概要
Pythonは、簡単な構文と豊富なライブラリーを持つプログラミング言語であり、実務レベルでも幅広く活用されています。
企業では、Webアプリケーションやデータ分析、機械学習など、さまざまな分野でPythonが使われており、その実例を紹介したいと思います。
詳細内容
1. Webアプリケーション開発Pythonのフレームワーク、Djangoを使用したWebアプリケーションの例です。
from django.urls import path
from . import viewsurlpatterns = [
path('', views.index, name='index'),
path('about/', views.about, name='about'),
path('contact/', views.contact, name='contact'),
]
この例では、DjangoでURLを管理するために使用される`urlpatterns`を定義しています。
`path()`関数を使用し、第一引数でURL、第二引数で呼び出すコントローラーを指定しています。
各コントローラーの詳細は、`views.py`ファイルで定義されています。
2. データ分析Pythonのライブラリ、Pandasを使用したデータフレームの操作の例です。
import pandas as pddf = pd.read_csv('data.csv')
df = df.dropna() # 欠損値を含む行を削除
df = df[df['age'] >= 18] # 年齢が18歳未満の行を削除
df['salary'] = df['salary'] * 1000 # 給与を1000倍に変更
df.to_csv('new_data.csv', index=False) # 処理後のデータをCSVファイルに保存
この例では、Pandasライブラリを使用してCSVファイルのデータを読み込み、欠損値を含む行を削除し、条件に合致する行だけを取り出し、給与列の値を1000倍に変更した後、新しいCSVファイルに保存しています。
3. 機械学習Pythonの機械学習ライブラリ、Scikit-learnを使用した、線形回帰の例です。
from sklearn.linear_model import LinearRegression
from sklearn.model_selection import train_test_split
import pandas as pd# データの読み込み
df = pd.read_csv('data.csv')
X = df['age'].values.reshape(-1, 1)
y = df['salary'].values.reshape(-1, 1)# 訓練用データと検証用データに分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)# 線形回帰モデルの訓練
regressor = LinearRegression()
regressor.fit(X_train, y_train)# 予測
y_pred = regressor.predict(X_test)
この例では、Scikit-learnライブラリを使用して、CSVファイルからデータを読み込み、`train_test_split`関数を使用してデータをトレーニング用とテスト用に分割し、線形回帰モデルを訓練しています。
最後に、テスト用データを使用して予測を実行し、結果を`y_pred`に保存しています。
コメント