想像してください：あなたは大きなレストランのウェイターです。 アクション（Action）: これは、お客様の注文書のようなものです。 例：「ステーキ1つ、サラダ2つ」という注文書 mapDispatchToProps: これは、あなた（ウェイター）が持っている注文を伝える能力です。 例：「キッチンに行って注文を伝える」という行動 一言で表すと： アクションは「何をするか」を記述したもの（注文内容） mapDispatchToPropsは「どのようにそれを実行
package.jsonとyarn.lockを料理のレシピに例えて説明します： package.json（レシピブック）: これは、あなたが作りたい料理の大まかなレシピです。 例えば、「小麦粉を2〜3カップ使う」といった具合に、材料の量に幅を持たせています。 プロジェクトに必要なライブラリ（材料）のリストと、その大まかなバージョン（量）が書かれています。 yarn.lock（詳細な調理記録）: これは、実際に料理を作ったときの正確な記録です。 「小麦粉を2.5カ
df.dropna(axis=0)は欠損値がある行を丸ごと消す 行をチェックする際には上から下に視点が動くので、axisは縦を意味する0になる
perplexityに再現率と適合率の違いを説明させたらわかりやすかったのでまたまた共有 以下perplexity 適合率と再現率の違いを、初心者にもわかりやすく説明いたします。映画『メン・イン・ブラック』を例に用いて解説しましょう。 シナリオ設定あなたは『メン・イン・ブラック』のエージェントで、ハロウィン・パーティーに潜入したエイリアンを見つけ出す任務を負っています。 適合率（Precision）適合率は、「エイリアンだと判断した人のうち、本当にエイリアンだった割合
dropnaは引数としてカラムを取る fillnaはカラムまでオブジェクトとして得る なんやねんこの違い！！
sum()は量的変数のみに使えて、値を合計する性質を持つ。でも、bool値だったら、trueを１、falseを０として扱うから、合計できるのだ！！！
crosstab関数は、質的変数の関係を量として示したいときに使う。それが何回あるか、みたいな話。groupby.sizeと同じ処理をしている
groupbyでグループ分けしたデータフレームは、そのままグラフにしちゃったほうがいい。plot(kind="bar", legend=True)ってやったほうがいい。
dropnaは戻り値返すで
groupbyでカテゴリ別に分けるじゃろ？その時にもとにしたカラムはいつまでも残るのじゃ。例えばそのあとにsize関数を用いて大きさを求めたときも、groupbyでもとにしたカラムだけ残りつつ、大きさが出力されるのじゃ
pandasで提供されるseriesやdataframeを提供するとき、それらをデータの形式として加工するとき、モジュール関数を呼び出し、seriesやdataframeの中身の情報にアクセスして加工するときにメソッドを呼び出す
groupbyは中間処理。そこでprintしても何も表示されない
pd.to_datetimeで日付に変換したものを、上書きするのが、日付変換
pythonのpandasで groupby("~~")['--']とすると、後ろの['--']で指定したカラムが特徴になり、sumを呼び出した時に合計を計算するカラムになる
URLエンコードとは、URLの情報をサーバーが読みやすい記号に変換することである
app.use(bodyParser.urlencoded({ extended: false })); このextendedってのがtrueだと、辞書形式で保存される。falseはよく分からん
