実習問題¶
基礎文法¶
例題¶
ある樹種のどんぐりを 3 つ拾って、その重さを測ったところ、それぞれ 3.4g、3.1g、2.9g であった。この平均値を求めよ。
a = 3.4
b = 3.1
c = 2.9
s = a + b + c
n = 3
ave = s / n
print(ave)
問題 1-1¶
ある年の各県のコシヒカリの生産量（kg/10a）は調査したところ以下のようになった。この年のコシヒカリの平均生産量（kg/10a）を求めよ。
| 都道府県 | 生産量 |
|---|---|
| 新潟 | 528.3 |
| 茨城 | 520.7 |
| 福島 | 538.8 |
| 栃木 | 535.2 |
| 千葉 | 512.0 |
niigata = 528.3
ibaraki = 520.7
fukushima = 538.8
tochigi = 535.2
chiba = 512.0
total = niigata + ibaraki + fukushima + tochigi + chiba
ave = total / 5
print(ave)
問題 1-2¶
ある年の各県のコシヒカリ、ひとめぼれ、あきたこまちの生産量（kg/10a）は調査したところ以下のようになった。この年のコシヒカリ、ひとめぼれ、あきたこまちの平均生産量（kg/10a）をそれぞれ求めよ。
| 都道府県 | 品種 | 生産量 |
|---|---|---|
| 新潟 | コシヒカリ | 528.3 |
| 茨城 | コシヒカリ | 520.7 |
| 福島 | コシヒカリ | 538.8 |
| 栃木 | コシヒカリ | 535.2 |
| 千葉 | コシヒカリ | 512.0 |
| 宮城 | ひとめぼれ | 519.4 |
| 岩手 | ひとめぼれ | 520.5 |
| 福島 | ひとめぼれ | 561.6 |
| 秋田 | あきたこまち | 567.5 |
| 岩手 | あきたこまち | 538.3 |
| 岡山 | あきたこまち | 501.9 |
koshihikari = [528.3, 520.7, 538.8, 535.2, 512.0]
hitomebore = [519.4, 520.5, 561.6]
akitakomachi = [567.5, 538.3, 501.9]
koshihikari_ave = sum(koshihikari) / len(koshihikari)
hitomebore_ave = sum(hitomebore) / len(hitomebore)
akitakomachi_ave = sum(akitakomachi) / len(akitakomachi)
print(koshihikari_ave)
print(hitomebore_ave)
print(akitakomachi_ave)
問題 1-3¶
アップルパイ（税抜180円）およびメロンパン（税抜210円）を購入し、店内で食べる場合、合計いくら払えば良いかを計算せよ。ただし、店内で食べる場合の消費税は 10% であり、持ち帰りの場合の消費税は 8% である。
apple = 180
melon = 210
tax = 0.10
subtotal = apple + melon
total = subtotal + subtotal * 0.10
print(total)
問題 1-4¶
アップルパイ（税抜180円）およびメロンパン（税抜210円）を購入し、合計いくら払えば良いかを計算せよ。ただし、持ち帰りかどうかを判定する if または if-else 文を使うこと。また、店内で食べる場合の消費税は 10% であり、持ち帰りの場合の消費税は 8% である。
# 解答 1
apple = 180
melon = 210
takeout = True
eatin = False
subtotal = apple + melon
if takeout is True:
total = subtotal * 1.08
if eatin is True:
total = subtotal * 1.10
print(total)
# 解答 2 （takeout が True ならば必ず eatin は False、そのため eatin 変数を削除）
apple = 180
melon = 210
takeout = True
subtotal = apple + melon
if takeout is True:
total = subtotal * 1.08
else:
total = subtotal * 1.10
print(total)
問題 1-5¶
アップルパイ（税抜180円）を 3 つ、メロンパン（税抜210円）を 3 つ購入し、店内で食べるの場合、合計いくら払えば良いかを計算せよ。ただし、小計金額が 1000 円を超える場合は 5% 割引される。また、店内でたべるかどうかの判定は問題 1-4 のように takeout 変数を使って if 文で判断すること。また、小計金額が 1000 円を超えたかどうかも if 文で判断すること。
apple = 180 * 3
melon = 210 * 3
takeout = False
subtotal = apple + melon
if subtotal > 1000:
subtotal = subtotal * 0.95
if takeout is True:
total = subtotal * 1.08
else:
total = subtotal * 1.10
print(total)
問題 1-6¶
ある年の各県のコシヒカリの生産量（kg/10a）は調査したところ以下のようになった。これらのデータをリストとして 1 つのオブジェクトに代入せよ。そして、for 文および while 文を使用して、平均値を求めよ。（sum 関数と len 関数を使わないこと）
| 都道府県 | 生産量 |
|---|---|
| 新潟 | 528.3 |
| 茨城 | 520.7 |
| 福島 | 538.8 |
| 栃木 | 535.2 |
| 千葉 | 512.0 |
koshihikari = [528.3, 520.7, 538.8, 535.2, 512.0]
s = 0
n = 0
while n < 5:
s = s + koshihikari[n]
n = n + 1
ave = s / 5
print(ave)
koshihikari = [528.3, 520.7, 538.8, 535.2, 512.0]
s = 0
for w in koshihikari:
s = s + w
ave = s / 5
print(ave)
問題 1-7¶
同じ長さのリスト a とリスト b が与えられたとき、両者の各位置の要素同士の積を求め、z に代入せよ。z が [8, 3, 24, 12, 4] となればよい。
a = [2, 3, 8, 2, 1]
b = [4, 1, 3, 6, 4]
z = [0, 0, 0, 0, 0]
i = 0
while i < 5:
z[i] = a[i] * b[i]
i = i + 1
print(i)
問題 1-8¶
リスト a の中の奇数の値の個数を求めよ。
a = [3, 19, 4, 69, 39, 30, 28, 74, 32]
n_odd = 0
i = 0
while i < len(a):
if a[i] % 2 == 1:
n_odd = n_odd + 1
i = i + 1
print(n_odd)
a = [3, 19, 4, 69, 39, 30, 28, 74, 32]
n_odd = 0
for w in a:
if w % 2 == 1:
n_odd = n_odd + 1
print(n_odd)
問題 1-9¶
リスト a の中の最大値と最小値を求めよ。ただし、max 関数および min 関数を使わないこと。
a = [3, 9, 6, 4, 1, 5]
a_max = a[0]
a_min = a[0]
for w in a:
if w > a_max:
a_max = w
if w < a_min:
a_min = w
print(a_max)
print(a_min)
問題 1-10¶
1 から 100 までの間にある素数をすべて出力せよ。
N = 100
i = 2
while i <= N:
n_divided = 0
j = 2
while j < i:
if i % j == 0:
n_divided = n_divided + 1
j = j + 1
if n_divided == 0:
print(i)
i = i + 1
問題 1-11 （難問）¶
リスト a の要素を昇順に並べ替えよ。
a = [4, 6, 9, 1, 0, 7, 2, 5, 8, 3]
changed = True
while changed:
changed = False
i = 0
while i < len(a) - 1:
if a[i] > a[i + 1]:
a[i], a[i + 1] = a[i + 1], a[i]
changed = True
i = i + 1
print(a)
Pandas - NumPy - matplotlib¶
問題 2-1¶
配列 t の平均を求めよ。
import numpy as np
t = [21.3, 21.6, 20.9]
t = np.array(t)
np.mean(t)
問題 2-2¶
2 週間の気温データが配列 t に保存されている。3 日ごとの移動平均を求めよ。
import numpy as np
t = [21.3, 21.6, 20.9, 21.7, 23.9, 22.3, 21.7,
22.4, 22.3, 24.3, 23.4, 24.8, 23.0, 22.9]
t = np.array(t)
ave = []
i = 0
while i < len(t) - 2:
ave.append(np.mean(t[i:(i+3)]))
i = i + 1
print(ave)
問題 2-3¶
2 週間の気温データが配列 t に保存されている。ヒストグラムを描け。
（※ 一部の Jupyter Notebook 環境において %matplotlib inline を実行しないとグラフが表示されない場合がある。）
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline
t = [21.3, 21.6, 20.9, 21.7, 23.9, 22.3, 21.7,
22.4, 22.3, 24.3, 23.4, 24.8, 23.0, 22.9]
t = np.array(t)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.hist(t)
plt.show()
問題 2-4¶
2 週間の気温データが配列 t に保存されている。t の値を縦軸とし、t の各要素に対応する横軸を 1〜14 とする線グラフを描け。
import numpy as np
import matplotlib.pyplot as plt
t = [21.3, 21.6, 20.9, 21.7, 23.9, 22.3, 21.7,
22.4, 22.3, 24.3, 23.4, 24.8, 23.0, 22.9]
t = np.array(t)
x = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])
# x = np.arange(1, 15)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.plot(x, t)
plt.show()
問題 2-5¶
2 週間の気温データが配列 t に保存されている。t の値を縦軸とし、t の各要素に対応する横軸を 1〜14 とする線グラフを描け。また、3 日ごとの移動平均も線グラフとして書き入れよ。
import numpy as np
import matplotlib.pyplot as plt
t = [21.3, 21.6, 20.9, 21.7, 23.9, 22.3, 21.7,
22.4, 22.3, 24.3, 23.4, 24.8, 23.0, 22.9]
t = np.array(t)
x = np.arange(1, 15)
ave = []
i = 0
while i < len(t) - 2:
ave.append(np.mean(t[i:(i+3)]))
i = i + 1
ave_x = np.arange(3, 15)
fig = plt.figure()
ax = fig.add_subplot()
ax.plot(x, t, label='observed')
ax.plot(ave_x, ave, label='moving_average')
ax.legend()
plt.show()
テキストデータ処理¶
問題 3-1¶
workshop フォルダ内に置かれてある diversity_galapagos.txt ファイルを Pandas の read_csv で読み込んで、最初の数行を Jupyter Notebook 上に表示（print）せよ。ただし、このファイルはタブ区切りのテキストファイルで、# から始まるコメント行があることに注意すること。
import pandas as pd
file_path = 'diversity_galapagos.txt'
df = pd.read_csv(file_path,
sep='\t', comment='#', header=0)
df.head()
問題 3-2¶
diversity_galapagos.txt ファイルを読み込み、Species 列を縦軸の座標とし、Area 列を横軸の座標として、散布図を描け。ただし、値のスケールが大きい場合は、Species または Area の値を対数化して描いてみてもよい。
file_path = 'diversity_galapagos.txt'
df = pd.read_csv(file_path, sep='\t', comment='#', header=0)
y = np.log10(df.iloc[:, 1])
x = np.log10(df.loc[:, 'Area'])
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.scatter(x, y)
plt.show()
問題 3-3¶
iris.txt ファイルを読み込んで、中身を表示せよ。
import pandas as pd
file_path = 'iris.txt'
df = pd.read_csv(file_path, sep='\t', comment='#', header=0)
df
問題 3-4¶
iris ファイルを読み込んで、sepal length を横軸とし、petal length を縦軸とし、散布図を描け。ただし、iris のデータには setosa、versicolor、および virginica の 3 種のデータが含まれているので、これらを色で区別すること。
import pandas as pd
file_path = 'iris.txt'
df = pd.read_csv(file_path, sep='\t', comment='#', header=0)
sp = df.loc[:, 'Species']
df1 = df.loc[(sp == 'setosa'), :]
x1 = df1.loc[:, 'Sepal.Length']
y1 = df1.loc[:, 'Petal.Length']
df2 = df.loc[(sp == 'versicolor'), :]
x2 = df2.loc[:, 'Sepal.Length']
y2 = df2.loc[:, 'Petal.Length']
df3 = df.loc[(sp == 'virginica'), :]
x3 = df3.loc[:, 'Sepal.Length']
y3 = df3.loc[:, 'Petal.Length']
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
ax.scatter(x1, y1, label='setosa')
ax.scatter(x2, y2, label='versicolor')
ax.scatter(x3, y3, label='virginica')
ax.legend()
plt.show()
import pandas as pd
file_path = 'iris.txt'
df = pd.read_csv(file_path, sep='\t', comment='#', header=0)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
species = ['setosa', 'versicolor', 'virginica']
for sp in species:
df1 = df.loc[(df.loc[:, 'Species'] == sp), :]
x = df1.loc[:, 'Sepal.Length']
y = df1.loc[:, 'Petal.Length']
ax.scatter(x, y, label=sp)
ax.legend()
plt.show()
問題 3-5¶
setosa, versicolor, virginica の 3 種の sepal length および petal length の平均値を求めよ。
import pandas as pd
file_path = 'iris.txt'
df = pd.read_csv(file_path, sep='\t', comment='#', header=0)
sp = df.loc[:, 'Species']
df1 = df.loc[(sp == 'setosa'), :]
x1 = df1.loc[:, 'Sepal.Length']
y1 = df1.loc[:, 'Petal.Length']
x1_ave = np.mean(x1)
y1_ave = np.mean(y1)
print(x1_ave)
print(y1_ave)
df2 = df.loc[(sp == 'versicolor'), :]
x2 = df2.loc[:, 'Sepal.Length']
y2 = df2.loc[:, 'Petal.Length']
x2_ave = np.mean(x2)
y2_ave = np.mean(y2)
print(x2_ave)
print(y2_ave)
df3 = df.loc[(sp == 'virginica'), :]
x3 = df3.loc[:, 'Sepal.Length']
y3 = df3.loc[:, 'Petal.Length']
x3_ave = np.mean(x3)
y3_ave = np.mean(y3)
print(x3_ave)
print(y3_ave)
問題 3-6¶
sleep_in_mammals.txt ファイルを読み込んで、LifeSpan をもっともよく説明するための特徴量（BodyWt, BrainWt, NonDreaming など LifeSpan 以外の列）を調べよ。ただし、特徴 A をよく説明できる特徴量を B とすると、特徴量 A と特徴量 B の相関係数が高いことが知られている。
file_path = 'sleep_in_mammals.txt'
df = pd.read_csv(file_path, comment='#', sep='\t', header=0)
df_corr = df.corr()
df_corr
問題 3-7¶
sleep_in_mammals.txt ファイルを読み込んで、LifeSpan をもっともよく説明するための特徴量（BodyWt, BrainWt, NonDreaming など LifeSpan 以外の列）を 3 つ挙げよ。次に、この 3 つの特徴量と LifeSpan のデータのみを取り出して、train_data.txt ファイルに保存せよ。
file_path = 'sleep_in_mammals.txt'
df = pd.read_csv(file_path, comment='#', sep='\t', header=0)
# df_corr = df.corr()
# df_corr.loc[:, 'LifeSpan']
target_column = ['LifeSpan', 'BrainWt', 'Gestation', 'TotalSleep']
df_sub = df.loc[:, target_column]
df_sub.to_csv('new_file.txt')
問題 3-8¶
rice.txt データを読み込み、系統（variety 列：wt, ANU843）と処理群（fert 列：F10, NH4Cl, NH4NO3）の組み合わせごとの平均 root_dry_mass と shoot_dry_mass を求めよ。
| 系統 | 処理群 | 平均 root_dry_mass | 平均 shoot_dry_mass |
|---|---|---|---|
| wt | F10 | ? | ? |
| wt | NH4Cl | ? | ? |
| wt | NH4NO3 | ? | ? |
| ANU843 | F10 | ? | ? |
| ANU843 | NH4Cl | ? | ? |
| ANU843 | NH4NO3 | ? | ? |
file_path = 'rice.txt'
df = pd.read_csv(file_path, comment='#', sep='\t', header=0)
fert = df.loc[:, 'fert']
variety = df.loc[:, 'variety']
for v in ['wt', 'ANU843']:
for f in ['F10', 'NH4Cl', 'NH4NO3']:
df_sub = df.loc[variety == v, :].loc[fert == f, :]
root_dry_mass_ave = df_sub.loc[:, 'root_dry_mass'].mean()
shoot_dry_mass_ave = df_sub.loc[:, 'shoot_dry_mass'].mean()
print(v, f, root_dry_mass_ave, shoot_dry_mass_ave)