Python 関数でグローバル変数を変更する

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

Python クラスのコンストラクタ

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。

Python ブラウザで、指定のURLを開ける

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

Pythonのライブラリ

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。

Python 曜日の出力

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。