March 2021
Intermediate to advanced
800 pages
8h 35m
Japanese
データを十分絞り上げれば、自然はかならず自白する。
──ロナルド・コース
今までは、Python言語自体を話題にしていた:Pythonのデータ型、コード構造、構文といったことだ。これからは、Pythonを実世界の問題に応用していく。
この章では、データを自在に操るための実用的なテクニックをいくつも学ぶ。この種の作業は、データマンジングとか、もっとビジネスライクにETL(extract:抽出、transform:変換、load:ロード)と呼ばれる。プログラミングについての本がこのテーマを表立って取り上げることはまずないが、プログラマたちは、目的に合った形にデータを加工するために多くの時間を費やしている。
ここ数年、データサイエンスと呼ばれる専門分野が人気を集めてきている。Harvard Business Reviewには、データサイエンティストこそ「21世紀でもっともかっこいい職業だ」という記事*1が載った。需要があって給料が高ければよさそうな話だが、この仕事は単なる重労働という以上の難しさがある。データサイエンスは、データベースのETLで求められることをはるかに越えて、人間の目には見えない知見を暴くために機械学習を駆使することが多い。
*1 監訳注:Harvard business review, October 2012
この章では、まず、データ形式の基本的なところから始め、データサイエンスに役立つ最新ツールに進んでいく。
データ形式は大きくテキストとバイナリの2種類に分類される。テキストデータには、Pythonの文字列が使えるが、この章では今まで省略してきた文字列に関する2つの重要なテーマを取り上げる。
Read now
Unlock full access