はじめるJupyter Notebook - Qiita
なお、Numpyなどの計算系ライブラリとセットで扱う場合は、AnacondaかMinicondaを利用したほうがよいと思います(特にWindowsの場合)。手元の環境ではMinicondaからcondaを使ってセットアップしました。 基本的にはjupyter notebookを実行したフォルダで作業を行うことになるので、ファイルを保管したいディレクトリで起動を行ってください。 Notebookの作成 起動すると以下のような画面が表示されると思います。New Notebookからファイルを作成していきましょう(Python3を選択します)。 Jupyter NotebookはCellという単位で文書を構築します。このCellにはPythonコードやMarkdownテキストといった種別があるので、適切なものを選択し文書を作成していきます。 実行ボタンを押すことで、Pythonコードが実行された
Python pandas パフォーマンス維持のための 3 つの TIPS - StatsFragments
pandas でそこそこ大きいデータを扱う場合、その処理速度が気になってくる。公式ドキュメントではパフォーマンス向上のために Cython や Numba を使う方法を記載している。 Enhancing Performance — pandas 0.16.2 documentation が、軽く試したいだけなのに わざわざ Cythonや Numba を使うのは手間だし、かといってあまりに遅いのも嫌だ。そんなとき、pandas 本来のパフォーマンスをできるだけ維持するためのポイントを整理したい。 pandas に限らず、パフォーマンス改善の際にはボトルネックの箇所によってとるべき対策は異なる。pandas では速度向上/エッジケース処理のために データの型や条件によって内部で処理を細かく分けており、常にこうすれば速くなる！ という方法を出すのは難しい。以下はこの前提のうえで、内部実装からみ
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
