Corise — データサイエンスのための Python
プロジェクト 1 — Airbnb
Corise の 1 週目のプロジェクトで、Python でコードを書き始めました。さまざまな Numpy 関数を適用しながら、この言語は信じられないほど用途が広く、習得が容易であることがわかりました。Numpy を使用するとコードが合理化され、より簡潔な最終製品が作成され、アルゴリズムにより多くの時間を費やすことができることがわかりました。私たちのプロジェクトでは、Google によるコラボレーション スペースを活用しました。しかし、共有スペースでコンピューターを使用すると気が散ることがあることがわかりました。他の人が何をしているかよりもコードを正しくすることに重点を置いていたので、最終的にすべての画面共有設定を非公開に切り替えました。プロジェクトを開始する前は、プログラミングの経験がほとんどなかったので、Numpy を使用した簡単なプログラムを作成することに非常に神経質になりました。
Python と Numpy を使い始める
Numpy を使い始めるために、Airbnb データセットをダウンロードしてきれいにしました。このデータ セットは、アムステルダムの Airbnb ユーザーが収集した賃貸物件の場所に関する情報で構成されていました。データセットをダウンロードしたとき、それが大きなファイルであることに驚きませんでした。データセットがアップロードされた後、それをクリーンアップする時が来ました。ファイルを読みにくくするヘッダー、フッター、重複する ID、およびその他のがらくたを取り除きたいと考えていました。
- 最初の列と行を削除します。
- 最初の 4 列を出力します。
- 「マトリックス」を使用して、マトリックスを 90 度シフトします。移調機能。
- 最初の 5 行を出力します。
- ヘッダーの行と列を削除し、最後の 3 列を出力します。
次に、上記の各ステップの結果を表示するために「print」ステートメントを追加しました。
Numpy での通貨換算
データをクリーンアップしたので、「currency_converter」コードを使用して、選択した通貨に変換したいと考えました。まず、「 from currency_converter import CurrencyConverter 」を使用してライブラリをインポートしました。これが完了した後、使用する通貨は「GBP」に決定し、通貨を「USD」から「GBP」に変換しました。
- 使用したコードは次のとおりです。
- gbp_rate = cc.convert(1, 'USD', 'GBP')
- print(gbp_rate) … レートを計算するために、ドル列に使用通貨 (例: GBP) を掛ける命令が続きます。)
- print(matrix[:, 1]) … 行列のドルの値を出力する命令が続きます。
- # ドルの列にインフレ率を掛けます (1.00 + インフレ)
- 行列[:, 1] = 行列[:, 1] * 1.07
- print(matrix[:, 1]) … インフレ率を掛けた後に、マトリックス内のドルの値を出力する命令が続きます。
このセクションはかなりシンプルで迅速でした。ダウンロードしたデータセットから緯度と経度の距離を計算するためにループを作成しました。このセクションはかなりシンプルで迅速でした。プロジェクトのこの部分では、経度と緯度のベクトルの各要素をループできる関数を作成しました。作成された関数は「distance」という名前で、緯度と経度の 2 つの引数を取ります。次に、このコード行を利用して、データセットの各列の値をループ処理しました。
timeit 関数で使用されるコードを以下に示します。
# Python 関数を (半) ベクトル化された方法で使用できるようにする>> conv_to_meters = np.vectorize(from_location_to_airbnb_listing_in_meters)
# 関数を適用し、時間を使用>>>> conv_to_meters(latitude, longitude, matrix[:, 2], matrix[:, 3])
Streamlit でアプリを作成し、GitHub にデプロイする
Streamlit プラットフォームを使用して、ポートフォリオ用のアプリを作成し、 Airbnb データを表す上記のコードを表示しました。そうすることで、生データを格納するリポジトリ、データが表示されたストリームライト アプリケーション、およびコード ポートフォリオ全体を格納する Web ページを GitHub に作成することができました。ここから、アプリケーションを公開して、ユーザーが作成されたものにアクセスできるようにします。貢献することを選択した場合、プロジェクトを自分の GitHub アカウントにフォークするだけで、元のリポジトリにリンクされた元のアカウントを維持している限り、そこから変更や更新をリポジトリにプッシュしたり、必要に応じて調整したりできます。 .
結論
全体として、このプロジェクトは Numpy の基礎を教えてくれただけでなく、このプログラムや R などの他のデータ分析ソフトウェアを使用してデータを操作および分析する際の無限の可能性を示しました。あらゆる科学分野での成功に不可欠です。また、このようにさまざまなソースからのデータを操作できることで、世界がどのように機能しているかをより深く理解できるようになると考えています。今週は、私も非常に興奮しているパンダへの旅を始めます。これらのツールは、データから有用な情報を抽出できるようにデータを構造化するのに役立つと思います。
Medium、Twitter、LinkedIn、Githubで気軽にフォローしてください。ここや他のソーシャル アカウントで、データ ジャーニー中にさらに多くの資料を投稿する予定です。

![とにかく、リンクリストとは何ですか?[パート1]](https://post.nghiatu.com/assets/images/m/max/724/1*Xokk6XOjWyIGCBujkJsCzQ.jpeg)



































