NotebookとMarkdownをPresentationにした件¶

Jupyter NotebookをPresentationにする。

まずは機能の表示を確認しよう！

Header 1¶

Header 2¶

Header 3¶

Header 4¶

  • Item A
  • Item B
  • Item C
  • Item D
  1. Item i
  2. Item ii
  3. Item iii
  4. Item ix

では実際にコードを書いてみよう！¶

適当なデータセット¶

ここで、numpyとpandasを用いて適当なデータセットを作成する。 今回は単純に100名の生徒の数学・国語・英語・社会のテスト結果を作成する。

In [2]:
df = pd.DataFrame(np.random.randint(0,100,size=(100, 4)), columns=list('数国英社'))
display.display(df.head())
数 国 英 社
0 1 38 29 53
1 81 72 62 72
2 29 66 77 95
3 43 30 96 52
4 9 47 94 24

DataframeのShapeを確認¶

簡単にDataframeのShapeの出力する。

In [3]:
display.display(df.shape)

(100, 4)

以上の結果から100名生徒の4科目のデータセットが確認できる。

可視化する¶

可視化する関数を適当に作りましょう。

In [5]:
show(df)

以上のプロットは100名生徒の４科目の点数の分布となる。

適当にSKLEARNを使ってみよう！¶

sklearnのdecompositionモジュールのPCA関数を使って、簡単に固有値ベクトルを計算し、 KMeans法を使ってクラスタリングをしてみよう！

In [6]:
from sklearn.decomposition import PCA

pca = PCA(n_components=3)
pca.fit(df.values)
Out[6]:
PCA(n_components=3)
In [7]:
display.display(pca.components_)

array([[-0.67965175,  0.2263222 ,  0.57204697, -0.39951723],
       [-0.40736818, -0.63057073, -0.51952202, -0.40807915],
       [ 0.54617152, -0.47324164,  0.51138521, -0.46499912]])
In [8]:
kmeans = KMeans(n_clusters=3, random_state=0).fit(df.values)
In [9]:
display.display(kmeans.cluster_centers_)

array([[21.32432432, 56.45945946, 54.21621622, 41.27027027],
       [71.64285714, 36.21428571, 71.85714286, 45.57142857],
       [70.14285714, 52.68571429, 21.88571429, 63.97142857]])

注意点¶

printすることは要注意！ NotebookのプレゼンモードはHTML形式で行われるので、できればIPythonモジュールのdisplay関数を使いましょう！

In [10]:
display.display("What is this?")

'What is this?'
In [11]:
print("What is this?")

What is this?

画像を追加する¶

画像を追加する時は普通のNotebookと全く一緒で、ただ表示すればよい。 ただし、実際のプレゼンの画面はサイズの制限があると感じるので、 そこは上手く調整しましょう！

In [12]:
display.display(display.Image("../input/image.jpg", width=200, height=200))
In [13]:
display.display(display.Image("../input/image.jpg", width=400, height=400))
In [14]:
display.display(display.Image("../input/image.jpg", width=640, height=480))