学習記録（２１日目）

勉強開始：１２／７（土）〜

教材等：
・大重美幸『詳細！ Python3 入門ノート』(ソーテック社、２０１７年)：１２／１９（木）読了
・Progate Python講座（全５コース）：１２／２１（土）終了
・Andreas C. Müller、Sarah Guido『（邦題）Pythonではじめる機械学習』（オライリージャパン、２０１７年）：１２月２３日（土）読了
・Kaggle : Real or Not? NLP with Disaster Tweets：１２月２８日（土）投稿〜１月３日（金）まで調整
・Wes Mckinney『（邦題）Pythonによるデータ分析入門』（オライリージャパン、２０１８年）：１月４日（土）〜

『Pythonによるデータ分析入門』

p.134 4章 Numpyの基礎 まで読み終わり。

・NumPy(Numerical Python) ： 数的Python といった意味で解釈
　ベクトル化記法による高速な計算、データ操作
　数理モデリングや分析手法を扱えるわけではないが、習熟することでpandasのような配列志向ツールを使う時の武器となる。
　CやFortranといった低水準言語へのインターフェースとしての役割

・ndarray ： N次元配列オブジェクト、Python環境における高速かつ柔軟なデータ処理に寄与
　arrayで生成、データ型は推測されたものが用いられるが、dtypeでデータ型の指定も可能
　astypeで型変換（キャスト）できる。

・ベクトル演算を用いることでループ型を書く必要がなくなる。（＝高速な動作）

・スライシング（一部要素の切り取り・抽出）
　二次元配列に対するスライスは軸に沿う形で切り出される。（多次元配列のスライスとは少し異なる。）
　スライスにスカラーが混ざると次元が下がる。shapeで取り出すとよくわかる。
　(3,) →　３つの要素。 (1, 3)　→　１×３の行列。　p.108

・１次元の真偽値配列
　ndarrayの指定するもの（trueであるもの）のみに数値代入等が可能
　data[names != 'A'] = 7　namesがAでないものにのみ7を代入、など。
　この類の操作はpandas環境でよく使われる。

・転地行列を用いた内積の計算（np.dot） 転地は.Tで行う。X.T.dot(X)でXの内積計算。
　transposeの引数に軸の順序を与えることで行列の部分入れ替えも可能。

・単項ufunc(abs, sqrt, log ...)、　二項ufunc（add, divide, maximum ...)

・np.whereでpythonの三項演算子 A if condition else yのベクトル演算ができる。
　第１引数で真偽判定（条件式）、第２引数でTrue、第３引数でFalseの値を設定し、対応したものを返す。

・sum、meanといった集計処理（統計関数）で次元削減が可能

・np.uniqueといった集合関数で配列中の重複を取り除いた値をソートして出力できる。（Kaggle前処理で使ったような）

・np.linalgモジュールで線形代数の計算が可能。行列式、正方行列に対する逆行列、QR分解 ...

・np.randomで様々な種類の確率分布に基づく計算が可能。二項分布、正規分布 ...
　Pythonの組み込みであるrandomを補完する形で提供されている。