共通パッケージ
Pythonでよく使われるパッケージ。
requests
HTTPリクエストを行うライブラリ。
NumPy
数値計算を行うライブラリ。
Pandas
データ分析を行うライブラリ。
Matplotlib
データ可視化を行うライブラリ。
DataFrame
Pandasのデータ構造。
配列
NumPyのデータ構造。
requests
なぜrequestsが必要か?
requestsは、Web APIと通信するのに適しています。シンプルで使いやすく、多くのプロジェクトで使用されています。
いつ使うか?
- Web APIと通信する場合
- HTTPリクエストを行う場合
- JSONデータを取得する場合
- REST APIを使用する場合
実践テクニック
セッションを使う
セッションを使うことで、クッキーを管理できます。これにより、認証済みの状態を維持できます。
タイムアウトを設定する
タイムアウトを設定することで、リクエストの応答待ち時間を制限できます。これにより、アプリケーションの応答性を向上できます。
# requestsの基本import requests
# GETリクエストresponse = requests.get("https://api.example.com/data")print(response.status_code)print(response.json())
# POSTリクエストdata = {"key": "value"}response = requests.post("https://api.example.com/data", json=data)print(response.status_code)print(response.json())NumPy
なぜNumPyが必要か?
NumPyは、高速な配列操作と数値計算を行うのに適しています。科学技術計算で広く使用されています。
いつ使うか?
- 数値計算を行う場合
- 配列操作を行う場合
- 科学技術計算を行う場合
- 統計計算を行う場合
実践テクニック
ベクトル化演算を使う
ベクトル化演算を使うことで、高速な配列操作ができます。これにより、ループを回避してパフォーマンスを向上できます。
ブロードキャスティングを使う
ブロードキャスティングを使うことで、異なる形状の配列間で演算ができます。これにより、コードを簡潔に記述できます。
# NumPyの基本import numpy as np
# 配列の作成arr = np.array([1, 2, 3, 4, 5])print(arr)
# 配列の操作print(arr + 10) # [11 12 13 14 15]print(arr * 2) # [ 2 4 6 8 10]
# 統計計算print(np.mean(arr)) # 3.0print(np.std(arr)) # 1.4142135623730951Pandas
なぜPandasが必要か?
Pandasは、データの操作と分析を行うのに適しています。データサイエンスで広く使用されています。
いつ使うか?
- データの操作を行う場合
- データの分析を行う場合
- CSVファイルを読み込む場合
- データの可視化を行う場合
実践テクニック
DataFrameを使う
DataFrameを使うことで、表形式のデータを操作できます。これにより、データの操作と分析が簡単になります。
groupbyを使う
groupbyを使うことで、データをグループ化して集計できます。これにより、データの分析が簡単になります。
# Pandasの基本import pandas as pd
# DataFrameの作成data = { "name": ["Alice", "Bob", "Charlie"], "age": [25, 30, 35], "city": ["Tokyo", "Osaka", "Nagoya"]}df = pd.DataFrame(data)print(df)
# データの操作print(df["age"]) # age列print(df[df["age"] > 25]) # age > 25の行
# 統計計算print(df.describe())Matplotlib
なぜMatplotlibが必要か?
Matplotlibは、データを可視化するのに適しています。データサイエンスで広く使用されています。
いつ使うか?
- データを可視化する場合
- グラフを作成する場合
- データをプロットする場合
- データを可視化して分析する場合
実践テクニック
pyplotを使う
pyplotを使うことで、簡単にグラフを作成できます。これにより、データの可視化が簡単になります。
figureとaxesを使う
figureとaxesを使うことで、複雑なグラフを作成できます。これにより、データの可視化が柔軟になります。
# Matplotlibの基本import matplotlib.pyplot as plt
# データの準備x = [1, 2, 3, 4, 5]y = [2, 4, 6, 8, 10]
# グラフの描画plt.plot(x, y)plt.xlabel("X axis")plt.ylabel("Y axis")plt.title("Line Plot")plt.show()合格ライン
requestsを使ってHTTPリクエストを行える
NumPyを使って配列操作を行える
Pandasを使ってデータ分析を行える
Matplotlibを使ってデータ可視化を行える
演習課題
課題1: requestsでのHTTPリクエスト
requestsを使ってGETリクエストを行ってください。
課題2: NumPyでの配列操作
NumPyを使って配列を作成して、配列操作を行ってください。
課題3: Pandasでのデータ分析
Pandasを使ってDataFrameを作成して、データ分析を行ってください。
参考文献
この記事は以下の公的ガイドライン/標準に基づいています。
- Requests Documentation - 公式ドキュメント
- NumPy Documentation - 公式ドキュメント
- Pandas Documentation - 公式ドキュメント
- Matplotlib Documentation - 公式ドキュメント