pythonの基本¶

The original juypter notebook of this page is here

実習の方法¶

プログラム例が載っている教材は基本的にjupyter notebookにて作成し、notebook形式のファイルを公開する。このノートブックについては、上記の「here」をクリックしてダウンロードできる。

ダウンロードしたノートブックを実習用のフォルダを「ドキュメント」の下につくり、そこに置けば、各端末のjupyter notebookを立ち上げることにより読み込み、実行できる。

また、各自、新しいセルにて種々試すことができる。

プログラムコードの間に説明文があると思考の妨げになると感じたならば、独自の新規ノートブックを作成し、教材のページ（あるいはノートブック）を参照しながら、新しいノートブック内で試すのが良いだろう。もちろん、jupyter notebookではなく、別のエディタとコマンドラインツール(ipython)や統合開発環境で実行してみてもよい。

毎回試したことを、各自のJupyter notebookに記録し、8回の講義終了時に提出する

初めての人は、以下の文章にそって、基本的な文法を修得する。

なれている人は、

PEPについて一通り学習する
このページに記載していないpythonコードの書き方について、他の人に教えるつもりで、ノートブックを作成してみる。

Jupyterの利用¶

Jupyter notebookは、

セルと呼ばれる区画にプログラムの一部分あるいは全部を書く
セルには、(1) pythonプログラムコードを書く、(2) 文章を書くという２つの種類の特性があり、それは"Cell"メニューによって切り替える
文章はMarkdownという文法に則って書く。

Jupyter Notebookの使い方に関する情報はWeb上に山ほどあるので、自分の好みにあったものを参照してほしい。たとえば、https://qiita.com/takuyanin/items/8bf396e7b6b051670147

初めての人は、それから始めてもよい。

基本的な変数¶

変数宣言は要らない
- 変数名に値を代入したときに生成
- 型は値によって決まる
- 型変換の関数はいろいろ用意されている str(x), float(x), int(x), ...
print文の書式は以下を参照

myname = "Nashidai Taro"
age = 25
height = 1.705
weight = 60.16
formatted_weight = "weight: %6.1f" % weight
print( weight )
print( formatted_weight )
print( "Hello, %s." % myname )
print( "Your age, height, and weight are %2d, and %6.3f m, %6.1f kg, respectively." % (age, height, weight) )

# 演算
bmi = weight / height**2
print("BMI = " + str(bmi))

60.16
weight:   60.2
Hello, Nashidai Taro.
Your age, height, and weight are 25, and  1.705 m,   60.2 kg, respectively.
BMI = 20.694696468038625

配列 list と dictionary¶

単純な一次元配列 list¶

[ ] で要素を並べる
各要素の参照は a[2] のようにする。
部分リスト a[2:5], a[:5], のような記述が可能 (スライスと呼ぶ)
逆からのインデックスが可能 a[-2] のような

a = ['red', 'blue', 'green', 'black', 'white']

print(a[2])
print(a[2:4])
print(a[3:])
print(a[-2])

green
['green', 'black']
['black', 'white']
black

辞書 dictionary¶

他のスクリプト言語で、連想配列(associative array)、ハッシュ(hash)と呼ばれるものと同様
キーと値をセットで記憶
値として様々な型の混在が可能
値がリストや配列でもよい

person = {"name": "Suzuki", "hobby": ["ski", "tennis", "piano"], "age": 20, "weight": 70}

print(person["name"])
print(person["hobby"])

Suzuki
['ski', 'tennis', 'piano']

リストや辞書の演算¶

リストや辞書の連結、要素の追加、削除を行う様々な関数（メソッド）が用意されている

データ分析や数値計算に便利なデータ構造の拡張¶

pythonネイティブのデータ構造リスト・辞書だけでは、大量のデータや数値計算には使いにくい。

そのような用途向けに、いくつかのモジュールで配列に類するデータ構造の拡張が行われている。

ここでは、良く用いらえれる２種類（実用上ほぼそれでOK)のモジュールを使う。

numpy
- Cなどのプログラミング言語の配列ににたndarrayが用意されている。
- 最初は、作成の方法に戸惑うだろう。初期化を行うメソッドとして、
- zeros（全部ゼロで初期化）
- ones (全部1で初期化）
- linspace (ある値の区間を等間隔に値をセット) などがある。たとえば http://www.turbare.net/transl/scipy-lecture-notes/intro/numpy/array_object.html#numpy-arrays
pandas
- データ分析に都合がよいDataFrmame（２次元的）とSeries（１次元的）というデータ構造がある。
- DataFrameとそれに付随するメソッドはとても便利だが、列・行には特別な意味があり、最初は戸惑うだろう。たとえば、https://qiita.com/ysdyt/items/9ccca82fc5b504e7913a

制御構造¶

反復と条件分岐¶

プログラム単位はインデントで表す (Cのような、{ }や;はない！)
- コードの見やすさのために、1行は80文字以内にすることが推奨されている
- 継続行は行末に \ をおくことで実現できるが、あまり推奨されない。代わりに( )を上手に用いる
whileの書き方はほぼ同じだがforは異なる
if/elif/elseはほぼ同じ
繰り返し文のなかのbreak, continueはほぼ同じ

z = 1 + 1j # complex number
while abs(z) < 100:
    if z.imag == 0:
        break
    z = z**2 +1
print(z)

(-134+352j)

a = 10
if a == 1:
    print(1)
elif a == 2:
    print(2)
else:
    print("A lot")

A lot

for i in range(5):
    print(i)

range(5)は0から1ずつ増やした5個の要素をもつ。

（注）

ちょっとわかりにくいが正確にいうと、rangeはrange型のobjectを生成するので、リストに変換するにはlist()という関数を用いる必要がある。

a = range(5)
print(a)
b = list(a)
print(b)

range(0, 5)
[0, 1, 2, 3, 4]

辞書や配列の要素を走査する繰り返し¶

要素の数はlen()関数で得られるのでそれを利用する場合もある。

a = [1, 2, 3, 4]
for x in a:
    print(1. / x)

1.0
0.5
0.3333333333333333
0.25

a = [2,4,6,8]
for n in range(len(a)):
    print(n, a[n])

0 2
1 4
2 6
3 8

point = {"math": 80, "phys": 70, "chem": 90, "bio": 60}
for key, value in point.items():
    print("%s = %d" % (key, value))

math = 80
phys = 70
chem = 90
bio = 60

pointという辞書（オブジェクト）に対してitems()というメソッドが付随しており、それが実行されたと解する。

point.values()

単に、つぎのようにしてもよい。

注：

items()関数の返値の型はdict_itemsで、直接、その要素を取り出せません。"in"とともに用います。たぶん。（pythonにはこのような特別な型が多くあり、慣れにくい気がします。）

for key in point:
    print("%s = %d" % (key, point[key]))

math = 80
phys = 70
chem = 90
bio = 60

高速な処理のために¶

pythonは他のインタプリタ型言語と同様、繰り返しや条件分岐などの処理は遅い。

したがって、大量のデータを繰り返し処理する場合は、forやwhile分の利用を極力避け、numpy, pandasなどのモジュールに備わっているメソッドを利用する。

ちょっとした解説 https://8tops.yamanashi.ac.jp/~toyoki/lectures/simulationMethods/speedup4matrices.html

関数¶

引数に既定値を与えておくと、引数の数が欠けている場合も対応できる。

def lin_func(x=1, y=1):
    return  2.0* x + 3.0*y

print(lin_func(2,3))
print(lin_func(x=3, y=2))
print(lin_func(y=5))

13.0
12.0
17.0