時系列データ分析を効率的に "pandasによる時系列データ処理" #pyconjp #pyconjp_202
SARIMAモデル:季節的自己回帰和分移動平均モデル #pyconjp_202
2016-09-22 16:00:15pandas2.0 - Python3.0のみサポート - 2次元以下のデータに特化 Panelさようならなのか… #pyconjp_202
2016-09-22 16:05:33pandas のバックエンド、2.0 では、numpy —> Apache Arrow を検討 #pyconjp_202
2016-09-22 16:05:48レイヤーで使うもの分けるって感じなのでは?(個人の感想) #pyconjp #pyconjp_202
2016-09-22 16:06:45#pyconjp #pyconjp_202 1.0でAPI凍結、2.0でpy3のみサポートとかc++移行などなど pic.twitter.com/LZuva6V9cA
2016-09-22 16:06:45たしかに、生のnumpyで頑張るのはつらい #pyconjp #pyconjp_202
2016-09-22 16:07:29numpy と pandas の使い分けね… #pyconjp_202
2016-09-22 16:07:33公表されてる季節調整の時系列モデルX13-ARIMA-SEATSがあると書こうと思ったら、すでにshinhrksさんが遥か昔のブログで書いてたw #pyconjp_202
2016-09-22 16:08:20分析自体はpandasの領域で、他のライブラリに渡すなどで必要であればnumpyのデータを取り出す、ということかな #pyconjp_202
2016-09-22 16:09:24numpyとpandasの使い分けは確かによくわからん。数値計算だけならnumpy一択でもいいのかな #pyconjp_202
2016-09-22 16:10:13多分始めたばっかりの人たちはnumpy, scipy, pandasの使い分けとかまで意識回らないんじゃないかな? なので質問も難しい、これきっとPyDataやる人ほぼ全員が歩む道な気がする #pyconjp #pyconjp_202
2016-09-22 16:10:57#pyconjp_202 pandas でいろいろできることは理解。ただし、何をやりたいのかわかってないと何もできなさそう。(どんなツールでも一緒か…)
2016-09-22 16:11:07利用したいモデルにあわせてパッケージ(言語)を選ぶというのは、昨日の言語キメラの話と通ずるものがあるな #pyconjp_202
2016-09-22 16:11:17