始めに：pandasの作者であるWes McKinneyさんがPythonのデータツール関連でとても興味深いblogを書かれているので、翻訳して日本のPyDataコミュニティに公開してもいいでしょうか、とお聞きしたところ、快諾をいただきましたので少しずつ訳して公開していこうと思っています。 毎秒10GBでArrowからpandasへ （原文：http://wesmckinney.com/blog/high-perf-arrow-to-pandas/ ） 2016/12/27 このポストでは、汎用的なArrowの列指向のメモリを、pandasのオブジェクトに高速に変換できるようにするための最近のApache Arrowでの作業について述べます。 pandasのDataFrameオブジェクトを高速に構築する際の課題 pandasのDataFrameオブジェクトを高速に構築する際に困難なことの1
マニュアルの機能一覧を意訳してみました。 'test*.ipynb'ファイルをディスカバリします Notebookの各セルが単体テストとして実行されます（assertを使うだけ） 各セルの最初の行のコメント(docstring)は、テスト名または関数名として扱われます。 docstringに'fixture*'または'setup*'とすれば、それぞれの単体テストの前に実行されます docstringに'SKIPCI'と書けばTravis-CIでのテストはスキップされます（CI環境変数が定義されているかどうかを確認） IPython Notebookカーネルはテスト後にリスタートされます テスト時のワーキングフォルダは、.ipynbファイルのローカルです 訳に間違いがありましたら、ご指摘をお願いします。 あとは普通にpy.test -vを実行するだけで、Notebookも含んだテストをしてく
グロース分野においてユーザがそのサービスを平均でどのくらいの期間使ってくれるか？という数値は重要な値です。 例えば、広告の費用対効果を見るためにも計算するLTV(Life Time Value)。 LTVはユーザを1人獲得することで平均でどのくらいの売上に繋がるかという値ですので、平均継続期間×ARPUという算出方法になります。 ここで、ARPU(Average Ravenue Per User)のほうの計算は簡単です。 1ユーザあたりの売上を表す数字ですので一定期間の売上/ユーザ数、以上です。 しかし、ユーザの平均継続期間はどのように計算するべきでしょうか？ 離脱したユーザのデータを基に算出しようとしても、それはあくまでも「離脱したユーザ」の平均値となり全体の平均とは異なる明らかに誤ったサンプルから得られた結果となってしまいます。 そしてもちろん、多くのユーザはまだそのサービスを使ってい
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
