機械学習/Pythonでデータ分析するはじめの一歩（Windows編） のバックアップ(No.4)

• バックアップ一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• 機械学習/Pythonでデータ分析するはじめの一歩（Windows編） へ行く。
  • 1 (2017-09-18 (月) 13:29:23)
  • 2 (2017-09-18 (月) 16:15:48)
  • 3 (2017-09-19 (火) 18:18:27)
  • 4 (2017-09-19 (火) 19:06:41)

---

はじめに †

WindowsでPythonの定番ツールを使ってデータ分析を行う環境を整えます。

Pythonに加えて、パッケージ形式ライブラリーのWheel、数値計算ライブラリーのNumPy、科学計算ライブラリーのSciPy、機械学習ライブラリーのscikit-learn、データ分析支援ライブラリーのpandas、Python実行環境のJupyter Notebook、グラフ描画ライブラリーのMatplotlibをインストールします。

この記事の内容は、以下のバージョンで確認しました。

• Windows 10
• Python 3.6.2

インストール †

Python 3 64ビット版 †

まず、Pythonのオフィシャル・サイトからPython 3の64ビット版インストーラーをダウンロードします。

• Python.org

「Downloads」の「Windows」をクリックし、リストの中にあるWindows x86-64 executable installerをダウンロードします。

インストーラーを実行したら、Add Python 3.6 to PATHにチェックを入れて、Install Nowをクリックします。

Wheel †

Pythonのライブラリーは、pipを使ってインストールします。

pipはコマンド・プロンプト上で実行しますが、インストールを行いますので、管理者として実行する必要があります。

そこで、WindowsメニューのWindowsシステムツールにあるコマンド プロンプトを右クリックし、管理者として実行を選択します。

標準のライブラリーをインストールすればいい場合は、次のようにしてインストールできます。

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

NumPy †

次のサイトから、numpy‑1.13.1+mkl‑cp36‑cp36m‑win_amd64.whlをダウンロードします。

• http://www.lfd.uci.edu/~gohlke/pythonlibs/

pipでダウンロードしたファイルを指定し、インストールします。

iris.data

ここで、tohgorohはユーザー名なので、自分のユーザー名に置き換えてください。

SciPy †

NumPyと同じように、scipy‑0.19.1‑cp36‑cp36m‑win_amd64.whlをダウンロードしてインストールします。

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

pandas †

Wheelと同じように、通常のライブラリーをインストールできます。

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

scikit-learn †

Wheelと同じように、通常のライブラリーをインストールできます。

x0 = df_iris[df_iris.predict==0]['sepal_length']
y0 = df_iris[df_iris.predict==0]['sepal_width']
x1 = df_iris[df_iris.predict==1]['sepal_length']
y1 = df_iris[df_iris.predict==1]['sepal_width']
x2 = df_iris[df_iris.predict==2]['sepal_length']
y2 = df_iris[df_iris.predict==2]['sepal_width']

Jupyter Notebook †

Wheelと同じように、通常のライブラリーをインストールできます。

%matplotlib notebook
import matplotlib.pyplot as plt
fig = plt.figure()
subplt = fig.add_subplot(1, 1, 1)
subplt.scatter(x0, y0, c='red')
subplt.scatter(x1, y1, c='green')
subplt.scatter(x2, y2, c='blue')

Matplotlib †

Wheelと同じように、通常のライブラリーをインストールできます。

> pip install matplotlib

これでインストールは終わりです。 管理者権限で起動したコマンド・プロンプトを終了します。

動作確認 †

Jupyter Notebook †

ユーザー権限でコマンド・プロンプトを起動し、そこからJupyter Notebookを起動します。

> jupyter notebook

すると、ローカルでWebサーバーが起動し、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のプログラムを入力し、実行ボタンをクリックするか、Shiftキーを押しながらreturnキーを押して実行します。

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

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のデータフレームに入れて表示してみます。

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

Matplotlib †

Matplotlibを使って、グラフを描いてみます。

まず、予測値をpandasのデータフレームに追加します。

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

次に、予測した値によって、3つのグループに分けます。

x0 = df_iris[df_iris.predict==0]['sepal_length']
y0 = df_iris[df_iris.predict==0]['sepal_width']
x1 = df_iris[df_iris.predict==1]['sepal_length']
y1 = df_iris[df_iris.predict==1]['sepal_width']
x2 = df_iris[df_iris.predict==2]['sepal_length']
y2 = df_iris[df_iris.predict==2]['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(x0, y0, c='red')
subplt.scatter(x1, y1, c='green')
subplt.scatter(x2, y2, c='blue')