わかる Python［決定版］

■Python 初心者に学んで欲しい文法を過不足なく掲載!
それぞれの項目について、練習問題を掲載しており、読むだけではなく実際にコードを書くことでより深く Python の理解をすることができます。

■豊富なサンプル集
機械学習、ディープラーニング、科学技術計算といった、Python がよく利用されている分野についての解説を掲載しています。
いろいろな分野のサンプルコードを動かすことだけでなく、機械学習などの理論の概要を知りたい方にもオススメです。

【本書の対象読者】
・プログラミング未経験だが、Python を学ぶ意欲があり、より実践的な力を身に付けたいと思っている人
・プログラミング経験者で Python の入門書を探しているが、一方でゴールのレベルが低すぎる書籍は避けたいと思っている人
・多くのサンプルコードに触れ、Python でどんなプログラムが書けるのか学んでみたいと思う人に向けた、Python の入門書が欲しい人
Chapter01 プログラミング言語 Python
1.1 Python とは?
1.2 プログラミングとは?
1.3 Python をインストールする
1.4 Python 文法まずはここから
1.5 まとめ
Chapter02 Python の文法 変数から文字列まで
2.1 変数
2.2 数値
2.3 文字列
2.4 まとめ
Chapter03 Python の文法 関数からリストまで
3.1 関数とは
3.2 リスト
3.3 まとめ
Chapter04 Python の文法 制御構文
4.1 制御構文
4.2 まとめ
Chapter05 Python の文法 関数の定義と変数のスコープ
5.1 関数の定義
5.2 変数のスコープ
5.3 まとめ
Chapter06 Python の文法 タプルからジェネレータまで
6.1 タプル
6.2 集合
6.3 タプル
6.4 辞書
6.5 内包表記
6.6 ジェネレータ式
6.7 まとめ
Chapter07 Python の文法 オブジェクト指向と発展的な機能
7.1 オブジェクト指向プログラミング
7.2 例外処理
7.3 発展的な機能
Chapter08 標準ライブラリを使ってみよう
4.1 モジュール
4.2 標準ライブラリ
4.3 まとめ
Chapter09 色々なプログラミングをしてみよう
9.1 配布ファイルの使い方
9.2 パッケージ
9.3 機械学習
9.4 ニューラルネットワーク
9.5 ディープラーニング
9.6 Numpy と Matplotlib による科学技術計算
9.7 SciPy と Matplotlib による科学技術計算
9.8 Web アプリケーションの作成
9.9 まとめ

『わかる Python［決定版］』 (松浦 健一郎、司 ゆき 著、SB クリエイティブ、2018 年 5 月発売) は、Python の文法を基礎編で一通り身につけたあと、実践編で機械学習やディープラーニング、科学技術計算、Web アプリケーションのサンプルコードを動かすところまで進む入門書です。版元は本書のポイントとして「Python 初心者に学んで欲しい文法を過不足なく掲載!」と掲げ、多くの項目に練習問題を置いて、読むだけでなく実際にコードを書くことで理解を深める作りだと紹介しています。

基礎編 8 章と実践編 6 章、全 14 章の構成

版元の目次は Part1 基礎編と Part2 実践編の 2 部、全 14 章と索引です。基礎編は Chapter1「Python の基礎知識」で Python の入手とインストールを済ませ、Chapter2「はじめての Python プログラミング」で変数、数値、文字列、Chapter3「Python の基本文法」で関数の基本と文字列の操作、リストへ進みます。Chapter4「制御構文」は for 文、if 文、while 文に加えて、メンバーシップ・テスト演算子、論理演算子、range 関数と reversed 関数、for 文や while 文の else 部、pass 文にまで節を分けています。続いて Chapter5「関数の定義と変数のスコープ」、Chapter6「さまざまなデータ構造」 (タプル、集合、辞書、内包表記、ジェネレーター式)、Chapter7「オブジェクト指向の基本と発展的な機能」 (オブジェクト指向プログラミング、例外処理、発展的な機能) を経て、Chapter8「標準ライブラリを使ってみよう」で日時を扱うモジュール、実行時間の計測、コマンドライン引数、キーボードからの入力、ファイルの入出力、JSON を利用したデータ交換、正規表現を扱います。

実践編で触れる機械学習、ディープラーニング、科学技術計算

Part2 実践編は Chapter9「実践的なプログラミングのための準備」でサンプルファイルの使い方とパッケージのインストールを押さえ、Chapter10「機械学習」で scikit-learn のインストールと画像データの入手、ロジスティック回帰による機械学習プログラミングへ進みます。Chapter11「ニューラルネットワーク」と Chapter12「ディープラーニング」はどちらも数字を認識するプログラムを節に掲げ、Chapter12 は畳み込みニューラルネットワークを取り上げます。Chapter13「ライブラリを活用した科学技術計算」は NumPy と SciPy、Chapter14「Web アプリケーションの作成」は目次に 14.1「Web の仕組み」の節を掲げています。版元は、こうした分野のサンプルコードを動かすことだけでなく、機械学習などの理論の概要を知りたい人にも勧めています。

文法から応用へ渡るところで入門者がつまずきやすいのは、関数と名前の関係です。Python では関数の中で代入した名前はその関数のローカル変数になり、外側の同じ名前とは別物として扱われます。この 名前の有効範囲 の規則を曖昧にしたまま機械学習のサンプルへ進むと、学習済みのモデルや読み込んだデータがどこに保持されているのかを追えなくなります。応用分野の側にも積み上げの順序があります。ロジスティック回帰は入力の重み付き和を 0 から 1 の値に写して分類する手法です。この計算の単位を層状に重ねて、直線では分けられない境界まで学べるようにしたものが 多層パーセプトロン で、画像の局所的な模様を同じ重みで拾う層を加えると畳み込み型の構成になります。文法と標準ライブラリを固めてから、この順に段階を上がっていく流れは、書いたコードの意味を一つずつ確かめながら進みたい人に合っています。

未経験者と、到達点の低い入門書を避けたい経験者に向く理由

版元は対象読者を 3 通りに示しています。プログラミング未経験だが Python を学ぶ意欲があり、より実践的な力を身に付けたい人、プログラミング経験者で Python の入門書を探しているが「ゴールのレベルが低すぎる書籍は避けたいと思っている人」、多くのサンプルコードに触れて Python でどんなプログラムが書けるのかを入門書で学びたい人です。未経験者だけに絞った本ではなく、ほかの言語の経験者が Python の文法を確かめながら応用の入口まで一冊で見通す用途も想定されています。一方で、目次にデータ分析ライブラリ pandas を主題にした章はなく、Web 開発も Chapter14 の 1 章です。データ分析や Web 開発を仕事で使う水準まで深めたい場合は、分野別の本を後で足す前提で選ぶのが現実的です。

2018 年 5 月の発売なので、パッケージのインストール手順やライブラリの版は刊行時点の環境が前提です。版元のサポート情報には正誤情報とサンプルコードのダウンロードが用意されているため、手を動かす前に確認しておくと詰まりを減らせます。Python の入門書を目的から選び分けたい場合は Python 本の選び方 も参考になります。文法を練習問題で確かめながら覚え、その先で機械学習や科学技術計算のコードが実際に動くところまで一冊で見ておきたい人には、手元に置く価値のある入門書です。