<< scikit-learnを用いた機械学習（Pythonの基礎 ３／４）
参考書
本ブログの内容の詳細は、「機械学習スタートアップシリーズ ゼロからつくるPython機械学習プログラミング入門」に掲載されています。
機械学習に必要な数学の復習から、機械学習のアルゴリズムの導出およびPythonの基本ライブラリのみを用いた実装方法まで学びたい方は、本書籍をご活用ください。
bookclub.kodansha.co.jp
Pythonのオブジェクト指向
Pythonでは、関数とクラスの定義を以下のような形式で記述します。
def 関数名(引数1,引数2, ...): 関数の処理
class クラス名: def __init__(self, 引数1, 引数2, ….): #コンストラクタの定義 def メソッド名(self, 引数1, 引数2, ….): #メソッドの定義
ここで、self.xxxはインスタンス変数で、コンストラクタとメソッドの最初の引数はselfを記述しなければなりません。
以下は、物件価格データを読み込み、散布図をプロットするクラスの定義の例です。
import pandas as pd import numpy as np import matplotlib.pylab as plt class HousePriceData: #--------------- # コンストラクタ def __init__(self, datapath="house_prices_train.csv"): self.data = pd.read_csv(datapath) # DataFrameの読み込み #--------------- #--------------- # 散布図をプロットするメソッド # nrow：行数（int型、例：2） # ncol：列数（int型、例：5） # data：データ（numpy array型、） # titles: タイトル（numpy array型） # xattri：xの属性（str型） # yattri：yの属性（str型） def plotScatter(self, nrow, ncol, data, titles, xattri, yattri): # Figureの初期化 fig = plt.figure() xrange = [np.min(self.data[xattri].values), np.max(self.data[xattri].values)] # x軸の範囲 yrange = [np.min(self.data[yattri].values), np.max(self.data[yattri].values)] # y軸の範囲 # 散布図をプロット for ind in range(np.min([len(data),nrow*ncol])): ax=fig.add_subplot(nrow,ncol,ind+1) # グラフの位置を指定(nrows行、ncols列のindex番目） ax.set_title(titles[ind]) # タイトルの設定 ax.plot(data[ind][xattri].values,data[ind][yattri].values,'.') # 散布図のプロット ax.set_xlim([xrange[0], xrange[1]]) # x軸の範囲設定 ax.set_ylim([yrange[0], yrange[1]]) # y軸の範囲設定 ax.set_xlabel(xattri) # x軸のラベル ax.set_ylabel(yattri) # y軸のラベル plt.tight_layout() # グラフ間に隙間をあける plt.show() # グラフの表示 #---------------
上記のコードでは、以下の変数とメソッドを持つHousePriceというクラスを定義しています。
- インスタンス変数self.data：読み込んだデータを格納するpandas.DataFrame
- コンストラクタ：指定されたdatapath（デフォルトでは、"house_prices_train.csv"に設定）のcsvファイルからデータを読み込み、self.dataに設定する
- メソッドplotScatter(self, nrow, ncol, data, titles, xattri, yattri)：指定された複数のデータの散布図を作成する
nrow：行数（int型、例：2）
ncol：列数（int型、例：5）
data：データ（numpy array型、）
titles: タイトル（numpy array型）
xattri：xの属性（str型）
yattri：yの属性（str型）
以下は、定義されたクラスを実行する例です。クラスHousePriceDataをmyDataとしてインスタンス化しています。
# 物件価格データのインスタンス化 myData = HousePriceData() # プロットする４種類のデータの準備 data=[] data.append(myData.data[myData.data['MSSubClass']==20]) data.append(myData.data[myData.data['MSSubClass']==30]) data.append(myData.data[myData.data['MSSubClass']==60]) data.append(myData.data[myData.data['MSSubClass']==70]) # データに対応するタイトルの準備 titles=[] titles.append('1-Story 1946 & Newer') titles.append('1-Story 1945 & Older') titles.append('2-Story 1946 & Newer') titles.append('2-Story 1945 & Older') #--------------- # 散布図をプロット myData.plotScatter(2,2,data,titles,'LotArea','SalePrice') #---------------
煩わしい繰り返し処理を、クラスのメソッド化することにより、コードをすっきりさせることができました。
