Td

[Td @D04613725]

@Sumide2 人件費...

[Td @D04613725]

@moka_____k やったー

[Td @D04613725]

@bP16cxXKg780719 @yumeneko_money ほんとに...ほんとに...!

[𝐎𝐂🍋🛼 @la_oceane_]

【180926 Mステ】
Trophy －上白石萌音

やっぱり萌音ちゃんの歌声が大好きだ😍

#上白石萌音 #Mステ

[Td @D04613725]

@kokoro_toba 素敵だす

[Td @D04613725]

@Sumide2 先行配信とわかるやいなや、一般公開まで待つと言う一般ユーザーが多く民度が高いですね。

[伸羅猫 _z @Z4k__7nrO2]

一番有名なアドリブまみれなショートコントコンビニ

[Td @D04613725]

@kokoro_toba この作品、��いですよね。

[Td @D04613725]

@kawai_design 欲しい

[原始人 @mafeb20260225]

明日から仕事なのにめちゃくちゃ泣いた😢😢

『妻の頭には天使の輪が付いている』

[上白石萌音マネージャー @mone_tohoent]

お知らせっちょ📣
9/9(水)リリースのアルバム「bouquet」情報解禁第一弾！

💐楽曲提供をいただきました
#GLIMSPANKY さん
#藤原さくら さん

💿予約はこちら
https://t.co/EvWdaVMe7E

🌳いい感じの新アー写📸
@yamamotoayumi3 さん

🎤ライブの3次含めたまとめ
https://t.co/Y3ygSYfDbr

どんどん解禁していきますので何卒何卒🙏

[Td @D04613725]

@_haru_daily_ 楽しみです！

[Td @D04613725]

@kahorin1st 俺ですらまだマイアミ行ったことないのに

[Td @D04613725]

@_haru_daily_ オーストラリア初めてでしたっけ？

[Td @D04613725]

@Sumide2 信頼する人に任せられるところは任せるが正解かと。

[Td @D04613725]

@gagarotai200 シンプルながら有益な情報です

[本間宏紀@理論を重んじるデータサイエンティスト @j0OmcPKEmMMkNWX]

データ分析コンペは、未経験者が実務に近づく入口と��てかなり良いと思う。

ただ、スコアを出すだけで終わると少しもったいない。なぜその特徴量を作ったのか、なぜその検証方法にしたのか、リークをどう疑ったのか、精度が上がらなかった時に何を諦めたのか。ここまで言語化して初めて、���用側はこの人は現場でも考え続けられる人だなと判断しやすくなる。順位だけを見せられても、すごいけど一緒に働く像までは見えないんですよね。

公的データを使う分析コンペが良いのも、そこに理由があると思います。現実のデータはきれいな教材ではないし、背景を読まないと数字の意味を取り違える。コンペに出るなら、順位よりも分析過程を残した方がいい。そこに、その人の実務耐性が出る。

[講談社サイエンティフィク🖋️📔 @kspub_kodansha]

【好評既刊】

吉住遼／原泰史・著
『Pythonではじめるオープンデータ分析
　経済統計の取得から、データハンドリング・可視化・分析まで』

🔴🔴GWはオープンデータにどっぷり🔴🔴

Pythonではじめる、社会を読み解くデータ分析の世界へ！
研究者・ジャーナ��スト・ビジネスパーソン・公務員など、データを活かしたいすべての人に贈るオープンデータ分析入門書の決定版です。

政府統計(e-Stat)、有価証券報告書(EDINET)、米国の経済データ(FRBのFRED)、法人データ(gBizINFO)、etc...。
国内外の公的機関が提供するさまざまなデータを用い、データの取得・ハンドリング・可視化・分析の一連のプロセスを、Pythonで実践的に学びます。

「どこにデータがあるの?」
「どうやって取り出すの?」
「どう加工して、何が読み取れるの?」

そんな疑問を、豊富なコード例と実践事例からていねいに解説します。

【本書の特徴】
🔰Python初学者でも安心！
データ分析の基礎(Pythonの基本操作・pandas・統計・可視化[Plotly])を詳細に解説

📊実データを用いた実践方式の分析!
e-StatやFRBのFREDなどのさまざまなAPI活用方法を具体的に紹介

👨‍👩‍👧社会・経済を読み解く力がつく!
人口、家計、金融、企業データなど、多様な統計を活用

💻すぐに実践できる!
ソースコードをすべて公開しているので、分析をそのまま再現

【実践事例も充実】
・gBizINFOの法人データを使い、スタートアップ企業の立地を地図上で可視化
・e-Statを活用し、ふるさと納税による地方自治体の税収の影響をパネルデータ分析

【目次】
第1章　序論
1.1　はじめに
　1.1.1　想定読者
　1.1.2　前提知識
　1.1.3　本書の構成と読み方
1.2　データの利用規約と著作権について
1.3　Pythonの実行環境
　1.3.1　本書のPythonスクリプトの表記とターミナルの表記
　1.3.2　Pythonの環境構築
　1.3.3　本書のPython実行環境の設定
　1.3.4　Pythonの実行とJupyter

第I部　Pythonデータ分析の基礎
第2章　データハンドリングとpandas
2.1　pandasとデータフレーム
2.2　データ型
2.3　データの確認
2.4　データ抽出・追加・置換
2.5　欠測値とNull
2.6　重複とユニーク
2.7　分析しやすいデータ
　2.7.1　ワイドテーブルとロングテーブル
　2.7.2　整然データ
　2.7.3　機械判読可能なデータ
2.8　データ整形
2.9　データの結合
2.10　データの読み書き
　2.10.1　pandasでのデータの読み書き
　2.10.2　ファイル形式
　2.10.3　文字コード

第3章　統計の基礎
3.1　変数の種類
　3.1.1　量的変数と質的変数
　3.1.2　ディメンションとメジャー
3.2　度数分布とヒストグラム
3.3　要約統計量
3.4　量的変数と質的変数の変換
　3.4.1　離散化
　3.4.2　ダミー変数
3.5　クロス集計
3.6　2変量の統計
3.7　統計の分類と経済統計
　3.7.1　調査統計・業務統計・加工統計および基幹統計
　3.7.2　全数調査と標本調査
　3.7.3　実質値と名目値
　3.7.4　季節調整

第4章　データの可視化とPlotly
4.1　Plotly .pyとPlotly Express
　4.1.1　グラフファイルの書き出し
4.2　構成割合の可視化
　4.2.1　円グラフとサンバーストグラフ
　4.2.2　ツリーマップ
4.3　量の比較と推移の可視化
　4.3.1　棒グラフ
　4.3.2　折れ線グラフ
4.4　構成割合の推移の可視化
　4.4.1　エリアチャート
　4.4.2　その他の構成割合の推移の可視化
4.5　レイアウトとグラフの組み合わせ
　4.5.1　Plotly Expressのカラースケール
　4.5.2　グラフの組み合わせ
　4.5.3　サブプロット
4.6　分布の可視化
　4.6.1　ヒストグラム
　4.6.2　箱ひげ図とバイオリン図
4.7　関係性の可視化
　4.7.1　散布図
　4.7.2　ヒートマップ
　4.7.3　バブルチャート
4.8　地図・金融などの特定分野の可視化

第5章　オープンデータとデータ取得
5.1　オープンデータ
　5.1.1　オープンデータとは
　5.1.2　オープンデータの公開レベル
5.2　データ取得
　5.2.1　CSVなどのファイルダウンロード
　5.2.2　APIとPython のRequestsライブラリ

第II部　オープンデータ分析の基礎
第6章　オープンデータ・経済統計・公的統計
6.1　経済統計と公的統計とは
6.2　世界の公的機関とオープンデータ
　6.2.1　国際連合のデータ
　6.2.2　Data CommonsとUN Data Commons for the SDGs
　6.2.3　世界銀行のデータ
　6.2.4　国際通貨基金（IMF）のデータ
　6.2.5　世界保健機関（WHO）のデータ
　6.2.6　世界���易機関（WTO）のデータ
　6.2.7　経済協力開発機構（OECD）のデータ
　6.2.8　欧州連合（EU）のEurostat
　6.2.9　米国統計局のデータ
　6.2.10　米国FRBのFRED
6.3　日本の公的機関とオープンデータ
　6.3.1　政府統計の総合窓口e-Stat
　6.3.2　金融・市場データ
　6.3.3　法人・産業データ
　6.3.4　地理・気象データ
　6.3.5　地方のデータとRESAS
　6.3.6　デジタル庁のe-GovポータルとJapan Dashboard
6.4　日本の公的統計とe-Stat
　6.4.1　e-Statとは
　6.4.2　e-Stat API機能
　6.4.3　e-Stat API登録とアプリケーションID取得
　6.4.4　e-Stat APIをPythonで利用する
　6.4.5　統計ダッシュボードのWebAPI

第7章　人口データの取得・可視化・分析
7.1　人口と国勢調査
　7.1.1　人口ピラミッド
　7.1.2　人口推移
7.2　人口動態
　7.2.1　出生数と死亡数
　7.2.2　合計特殊出生率
　7.2.3　婚姻件数と離婚件数
7.3　人口推計
7.4　将来推計人口
7.5　世界の人口
　7.5.1　将来人口推移
　7.5.2　人口の世界地図
7.6　生命表と寿命
　7.6.1　完全生命表と死亡数分布
　7.6.2　世界の平均寿命・健康寿命
7.7　疾��と感染症
　7.7.1　人口動態と死因の国際疾病分類
　7.7.2　COVID-19

第8章　家計・生活・労働データの取得・可視化・分析
8.1　家計に関する統計データ
　8.1.1　家計調査
　8.1.2　全国家計構造調査
8.2　生活に関する統計データ
　8.2.1　国民生活基礎調査
　8.2.2　社会生活基本調査と生活時間
8.3　労働に関する統計データ
　8.3.1　労働力調査と失業率
　8.3.2　米国雇用統計
　8.3.3　毎月勤労統計調査と賃金

第9章　金融・市場データの取得・可視化・分析
9.1　債券と金利
　9.1.1　国債の残高と長期金利
　9.1.2　短期金利
　9.1.3　FRBとFFレート
9.2　外国為替
　9.2.1　FREDの為替データ
　9.2.2　国際決済銀行の為替データ
9.3　マネーストックと資金循環
　9.3.1　マネーストック
　9.3.2　資金循環統計
9.4　株式と株価
　9.4.1　有価証券報告書データとEDINET
　9.4.2　株価と日本取引所のJ-Quants
　9.4.3　米国株の株価
9.5　金融市場の指数
　9.5.1　株価指数
　9.5.2　株価指数以外の金融市場の指数
　9.5.3　投資信託のデータと金融市場の指数

第10章　国際統計・長期経済統計データの取得・可視化・分析
10.1　国民経済計算とGDP
　10.1.1　日本のGDP
　10.1.2　世界のGDP
10.2　物価とインフレ率
　10.2.1　日本の物価とインフレ率
　10.2.2　米国の物価
10.3　経済指数
　10.3.1　景気動向指数
　10.3.2　鉱工業指数、およびさまざまな経済指数
10.4　貿易統計
10.5　国際収支統計

第11章　法人・産業データの取得・可視化・分析
11.1　法人・企業・会社のデータ
11.2　経済センサス
　11.2.1　産業・組織形態・雇用者規模別の企業等数
　11.2.2　産業のツリーマップ
11.3　法人企業統計
　11.3.1　業種・資本金規模別の資産合計
　11.3.2　売上高・営業利益・経常利益・当期純利益の推移
11.4　法人番号公表サイト
　11.4.1　CSV形式でデータをダウンロードする
　11.4.2　Web-APIでデータを取得する
11.5　gBizINFO
　11.5.1　CSV形式でデータをダウンロードする
　11.5.2　REST APIを利用する

第III部　オープンデータ分析の実践
第12章　 gBizINFO の法人データを���いたスタートアップ企業の分析
12.1　gBizINFOのAPIを用いた企業情報の検索
12.2　法人番号を用いてスタートアップ企業の数を都道府県ごとに取得する
12.3　取得したスタートアップ企業のデータを確認する
12.4　スタートアップ企業の立地を地図上にプロットする

第13章　e-Statを用いたふるさと納税のパネルデータ分析
13.1　東京都品川区はふるさと納税でどの程度税収を失ったのか
13.2　市区町村ごとの税収をe-Statで取得し、分析する
　13.2.1　パネルデータ分析とは
　13.2.2　データの前処理
　13.2.3　データの可視化
　13.2.4　パネル固定効果モデルを用いたふるさと納税制度による効果の推定