普段Perlを書いている自分がざっくりPythonについて調べて発表した時の資料が手元に転がっていたので、せっかくなので公開した。
普段、別の言語でWeb開発している人が、自分の言語のアレはPythonだとコレなのねって雰囲気わかるようになっているといいなと思って作ったけど、見返すとそうでもない気がする。
自分もPython初心者なので、「おいおいまったくまちがっているぜ! 」といったことがあったら教えてほしいです。京都に住んでいるのだけど、関西のPythonコミュニティの雰囲気もよく知らないので情報募集です。
あと資料で紹介しているブログのコードは以下においてある。自分がよくやる感じの薄い設計でかんたんなブログシステムをPythonで書いたらこんな感じかな～ってコードになっている。
タイトルの字面がめちゃくちゃ所帯じみているけど、所帯があるのでしかたない。
先日子供が生まれました。子供も奥さんも元気でほっとしています。子供はながめているだけでニコニコできて最高。
子供を連れて移動するのが大変そうっていう心配もあり、運転免許の取得にも取り組んでました。運転免許取得の一週間後に子供が生まれてくれたので、大変タイミングをわきまえている。くわしくはkarimen日記を見てくれ！
現実に子供が生まれると、今後の人生どうやっていくのが良いのかを、あらためて考え始めてしまったりして、自分のことながらおもしろい。とりいそぎ生命保険の勉強をしたりした。健康に働くのが一番得らしい(そりゃそう)。
なおウィッシュはこちらになります。
先日ご紹介したKyoto.なんか#3 は明日 8/19(土)に開催です！
イカす発表者のみなさまにも集まって頂きました。
めちゃくちゃおもしろそうな発表が目白押しですね！まだ若干名参加枠があるのでどうぞご参加下さい
みなさん暑いですね。京都はとても暑いです。暑い京都をもりあげるKyoto.なんかというイベントの第三回を開催することになりました。
Kyoto.なんかは、Kyoto.rbやKyoto.jsのような言語ごとの勉強会ではなく Kyoto.* 、つまりプログラミングや技術に関する発表ならなんでもOKの技術勉強会です。
かつての様子はこちら。
そんなKyoto.なんか#は来たる8/19(土)、京都はてなオフィスで開催いたします。現在、発表者を募集中です。ぜひ発表にチャレンジしてみてください。
統計勉強してる っていう記事で、途中まで読んでた"Rによるやさしい統計学"を読み終えた。
この本は心理学関連領域の研究者の著者たちが学生向けに、統計ツールのRの使い方を教えてくれるという内容。第I部では基本的なRの使い方と統計学の考え方について、第II部では、実際のデータ処理をする上で必要になる考え方や手法について具体的に紹介してくれる。
数学的理論を学ぶことに主眼をおいた本ではないので、難しい証明は省かれているものの、統計の考え方の直感的な解説がとてもわかりやすい。自分は理論よりの大学の教科書から統計の勉強をはじめたのだけど、この本の解説に触れることで理解があやふやな部分がしっかり理解できたように思う。逆にあまり理論的な手法の根拠などの説明はないので、別の本を参照するのが良さそう。
統計分析を行う課題がたくさん載っているので、実際に手を動かして、統計分析の間隔を掴んでみるのにもこの本は良いと思う。データの入力を手でちまちまやらないといけないので、そこはちょっと面倒。
また、この本の冒頭にあるように、研究のデータを分析する文系の学生を読者として想定している。そのため、取り上げられているテーマは、ある程度そちらに寄っているところはある。特に第II部にはそういったイメージを持った。基礎的な考え方は変わらないはずなので、適宜頭のなかで自分が解決したい問題に対応させて読んでいくと良い。
Rの使い方については、エンジニアであれば読めば簡単に理解できると思う。Rの機能については利用するものを最低限紹介してくれているという感じなので、R言語自体をじっくり学ぶのには向いていない。自分のやろうとしていることがRのどのツールに対応しているかといったことはよく分かる。
全体的には、具体例をふんだんに使って、わかりやすく概念を伝えてくれるし、手を動かして学ぶこともできて、評価が高いのもうなずけた。理論を学べるほんと合わせて読むのが良いと思う。
仕事やらなんやらで、データの様子をみる場面はよくあるものの、データの調べ方や分析の方法を知らなくてなにかと困るので、なんとかしたい... という気持ちの高まりがあって、連休のちょっと前から確率統計の勉強をはじめた。
確率統計は大学の講義で一通りやったはずだけど、たいして活用できないまま数年がすぎてほぼ忘れてしまった。そういう調子なので、今となっては、適当な数の標本を用意してきて、標本比率を求めてみるけど、この値は母比率にどれくらい近いものなの? と言われても、まったく何も言うことはできないのであった。
ひとまず基本的な内容をザクッと学べそうな、まずは、やさしく学べる統計学を読んでみた。
以前、微分積分の勉強してた ときもこのシリーズにお世話になった。やさしく学べるというタイトルどおり、難しいところには深入りしすぎない構成なので脱落せずに最後まで読める。例題や練習問題が充実していて、具体的な推定や検定をやってみることができる。
確率統計全般にいえそうだけど、連続的な確率分布の解析は主に微分積分でがんばる感じなので、入門本を読むにも軽く微分積分を復習しておくといいかもしれない(部分積分の公式暗記してない)。
やさしく学べる統計学の次は、キーポイント確率統計を読んでみた。
自分が大学の確率統計の講義を受けてたときの教科書がこの本で、家にもともとあった。改めてページを開いてみたところ結構おもしろく読めた。
前述の、やさしく学べる統計学に比べると数学的な説明がもう少し丁寧で、難しいけど納得して読み進めることができる。拡散方程式と正規分布の関係についての話題など、発展的な話題が合間に語られるのもおもしろい。もともと確率統計のイメージがある人は、はじめにこの本を読んでも良さそう。
ここまでで、ざっくりとは基礎を学んだので、実際のデータを処理できるようにRを使った本にも手を出してみた。この本はまだ半分くらいしか読んでない。
この本では、数学的な証明や法則の紹介は限定的になっているが、Rのスクリプトを使って中心極限定理が成り立つことを見せてくれたり、いろんな標本分布のグラフを見せながら説明してくれたりするので、これまで勉強したことを具体的なデータで確認できてためになってる。
ひとまず、今はここまで勉強したものの、実際のデータを使って何かするにはもうちょっと知識と練習が必要そう。もうちょっとがんばろう。
そういう調子なので、今となっては、適当な数の標本を用意してきて、標本比率を求めてみるけど、この値は母比率にどれくらい近いものなの? と言われても、まったく何も言うことはできないのであった。
これ実際に気になってたのだけど、母比率の区間推定という問題でRを使うと関数一つ呼ぶだけでできる..(どういう理屈でこういう計算ができるかはキーポイント確率統計に書いてある)。
例えば、自分にとどくメールのスパム率が知りたいとする。大量にあるメールのうち、200通のメールをサンプルとして取り出して調べたら70通はスパムメールだったというときに、自分にとどくメール全体のスパム率はどれくらいだと考えられるかという問題を考えると以下のようにすると結果が得られる。
> binom.test(70,200)
Exact binomial test
data: 70 and 200
number of successes = 70, number of trials = 200, p-value = 2.653e-05
alternative hypothesis: true probability of success is not equal to 0.5
95 percent confidence interval:
0.2840707 0.4204506
sample estimates:
probability of success
0.35binom.testは二項分布に基づく検定をしたりする関数(だと思う)。ついでにいろんな便利情報も出力される。今は検定はしたいわけではないのでp値とかは無視して、95 percent confidence intervalのとこだけをみると、だいたい0.23 ~ 0.42 くらいになっている。これは、スパムメールの割合は95%の確率で23% ~ 42%の範囲に入りますねという意味。0.18の範囲で揺らぎがあるので、もう少し揺らぎを少なくしたければ、標本数を増やせば良い、となる(標本数10倍にして標本比率を変えないようにすると、揺らぎの範囲は0.04くらいになる)。
Python入門週間の続きでEffective Pythonをサラリと読んだ。
Effective Python ―Pythonプログラムを改良する59項目
自分がおもしろいと思ったのは、入門 Python3にはあまり載っていない込み入ったPythonの機能の紹介ので、特に "4章 メタクラスと属性" では、Pythonのオブジェクトシステムの凝った使い方を知ることができて良かった。自分のコードでメタクラスを積極的に使うのは嫌な予感がするので、あまりないかなと思うものの、ライブラリコードを読むときなどには役立ちそう。
他にも、"6章 組み込みモジュール" では、デコレータやコンテキストオブジェクトの定義の仕方やコンテキスト、日付周りのイディオムや、"7章 協働作業（コラボレーション）"では循環参照の問題についてなど、実際のコードを書くときに役立ちそうな話題が総ざらいにできる内容で自分としては満足できた。
一方、サンプルコードが微妙に理解しづらくて、丁寧に読み込まないとよくわからない部分がちょいちょいあったように感じた(もちろん、自分の理解力の問題もあるとは思うものの)。あと、コードの設計の仕方に疑問を感じるところも少しあって("項目 34：クラスの存在をメタクラスで登録する", " 項目 50：モジュールの構成にパッケージを用い、安定な APIを提供する", 例外が好きそうなところ)、本の内容をそのまま鵜呑みにせずに、やり方の一つとして覚えておくのが良さそうかと思った。
総じては、Pythonのよくあるイディオムがコンパクトにまとまっていて良かったと思う。Python流のやり方が少しづつわかるようになってきた。この本の内容が実際のPythonコードではどれくらい採用されているのかは、特に知らないという状態なので、もう少し世の中のPythonのコードを読んだり、オフィシャルのドキュメントを眺めたりすると良さそうだった。
