ISBN 9784297115685
改訂版 Pythonユーザのための Jupyter［実践］入門
概要
JupyterLab + pandas + Matplotlib + seaborn でデータ分析の全工程を習得する
想定読者
PythonでデータをインタラクティブにEDA・可視化したいデータ分析入門〜中級者。JupyterLabの環境構築から、pandas・Matplotlib・seaborn・Google Colaboratoryまで一冊で体系的に学びたい人。
こんな人には向いていない
- すでにpandas/Matplotlibを日常業務で使いこなしており、APIリファレンスの確認が目的の読者には情報密度が低い
- 機械学習アルゴリズムの理論や実装を学びたい読者には本書の範囲外となる(本書はEDAと可視化に特化)
- Jupyter Notebookの操作に既に習熟しており、JupyterLab固有の新機能だけを知りたい場合は冗長な章がある
読了後にできるようになること
- Anacondaを使ったPython+JupyterLabの環境構築手順と、condaコマンドによる仮想環境管理
- pandasのSeries/DataFrameを使ったCSV・時系列・テキストデータの読み込み・前処理・集計
- Matplotlibの2つのアプローチ(pyplot/オブジェクト指向)を使い分け、折れ線・散布図・ヒストグラム等を仕上げる
- seabornのファセット・ペアグリッド・ジョイントグリッドで多変数データの分布・関係・回帰を一括可視化する
- Google Colaboratoryをローカル環境なしで分析・共有の場として活用する
本書のキー概念(章解説)
- 第 1 章 JupyterLabを導入しよう — Anaconda/condaによる環境構築を丁寧に扱う。環境構築で詰まりやすい読者はここに時間をかける価値がある
- 第 2 章 JupyterLabの操作を学ぼう — インターフェイスと使いこなしTips。既存Notebookユーザは流し読みで可
- 第 3 章 pandasでデータを処理しよう — 前処理・時系列・テキスト・結合・集計まで網羅。実務データ処理の中核章
- 第 4 章 Matplotlibでグラフを描画しよう — 主要グラフ種を一通り体験できる基礎章
- 第 5 章 Matplotlibを使いこなそう — フィギュア・サブプロット・凡例・色・スタイル設定など、論文・報告書品質の図を作るためのノウハウが集まっている
- 第 6 章 seabornでデータを可視化しよう — カテゴリ・分布・回帰の可視化をpandasのDataFrameと直結して行える点がMatplotlibとの大きな差分
- 第 7 章 seabornを使いこなそう — ファセット・ペアグリッド・ジョイントグリッドによる多変数EDAの実践ノウハウ
- 第 8 章 Colaboratoryを使おう — ローカル環境に依存しない分析・共有環境として、チーム利用やデモ用途に即応用可能
ハイライト
- Jupyterはインタラクティブにコードを実行でき、その結果を多彩なグラフや表などによって容易に表現できます。実践的な活用ノウハウを豊富に交えて解説します。(本書がインタラクティブ分析環境としてのJupyterの強みを軸に据えていることが端的に出ている一節)
- タイトルには入っていませんが、pandas、Matplotlib、Bokehの使い方についても詳しく解説しています。この記事に書かれていることも、よりわかりやすく書いてあります(著者自身によるコメントで、本書がmatplotlibのTips記事よりも体系的・平易に解説していることを示している)
外部からの言及
- データ可視化の手法選択を解説した技術記事の参考文献として本書(初版)が引用されており、EDAにおける可視化の理論的背景と実装の両方をカバーする資料として扱われている(qiita)
- 著者の一人(@nobolis)が執筆時のmatplotlibTips記事に追記する形で本書を紹介し、『記事の内容をよりわかりやすく書いてある』と評している。入門記事の体系化版として位置づけられていることがわかる(qiita)
編集メモ
Qiita上で初版を参照記事2件(累計likes 387)が確認できる。2020年改訂版はJupyterLabへの対応とGoogle Colaboratory章を加えた実用性の高いアップデート。記事数は5件未満のためessentialには届かないが、データ分析入門層のリファレンスとして継続参照されている実績から practical と判定
読む前に押さえておきたいこと
- PythonのリストやDict操作など基本文法の理解(本書はPython入門書ではない)
- コマンドライン操作の基礎(ターミナルでのディレクトリ移動・コマンド実行)
学習のコツ
- 環境構築(第1章)でAnacondaのcondaコマンドに不慣れな場合は時間を確保する。第2章以降の実習はすべてここで作る環境前提なので手を抜かない
- 第3章(pandas)は章の中盤にある『データの前処理』から先を先読みすると、実務でよく直面するデータクレンジング作業との接続が早い
- 第4章と第5章はセットで読む。第4章で各グラフ種を体験した直後に第5章の書式設定を学ぶと、仕上げ品質の図を作るまでの距離感がつかみやすい
- Colaboratory(第8章)は第1章の環境構築に詰まった場合や、チームで素早く共有したい場面の代替として最初に試す選択肢にもなる
出版社による内容紹介
JupyterLabは、Jupyter Notebookをベースにして誕生し、Pythonユーザを中心に人気の高いオープンソースのデータ分析環境です。Jupyterはインタラクティブにコードを実行でき、その結果を多彩なグラフや表などによって容易に表現できます。本書では、Jupyterをこれから利用する方はもちろんのこと、すでに利用している方にとっても役立つことを目指し、実践的な活用ノウハウを豊富に交えて解説します。また、可視化に際しては、Pythonで人気のライブラリ「pandas」「Matplotlib」「seaborn」を中心に解説します。さらに、最終章では「Google Colaboratory」の使い方を紹介します。 ■第1章 JupyterLabを導入しよう 1.1 Project Jupyterとは 1.2 Anacondaを利用したPython環境の構築 1.3 condaコマンドの使い方 1.4 Anaconda Navigatorの使い方 1.5 日本語フォント環境の準備 ■第2章 JupyterLabの操作を学ぼう 2.1 JupyterLabでコードを実行 2.2 JupyterLabのインターフェイス 2.3 JupyterLabの使いこなし ■第3章 pandasでデータを処理しよう 3.1 pandasとは 3.2 サンプルデータについて 3.3 Series 3.4 DataFrame 3.5 さまざまなデータの読み込み 3.6 データの前処理 3.7 テキストデータの処理 3.8 時系列データの処理 3.9 基本統計量の算出 3.10 データの結合 3.11 データの集計 3.12 データの可視化 ■第4章 Matplotlibでグラフを描画しよう 4.1 Matplotlibとは 4.2 グラフの描画 4.3 折れ線グラフ 4.4 散布図 4.5 棒グラフ 4.6 ヒストグラム 4.7 箱ひげ図 4.8 円グラフ ■第5章 Matplotlibを使いこなそう 5.1 グラフの構成要素 5.2 フィギュアとサブプロットの書式設定 5.3 グラフの軸と目盛りの設定 5.4 凡例の設定 5.5 線の書式設定 5.6 色の設定 5.7 文字列の書式設定 5.8 描画スタイルの適用 5.9 グラフをファイルに出力 5.10 Matplotlibでグラフを描画する2つのアプローチ ■第6章 seabornでデータを可視化しよう 6.1 seabornとは 6.2 APIの概要 6.3 グラフの描画方法 6.4 データの関係の可視化 6.5 カテゴリデータの可視化 6.6 データ分布の可視化 6.7 回帰の可視化 ■第7章 seabornを使いこなそう 7.1 ファセットの活用 7.2 ペアグリッドの活用 7.3 ジョイントグリッドの活用 7.4 axes-level関数の利用 7.5 グラフのスタイルと書式の設定 ■第8章 Colaboratoryを使おう 8.1 Colaboratoryの基本 8.2 ファイルの読み込み 8.3 Colaboratoryの活用
この本がどの学習段階で役立つかは、 関連する ロードマップ から確認できます。