はてなブックマーク

Pythonを勉強したいけど、 何から始めればいいのかわからない。。。どこを抑えればいいのかわからない。。。どうやって勉強すればいいのかわからない。。。挫折した過去がある。。。挫折する自信がある。。。 TATのプロフィール（2023年3月現在） 社会人になってからPythonを独学して転職に成功これまでPythonを使ったデータ分析、AI開発、ダッシュボード開発、プロセスオートメーションなどの業務に従事IT→金融→不動産→アドテク（全て外資系企業）と、色々な業界を渡り歩きながら経験とスキルを積んでいますOANDA証券やOctoparseなどに技術系の記事を提供 Pythonの独学を始める前に！まずは独学を開始する前に確認しておきたいことをまとめておきます。 目的とか学習方法とか独学に必要なものをまとめます。 独学の目的を設定する Pythonの独学を開始する前に、まずはきちんと独学の目的を

1. 不正統計の概要まず話題となった不正について簡単に触れておきますと、ことの発端は総務省が、全数調査の「500 人以上規模の事業所」に対する値が、平成 29 年と 平成 30 年で数値が不連続になっているとの指摘をしたことから始まります。 その後、詳しく調べていくと以下のことが発覚し、世間へと公表されました。 ちなみにここで紹介している内容はきちんと厚生労働省から発表されていますのでご参考ください。（こちらからどうぞ） 1. 全面調査するとしていたところを抽出調査で集計している箇所があったこと こちらのデータは都道府県別でさらに事業規模別に集計がなされるのですが、東京都の「500 人以上規模の事業所」において、本来は全面調査するところを抽出調査していたことが発覚しました。 全数調査であれば調査の対象となる事業所数は1464箇所でしたが、実際には491箇所だったとのことです。 これでは集計

こんにちは。TATです。 今日のテーマはXBRLです。 僕が運営する「投資でニート生活」では、TDNETやEDINETから各種XBRLデータを収集しています。 このXBRLを収集するに至るまでの地獄の作業についてここでご紹介したいと思いますw 「自分もXBRLを収集したい」と考えている方の参考になれば嬉しいです。 一言で言えば地獄でした。 データの収集自体はそこまで難しくありませんが、そこからの仕分け作業が地獄ですw データについてまずは収集するデータについておさえておきます。 XBRLデータとは？ここまでさりげなく、XBRLデータと紹介してきましたが、そもそもXBRLデータとは何なのか、ここで改めて解説します。 XBRLデータは、eXtensible Business Reporting Languageを略したものです。 普段我々が目にするPDFなどとは異なり、XBRLデータはXMLベ

こんにちは。TATです。 今日のテーマは、「Pythonで株価データを扱う方法まとめ【データの取得・分析・可視化なんでもできます】」です。 Pythonで株価データを扱う記事が増えてきたので、本記事でまとめます。 今後も該当記事が追加されたら定期的に本記事も更新していくつもりです。 Pythonを使えば、株価データの取得、整形、可視化が簡単に実装できます。 オリジナルの投資手法などを発見するための分析なんかもできます。 ここでは次の5つのフェーズに分けてご紹介していきます。

今回はこれの進化版です。 Yahooファイナンスから株価を取得できるライブラリーを発見したのでご紹介します。 結論から言いますと、過去記事でご紹介した方法は不要になりますw この記事で紹介する方法1つを理解しておけばOKです。 圧倒的に短いコードで簡単に株価データが取得できます。 日本株にも対応しているので無敵です。 なんで今まで気づかなかったのか、めちゃくちゃ後悔しています。。。w この記事ではyahoo_finance_api2を使って株価データを取得する方法について解説していきます。 yahoo_finance_api2の基本的な使い方 まずはyahoo_finance_api2の基本的な使い方を見ていきます。 ライブラリーページへ行くと、基本的な使い方を確認できます。（英語ページ） pipにも対応しているので、"pip install yahoo_finance_api2"で簡単に

サイトで対象地域を選択まずSUUMOのサイトに行くと、物件を探したいエリアを選ぶことができます。 物件の条件も加えることができますが、ここでは全物件を取得したいので設定していません。 都道府県を選択すると、さらに細かい地域を選択できます。 ここではエリア選択を選んでいますが、路線ごとや駅ごとの選択も可能です。 今回は、東京23区が対象なので、全区を選択して検索をクリックします。 物件データを確認検索をクリックすると該当する物件がずら〜っと出てきます。 調べた時では全部で635,695件ありました。 総ページ数を確認一番下までスクロールすると全部で1,697ページあることがわかります。 1ページごとに50件の物件が表示されるので、ここからページ数を計算することもできると思われるかもですが、ここで落とし穴がありますw 単純に、635,695を50で割っても1,697にはなりません。 これはSU

データ分析 【Pythonで不動産データ分析！】機械学習(ランダムフォレスト)を用いてSUUMOからお得物件を探してみた！ 【Pythonで不動産データ分析！】機械学習(ランダムフォレスト)を用いてSUUMOからお得物件を探してみた！ では、機械学習モデルを使ったデータ分析に一例をご紹介します。 機械学習手法の1つであるランダムフォレストを利用して、SUUMOからお得物件（およびぼったくり物件）を探してみました。 過去の記事で、「SUUMOからスクレイピングで収集したデータをもとに理想の賃貸物件を探す」というふざけた企画をしました。