1.サンプル
こんな感じです
#
# coding: utf-8
global_val = 0
def func1():
global global_val
global_val = global_val + 1
print(global_val)
func1()
print(global_val)
2.実行結果
0
1
と表示されます
PR
1. 文法
__init__
メソッドが、コンストラクタになります。
2.サンプル
# -*- coding: utf-8 -*-
# Class definition
class Person:
def __init__(self, name, age):
self.name = name
self.age = age
# Object creation
person1 = Person("Alice", 30)
person2 = Person("Bob", 25)
# Display object information
print(f"{person1.name} is {person1.age} years old.")
print(f"{person2.name} is {person2.age} years old.")
3.実行結果
Alice is 30 years old.
Bob is 25 years old.
が表示されます。
1. サンプル
こんな感じです
#
# coding: utf-8
import webbrowser
webbrowser.open("http://www.google.co.jp")
2.実行結果
ブラウザで、google が開きます
公開されている資料をもとに、Pythonのライブラリーについて
考えてみたいと思います。
Pythonのライブラリーは、次の5つに分類できる。
(1) Data Manipulation adn Analysis
Pandasなど。PanadasのDataFrameオブジェクトは、
メモリ上のテーブル構造としてデータを操作できる。
CSVファイルやSQLデータベースからオブジェクトをインポートできる。
DataFrameオブジェクトに対しては、コンディションサーチ、
フィルタリング、ソーティング、スライシング、カラム操作などができる。
DataFrameオブジェクトは、フレキシブルにリサイズできる。
時系列データにも活用することができる。
(2) Data Visualization
2D、3Dのレンダリングエンジンを含み、ヒストグラム、
バーチャートなどのグラフをサポートする。
(3) Numeric Computing
NumPyや、SciPyが有名である。
NumPyは、行列演算にフォーカスしており、多次元配列の作成、演算、
次元の変換の機能を提供する。
また、線形代数、フーリエ変換などをサポートする。
SciPyは、NumPyを拡張したもの。
(3) Model Training
元々は、データマイニングのためにデザインされたものであるが、
scikit-learnは、モデルのトレーニングに利用できるライブラリーである。
回帰、分類、クラスタリングに関する有名なアルゴリズムを提供する。
また、次元削減、特徴量の抽出、正規化などのプロセスをサポートする。
(4) Neural Network
Tensorflow , keras, PyTorchなど。
1.サンプル
こんな感じでしょうか
#
#-*- coding: utf-8 -*-
from datetime import date
import locale
youbiname = ["月","火","水","木","金","土","日"]
d = date(2020,7,11)
print(youbiname[d.weekday()])
2.実行結果
土
が出力されます。
