式を操作する (読了)\n6.1.4 　JSONデータ (読 了)\n6.1.5　XMLとHTML：ウェブスクレイピング (読了)\n\n\n6.2　バイナリデータ形式 (読了)\n6.2.1　HDF5形式の使 用 (読了)\n6.2.2　Micro soft Excelファイルの読み込み (読了) \n\n\n6.3　Web APIを用いたデータの取得 (読了)\n6.4　データベースからのデータの取得 (読了)\n6.5　まとめ (読了)\n\n\n\n7章　 データのクリーニングと前処理 \n\n7.1　欠損値の取り扱い (読了)\n7.1.1　欠 損値を削除する ( 読了)\n7.1.2　欠損値を穴埋めする (読了)\n\n\n7.2　データの変形 \n7.2.1　重複の除去 (読了)\n7.2.2　関数 やマッピングを用いたデータの変換 (読了)\n7.2.3　値の置き換え (読了)\n7.2.4　軸のインデックスの名前 を変更する (読了)\n7.2.5　離散 化とビニング (読 了)\n7.2.6　外れ値の検出と除去 \n7.2.7　順列（ランダムな並べ替え）やラン ダムサンプリング \n7.2.8　標識変数やダミ ー変数の計算 \n\n\n7.3　文 字列操作 \n7.3.1　文字列オブジェクトのメソッド \n7.3.2　正規表現 \n7.3.3　pandasにおける文字列関数のベ クトル化★4/8はここから \n\n\n7.4 　まとめ \n\n\n\n8章　データラングリング：連結、結合、変形 \n\n8.1　階層型インデック ス \n8.1.1　階層 の順序変更やソート \n8 .1.2　階層ごとの要約統計量 \n8.1.3　データフレームの列をインデックスに使 う \n\n\n8.2　データセットの結合と マージ \n8.2.1　データ フレームをデータベース風に結合する \n8.2.2　インデックスによるマージ \n8.2.3　軸に沿った連結 \n8.2.4　重複のあるデータの結合 \n\n\n8.3　変形とピボット 操作 \n8.3.1　階 層型インデックスによる変形 \n8.3.2　「縦持ち」フォーマットから「横持ち」フォ ーマットへのピボット \n8.3.3　「横持ち」フォーマ ットから「縦持ち」フォーマットへのピボット \n\n\ n8.4　まとめ \n\n\n\n9章　プロットと可視化 \n\n9.1　Matplotlib APIの概要 \n9.1.1　図とサブプロ ット \n9.1.2　色、 マーカー、線種 \n9.1 .3　目盛り、ラベル、凡例 \n9.1.4　サブプロットへの注釈や描画 \n9.1.5　プロットのファイルへの保存 \n9.1.6　Matplotlibの設定 \n\n\n9.2　pandasとseabornの プロット関数 \n9.2.1　折 れ線グラフ \n9.2 .2　棒グラフ \n9.2.3　ヒストグラムと密度プロット \n9.2.4　散布図 \n9.2.5　ファセットグリッドとカテゴリ 型データ \n\n\n9.3　その他のPython 用可視化ツール \n9.4　 まとめ \n\n\n\n10章　データの集約とグループ演算 \n\n10.1　GroupByの仕組み \n10.1.1　グループをま たいだ繰り返し \n10.1.2　列 や列の集合の選択 \n1 0.1.3　ディクショナリやシリーズのグループ化 \n10.1.4　関数を使ったグループ化 \n10.1.5　インデックス階層によ るグループ化 \n\n\n10.2　データ の集約 \n10.2 .1　列に複数の関数を適用する \n10.2.2　集約されたデータを行インデックスなし で戻す \n\n\n10.3　applyメソッド：一般的 な分離－適用－結合の方法 \n10.3.1　 グループキーの抑制 \n10.3.2　分位点とビン分析 \n10.3.3　例：グループ固有の値で欠損値を埋め る \n10.3.4　例：ランダムサンプリ ングと順列 \n10.3.5　例：グル ープの加重平均と相関 \n10.3. 6　例：グループ指向の線形回帰 \n\n\n10.4　ピボットテーブルとクロス集計 \n10.4.1　クロス集計：crosstabメ ソッド \n\n\n10.5　まとめ \n\n\n\n11章 　時系列データ \n\n11.1　日付、時間のデータ型とツール \n11.1.1　文字列とdatetimeの変換 \n\n\n11.2　時系列の基本 \n11.2.1　イ ンデックス参照、データの選択、サブセットの抽出 \n11.2.2　重複したインデックスを持つ時系列 \n\n\n11.3　日付範囲、頻度、シフ ト \n11.3.1　日付範 囲の生成 \n11.3.2　 頻度と日付オフセット \n11.3.3　データの前方と後方へのシフト \n\n\n11.4　タイムゾーンを扱う \n11.4.1　タイムゾーンのロ ーカライゼーションと変換 \n11.4.2　 タイムゾーンを考慮したタイムスタンプオブジェクト \n11.4.3　別のタイムゾーンとの演算 \n\n\n11.5　期間を使った算術演算 \n11.5.1　期間頻度 の変換 \n11.5.2　四 半期の頻度 \n11.5 .3　タイムスタンプから期間への変換（とその逆） \n11.5.4　配列からPeriodIndexを作成する \n\n\n11.6　再サンプリングと頻度 変換 \n11.6.1　ダウン サンプリング \n11.6.2 　アップサンプリングと穴埋め \n11.6.3　期間で再サンプリングする \n\n\n11.7　移動する窓関数 \n11.7.1　指数加重関数 \n11.7.2　2つ値がある 場合の移動する窓関数 \n11.7.3 　ユーザ定義の移動する窓関数 \n\n\n11.8　まとめ \n\n\n\n12章　pandas：応用編 \n\n12.1　カテゴリ型デー タ \n12.1.1　開 発の背景と動機 \n12 .1.2　pandasにおけるカテゴリ型 \n12.1.3　カテゴリを用いた計算 \n12.1.4　カテゴリメソッド \n\n\n12.2　グループ演算の使い方 ：応用編 \n12.2.1　グル ープの変換とGroupByの「分解」 \n 12.2.2　時系列データの再サンプリングを伴うグループ 化 \n\n\n12.3　メソッドチェーンを行うた めのテクニック \n12.3.1　pipeメ ソッド \n\n\n12.4 　まとめ \n\n\n\n13章　Pythonにおけるモデリングライブラリ入門 \n\n13.1　pandasとモデルとの やり取りを行う \n13.2　Patsy を使ったモデルの記述 \n13.2.1　Patsy式におけるデータ変換 \n13.2.2　カテゴリ型データとPatsy \n\n\n13.3　statsmodels入門 \n13.3.1　線形モデルの推定 \n13.3.2　時系列モデ ルの推定 \n\n\n13.4　sc ikit-learn入門 \n1 3.5　この後の学びのために \n\n\n\n14章　データ分析の実例 \n\n14.1　短縮URL Bitlyにおけ る1.usa.govへの変換データ \n14.1.1　Pyt hon標準機能でのタイムゾーン情報の集計 \n14.1.2　pandasを使用したタイムゾーン情報の集計 \n\n\n14.2　MovieLens 1M（映画評価データ ） \n14.2.1　評価の分かれ た映画の抽出 \n\n\n14.3　 アメリカの赤ちゃんに名付けられた名前リスト（1880-20 10） \n14.3.1　名付けの傾向分析 \n\n\n14.4　アメリカ合衆国農務省 の食糧データベース \n14.5　2012 年度連邦選挙委員会データベース \n14.5.1　職業別・雇用者別の寄付の分析 \n14.5.2　寄付金額ごとの分析 \n14.5.3　州ごとの寄付の分析 \n\n\n14.6　まとめ \n\n\n\n付録 A　NumPy：応用編 \n\nA.1　ndarrayオブジェクトの内部構造 \nA.1.1　NumPy dtypeの階層構造 \n\n\nA.2　配列操作：応用編 \nA.2.1　配列の 形状の再成形 \nA.2.2 　C型の順序とFortran型の順序 \nA.2.3　配列の結合と分割 \nA.2.4　要素の繰り返し：tileとrepeat \nA.2.5　ファンシーインデックス参 照の別法：takeとput \n\n\nA.3　ブロード キャスト \nA.3. 1　他の軸へのブロードキャスト \nA.3.2　ブロードキャストによる配列への値の設 定 \n\n\nA.4　ufuncの使い方：応用編 \nA.4.1　ufuncのイン スタンスメソッド \nA.4.2　P ythonで新しいufuncを書く方法 \n\n\nA.5　構造化配列とレコード配列 \nA.5.1　ネストした構造を持つdtypeと多 次元フィールド \nA.5.2　構造化配列を 使うべき理由 \n\n\nA.6　 ソートについてさらに詳しく \nA.6.1　間接ソート：argsortとlexsort \nA.6.2　使用可能な他のソートアルゴリ ズム \nA.6.3　配列の一部分をソ ートする \nA.6.4　numpy.sear chsorted：ソート済みの配列内で要素を探す \n \n\nA.7　Numbaを用いて高速なNumPy関数を書く \nA.7.1　独自定義のnumpy.ufuncオブジェク トをNumbaを用いて作成する \n\n\nA.8　配列の入出 力：応用編 \nA.8.1 　メモリマップファイル \nA.8.2　HDF5やその他の配列保存方法 \n\n\nA.9　パフォーマンス改善のための豆 知識 \nA.9.1　連続したメモ リの重要性 \n\n\n\n\n\n付 録B　IPythonシステム上級編 \n\nB.1　コマンド履歴 \nB.1.1　コマンド履歴の検索とそ の再利用 \nB.1.2　入出力変数 \n\n\nB.2　オペ レーティングシステムとの連携 \nB.2.1　シェルコマンドとエイリアス（別名定義 ） \nB.2.2　ディレクトリブックマー クシステム \n\n\nB.3　ソフトウ ェア開発ツール \nB .3.1　対話的デバッガ \nB.3.2　処理時間の計測：%timeと%timeit \nB.3.3　プロファイリングの基礎：%prunと%r un -p \nB.3.4　行ごとのプロファイリ ング \n\n\nB.4　IPythonでの 生産的コード開発に向けたヒント \nB.4.1　依存関係を考慮したモジュールの再読み込み \nB.4.2　コード設計のヒント \n\n\nB.5　高度なIPython機能 \nB.5.1　自前のク ラスのIPythonへの親和性を高める技法 \n B.5.2　IPythonプロファイルと構成機能 \n\n\nB.6　まとめ \n\n\n\n\n\n以上です。 LOCATION:PrototypeCafe 新潟県新潟市中央区天神尾１丁目９− ７ URL:https://techplay.jp/event/776189?utm_medium=referral&utm_source=ics&utm _campaign=ics END:VEVENT END:VCALENDAR