Pythonでデータ分析するはじめの一歩（Mac編）

はじめに †

MacでPythonで定番のツールを使ってデータ分析を行う環境を整えます。

以前は、ツールを一つずつインストールしていましたが、今では、AnacondaというパッケージだけでOKです。

この記事の内容は、以下のバージョンで確認しました。

• macOS High Sierra 10.13.5
• Anaconda 5.3 Python 3.7 version

ダウンロード †

Anacondaの公式サイトからPython 3.7 versionをダウンロードします。

• https://www.anaconda.com/download/#macos

インストール †

ダウンロードしたインストーラーを起動します。

インストール先を聞かれます。自分だけで使う場合は「自分専用にインストール」、他のユーザーも使えるようにするには「特定のディスクにインストール」を選びます。

ここでは、ほかのユーザーも使えるように「特定のディスクにインストール」を選択し、ディスクをMacBookのSSD、ディレクトリーを共有ユーザーの /Users/Shared/tools にします（ユーザー → 共有 → tools、toolsがなければ新規作成）。

最後に、MicrosoftのVisual Studioのコードをインストールするかどうかを聞かれます。 ここでは、スキップします。

これでインストールは完了です。

動作確認 †

Jupyter Notebook †

アプリケーションに追加されたAnaconda-Navigator.appを起動します。

Jupiter NotebookのLaunchをクリックします。

すると、ターミナルが起動し、その上でWebサーバーが自動的に起動し、さらにWebブラウザが自動的に起動します。

New から Python 3 を選択します。

すると、新しいノートブックが作成されます。

scikit-learn †

標準で入っているirisデータをSVM (SVC)で学習してみます。

入力ボックスにPython 3のプログラムを入力し、ボタンを押して実行します。

from sklearn import datasets
from sklearn.svm import SVC
iris = datasets.load_iris()
clf = SVC()
clf.fit(iris.data, iris.target)

list(clf.predict(iris.data[:3]))

clf.fit(iris.data, iris.target_names[iris.target])

list(clf.predict(iris.data[:3]))

pandas †

pandasの動作を確認するため、irisデータをpandasに入れます。

まずは、irisのデータをそのまま表示してみます。

iris.data

次に、iris.dataをpandasのDataFrameに入れて表示してみます。

import pandas as pd
iris.df = pd.DataFrame(iris.data, 
                       columns=['sepal_length', 'sepal_width', 'petal_length', 'petal_width'])
iris.df

すると、Jupyter Notebookに表形式で出力されます。

matplotlib †

最後に、scikit-learnで学習した結果をmatplotlibを使って、可視化してみます。

まず、pandasのDataFrameに予測結果を追加します。

iris.df['predict'] = clf.predict(iris.data)
iris.df

次に、予測結果がsetosaのもの、versicolorのもの、virginicaのものに分けます。

x1 = iris.df[iris.df.predict == 'setosa']['sepal_length']
y1 = iris.df[iris.df.predict == 'setosa']['sepal_width']
x2 = iris.df[iris.df.predict == 'versicolor']['sepal_length']
y2 = iris.df[iris.df.predict == 'versicolor']['sepal_width']
x3 = iris.df[iris.df.predict == 'virginica']['sepal_length']
y3 = iris.df[iris.df.predict == 'virginica']['sepal_width']

これをmatplotlibで表示します。

%matplotlib notebook
import matplotlib.pyplot as plt
fig = plt.figure()
subplt = fig.add_subplot(1, 1, 1)
subplt.scatter(x1, y1, c='red')
subplt.scatter(x2, y2, c='green')
subplt.scatter(x3, y3, c='blue')

すると、こんな感じになります。

終わり方 †

Jupyter Notebookが動いているターミナルをアクティブにして、control+C でサーバーのプロセスを終了します。

Anaconda Navigatorを終了します。