要約
今回は、実際にビジネスに活用されているPythonの事例をいくつかご紹介します。
Pythonは、シンプルで扱いやすく、幅広い分野で活用される汎用性の高いプログラミング言語です。
今回は、その中でも日本の企業が実際にビジネスに活用した例をコード付きで紹介します。
詳細内容
1. 株価予測
Pythonには、株価予測に使用できる多数のライブラリがあります。
以下のコードは、Kerasライブラリを使用して、株価予測を行うものです。
“`
from keras.models import Sequential
from keras.layers import Dense
from keras.layers import LSTM
import pandas as pd
import numpy as np# データの読み込み
data = pd.read_csv(‘stock_data.csv’)# データの前処理
data = data.dropna()
data = data.drop([‘Date’], axis=1)# 訓練データとテストデータに分割
train_size = int(len(data) * 0.8)
test_size = len(data) – train_size
train, test = data.iloc[0:train_size], data.iloc[train_size:len(data)]# 前処理
scaler = MinMaxScaler(feature_range=(0, 1))
train = scaler.fit_transform(train)
test = scaler.transform(test)# データの整形
def create_dataset(dataset, look_back=1):
dataX, dataY = [], []
for i in range(len(dataset)-look_back-1):
a = dataset[i:(i+look_back), 0]
dataX.append(a)
dataY.append(dataset[i + look_back, 0])
return np.array(dataX), np.array(dataY)look_back = 60
trainX, trainY = create_dataset(train, look_back)
testX, testY = create_dataset(test, look_back)# LSTMモデルの作成
model = Sequential()
model.add(LSTM(50, input_shape=(look_back, 1)))
model.add(Dense(1))
model.compile(loss=’mean_squared_error’, optimizer=’adam’)
model.fit(trainX, trainY, epochs=10, batch_size=1, verbose=2)# 予測
trainPredict = model.predict(trainX)
testPredict = model.predict(testX)# 予測結果の後処理
trainPredict = scaler.inverse_transform(trainPredict)
trainY = scaler.inverse_transform([trainY])
testPredict = scaler.inverse_transform(testPredict)
testY = scaler.inverse_transform([testY])
“`2. 自然言語処理
日本語文章の分析には、janomeというライブラリがあります。
以下のコードは、janomeを使用して、日本語の文章から名詞を抽出するものです。
“`
from janome.tokenizer import Tokenizer# 日本語文章の読み込み
text = “Pythonで自然言語処理を行う方法について学んでいます。
“# Tokenizerオブジェクトを作成
t = Tokenizer()# 名詞の抽出
result = []
for token in t.tokenize(text):
part_of_speech = token.part_of_speech.split(‘,’)[0]
if part_of_speech == ‘名詞’:
result.append(token.surface)# 結果の表示
print(result) # [‘Python’, ‘自然’, ‘言語処理’, ‘方法’]
“`3. PDFテキスト抽出
PDFファイルからテキストを抽出するためには、PyPDF2というライブラリが使えます。
以下のコードは、PyPDF2を使用して、PDFファイルからテキストを抽出するものです。
“`
import PyPDF2# PDFファイルをオープン
pdf_file = open(‘sample.pdf’, ‘rb’)# PDFファイルの読み込み
pdf_reader = PyPDF2.PdfFileReader(pdf_file)# ページ数の取得
num_pages = pdf_reader.getNumPages()# ページ毎にテキスト抽出
text = ”
for i in range(num_pages):
page = pdf_reader.getPage(i)
text += page.extractText()# 抽出されたテキストの表示
print(text)
“`4. データ可視化
Pythonのmatplotlibライブラリを使用して、データの可視化を行うことができます。
以下のコードは、matplotlibを使用して、散布図を描画するものです。
“`
import matplotlib.pyplot as plt
import numpy as np# データの作成
x = np.random.rand(100)
y = np.random.rand(100)# 散布図の描画
plt.scatter(x, y)
plt.show()
“`
コメント