# まとめ、Q&A（15分）

この章では、講座全体を振り返り、講座の後に学びを続ける方法を紹介します。最後に質疑応答を行います。

## 講座の振り返り

本講座のゴールは、データ分析の基本プロセス（入力 ➔ 加工 ➔ 可視化）を理解することでした。講座で使った道具を、基本プロセスに沿って振り返ります。

```{figure} images/8_process.png
:alt: 入力、加工、可視化の流れと、各段階で使った道具

データ分析の基本プロセスと、講座で使った道具
```

各章では、次のことを行いました。

* [](4_jupyter.md): JupyterLabでNotebookを作り、セル単位でコードを実行しました
* [](5_pandas.md): pandasでCSVを読み込み、抽出・整形・連結・集計しました（入力・加工）
* [](6_matplotlib.md): Matplotlibで、見たいことに合わせてグラフを描きました（可視化）
* [](7_extend.md): データ分析の応用分野を知り、Webページの情報をDataFrameにする流れを見ました（入力）

[](2_overview.md)で紹介した講座のゴールと、それを扱った章は次のとおりです。

* JupyterLabでコードを実行しながら分析を進められる ➔ 第4章
* pandasでデータを読み込み・加工・集計できる ➔ 第5章
* Matplotlibでデータをグラフにできる ➔ 第6章
* 応用（スクレイピング・機械学習等）への道筋を知る ➔ 第7章と、この章の「講座の後に学ぶ」

(summary-learn)=

## 講座の後に学ぶ

講座の後も学びを続ける方法として、書籍、公式ドキュメント、コミュニティの3つを紹介します。機械学習、スクレイピング、画像処理、自然言語処理などの応用分野は、[](7_extend.md)で紹介しました。

### 書籍で学ぶ

本講座のベースとなった[『Pythonによるあたらしいデータ分析の教科書 第3版』](https://www.shoeisha.co.jp/book/detail/9784798191027)（翔泳社）のうち、本講座で扱ったのはChapter 2と4の一部（環境構築、JupyterLab、pandas、Matplotlib）です。次に読む章・節として、以下を紹介します。

* 4.1 NumPy: pandasの土台になっている数値計算のライブラリです
* 4.4 scikit-learn: 第7章で紹介した機械学習を、前処理から分類・回帰・モデルの評価まで試せます
* Chapter 5 応用：データ収集と加工: 5.1 スクレイピング、5.2 自然言語処理、5.3 画像データの処理を、コードで試せます

### 公式ドキュメントで学ぶ

講座で使ったライブラリの使い方を詳しく知りたいときは、各ライブラリの公式ドキュメントを読みます。公式ドキュメントは英語です。

* pandas: [10 minutes to pandas](https://pandas.pydata.org/docs/user_guide/10min.html)で全体を見てから、[User Guide](https://pandas.pydata.org/docs/user_guide/index.html)で詳しく調べます
* Matplotlib: [Tutorials](https://matplotlib.org/stable/tutorials/index.html)で基本を学び、描きたいグラフに近い例を[Examples](https://matplotlib.org/stable/gallery/index.html)から探します
* JupyterLab: [JupyterLab Documentation](https://jupyterlab.readthedocs.io/en/stable/)
* Requests: [Quickstart](https://requests.readthedocs.io/en/latest/user/quickstart/)
* Beautiful Soup 4: [Beautiful Soup Documentation](https://www.crummy.com/software/BeautifulSoup/bs4/doc/)

(summary-community)=

### コミュニティで学ぶ

**コミュニティ**は、同じ技術に関心のある人の集まりです。コミュニティが開く学習のイベントを**勉強会**といいます。コミュニティに参加すると、ほかの利用者と一緒に学んだり、困ったときに質問したりできます。

* [PyCon JP](https://www.pycon.jp/): 一般社団法人PyCon JP Associationが年に1回開くPythonのカンファレンスです。発表を聞いたり、ほかの利用者と交流したりできます
* [PyLadies Tokyo](https://tokyo.pyladies.com/): 女性のPythonユーザーをつなぐ東京のコミュニティです。毎月のMeetupなどを開いています
* [connpass](https://connpass.com/): 勉強会を探して申し込めるサイトです。「Python」「データ分析」などで検索すると、近くやオンラインの勉強会が見つかります

## 質疑応答

講座の内容について、チャットでいつでも質問してください。この資料は講座の後も公開しているので、復習に使ってください。

よくある質問とその回答を紹介します。

**Q. 講座で作った環境は、講座の後も使えますか?**

作業フォルダと仮想環境を残しておけば使えます。作業フォルダで仮想環境を有効化し、JupyterLabを起動してください（[](1_setup.md)、[](4_jupyter.md)）。

**Q. 自分の業務のデータで試すときに、気を付けることは?**

元のファイルはコピーして使い、上書きしないようにしてください。個人情報や社外秘の情報を含むデータは、会社のルールに従って扱ってください。

**Q. Excelのファイルを読み込めますか?**

`pd.read_excel()`関数で読み込めます（[](5_pandas.md)の「さまざまなファイル形式の読み込みと書き出し」）。ただしopenpyxlの追加のインストールが必要です。{ref}`setup-install`と同じ手順でインストールしてください。

**Q. 次に何から学べばよいですか?**

業務で扱いたいことに合わせて選んでください。表の集計ならpandasの公式ドキュメント、予測なら書籍の4.4 scikit-learn、Webの情報なら書籍の5.1 スクレイピングがおすすめです（{ref}`summary-learn`、[](7_extend.md)）。

**Q. エラーが出て解決できないときは?**

エラーメッセージの最後の行を読み、その文で検索するか、AIに相談してみてください（社外秘の情報は入力しないでください）。勉強会などのコミュニティで質問するのもよい方法です（{ref}`summary-community`）。