先日公開した「PyCon JP 2021」1日目のカンファレンスレポートはいかがでしたでしょうか？ 本レポートでは引き続き，2日目の様子をご紹介します。

PyCon JPは日本国内外のPythonユーザーが一堂に会し，互いに交流を深め，知識を分け合い，新たな可能性を見つけられる場所として毎年開催される国際カンファレンスです。

PyCon JP 2021は2021年10月15日～16日のカンファレンスと2日間の会期で開催されました。

今回は16日に行われたカンファレンスの中から，注目セッションと感想について運営スタッフがレポートします。

Day2 Keynote：A Perfect match ―Mr. Brandt Bucher

（nikkie）

2021年10月、PyCon JP 2021の少し前にリリースされたPython3.10。その目玉機能といえば，Structural Pattern Matching（以下，パターンマッチ）ですね！ 「⁠PyCon JP 2021」2日目のキーノートスピーカーは，パターンマッチのPEPの筆頭著者のBrandtさんです。

パターンマッチについて

• History
• Design
• Implementation
• Future

の4つのパートから共有していただきました。

Historyのパートは，過去のswitch文のPEPの紹介（一例）から始まりました。そしてBrandtさんは「パターンマッチはswitch文ではない」（⁠Structural Pattern Matching is not a switch statement!⁠）⁠ と強調します。

私は十分にキャッチアップできていなかったので，「⁠そうなのかな？」と思ったのですが，キーノートを聞き終わる頃にはswitch文との違い（よりパワフル！）に納得しました。

続くDesignでは，パターンマッチを構成する2つの要素について述べられます。

• 制御フロー（control flow）
• destructuring

キーノートで登場した例ですが，パターンマッチを使ったFizzBuzzのコードは制御フローがスッキリ書けていて衝撃的でした。

def fizzbuzz(number):
    match number % 3, number % 5:
        case 0, 0: return "FizzBuzz"
        case 0, _: return "Fizz"
        case _, 0: return "Buzz"
        case _, _: return str(number)

destructuringは耳慣れない言葉でしたが，例を通じて，パターンマッチの中でオブジェクトから特定の値を取り出すことと理解しました。たとえば，リストのパターンマッチでは，アンパック代入のようにして処理を進めることもできます！

match meal:  # mealは長さ2のリストを指す
    case entrée, side:  # entrée, side = meal と同じ
        ...  # entrée や side を使った処理が書ける！

辞書やクラスでも同様に，指定したキーや属性の値を変数に代入できます。これは他の言語のswitch文とは大きく違うところと理解しました。

Implementationでは，バイトコードの解説や，soft keywordによる後方互換性について説明がありました。match match:のように書け，過去に書いたコードも修正不要というのは，パターンマッチを導入しやすそうですね。

Futureのパートによると，制御構造として冗長な動きやUnreachable checkを改善していくそうです。

PEP 636のTutorialで素振りしたり，言語リファレンスのmatch文の項目を読んでみたりすると，パターンマッチに習熟できそうですね。パターンマッチを使ったコードを書くのが楽しみになるキーノートでした！

Brandtさんのキーノートが気になった方は，こちらからご覧ください。

セッション「Pythonによるアクセスログ解析入門」―石原祥太郎氏

（吉田健太）

石原氏は株式会社日本経済新聞社に所属し，上級研究員としてデータ分析・サービス開発に従事しています。また，Kaggle Masterでもあり，書籍を執筆している他，INMAが選出する30 Under 30 Awardsにてアジア太平洋部門の最優秀賞を受賞しています。本発表ではPythonでアクセスログを解析する手法，およびそれらを用いたレコメンドなどの活用事例を紹介しています。

新聞社のあり方として紙から電子版に移行しており，公開した記事の反応やレコメンド等においてアクセスログが重要となっています。そして，実際にアクセスログを解析しデータ分析という文脈に落とし込むのがデータサイエンティストの仕事となっています。では，Pythonを利用するところはどこかというと，データを処理するところで，以下のような場合です。

• データを取得後にリアルタイムで可視化・集計しながら，探索したい場合
• データを取得後に高度な処理が必要な場合

これらの場合は，現状ではまだSQLだけでは難しく，Pythonを使って加工をしています。

また，実際の処理の仕方として株式会社Gunosyが公開しているデータセットを利用し，データセットの読み込みから記事単位での集計や記事推薦など，pandasを用いたサンプルコードがGoogle Colab上に提供されています。

他にもKaggleへの出題や年齢推定など応用例もあがっていますので，気になる方はこちらから動画アーカイブや発表資料をご覧ください。