Machine Learning Pocket Reference Working with

Structured Data in Python 1st Edition Matt

Harrison download

https://textbookfull.com/product/machine-learning-pocket-
reference-working-with-structured-data-in-python-1st-edition-
matt-harrison/

Download more ebook from https://textbookfull.com

We believe these products will be a great fit for you. Click
the link to download now, or visit textbookfull.com
to discover even more!

Learning the Pandas Library Python Tools for Data

Munging Analysis and Visual Matt Harrison

https://textbookfull.com/product/learning-the-pandas-library-
python-tools-for-data-munging-analysis-and-visual-matt-harrison/

Deep Learning with Structured Data 1st Edition Mark

Ryan

https://textbookfull.com/product/deep-learning-with-structured-
data-1st-edition-mark-ryan/

Deep Learning with Structured Data 1st Edition Mark

Ryan

https://textbookfull.com/product/deep-learning-with-structured-
data-1st-edition-mark-ryan-2/

Advanced Data Analytics Using Python: With Machine

Learning, Deep Learning and NLP Examples Mukhopadhyay

https://textbookfull.com/product/advanced-data-analytics-using-
python-with-machine-learning-deep-learning-and-nlp-examples-
mukhopadhyay/
Applied Text Analysis with Python Enabling Language
Aware Data Products with Machine Learning 1st Edition
Benjamin Bengfort

https://textbookfull.com/product/applied-text-analysis-with-
python-enabling-language-aware-data-products-with-machine-
learning-1st-edition-benjamin-bengfort/

Learning Data Mining with Python Layton

https://textbookfull.com/product/learning-data-mining-with-
python-layton/

Introduction to Machine Learning with Python A Guide

for Data Scientists 1st Edition Andreas C. Müller

https://textbookfull.com/product/introduction-to-machine-
learning-with-python-a-guide-for-data-scientists-1st-edition-
andreas-c-muller/

Introduction to Machine Learning with Python A Guide

for Data Scientists Andreas C. Müller

https://textbookfull.com/product/introduction-to-machine-
learning-with-python-a-guide-for-data-scientists-andreas-c-
muller/

Python Data Science Handbook Essential Tools for

Working with Data 1st Edition Jake Vanderplas

https://textbookfull.com/product/python-data-science-handbook-
essential-tools-for-working-with-data-1st-edition-jake-
vanderplas/
Machine
Learning
Pocket
Reference
Working with Structured Data
in Python

Matt Harrison
 Machine Learning
Pocket Reference
Working with Structured Data
in Python

Matt Harrison
Machine Learning Pocket Reference
by Matt Harrison
Copyright © 2019 Matt Harrison. All rights reserved.
Printed in the United States of America.
Published by O’Reilly Media, Inc., 1005 Gravenstein Highway North,
Sebastopol, CA 95472.
O’Reilly books may be purchased for educational, business, or sales promo‐
tional use. Online editions are also available for most titles (http://oreilly.com).
For more information, contact our corporate/institutional sales department:
800-998-9938 or [email protected].

Acquisitions Editor: Rachel Roumeliotis

Development Editor: Nicole Tache
Production Editor: Christopher Faucher
Copyeditor: Sonia Saruba
Proofreader: Christina Edwards
Indexer: WordCo Indexing Services, Inc.
Interior Designer: David Futato
Cover Designer: Karen Montgomery
Illustrator: Rebecca Demarest
September 2019: First Edition
Revision History for the First Edition
2019-08-27: First Release
See http://oreilly.com/catalog/errata.csp?isbn=9781492047544 for release
details.

The O’Reilly logo is a registered trademark of O’Reilly Media, Inc. Machine

Learning Pocket Reference, the cover image, and related trade dress are trade‐
marks of O’Reilly Media, Inc.
The views expressed in this work are those of the author, and do not represent
the publisher’s views. While the publisher and the author have used good faith
efforts to ensure that the information and instructions contained in this work
are accurate, the publisher and the author disclaim all responsibility for errors
or omissions, including without limitation responsibility for damages result‐
ing from the use of or reliance on this work. Use of the information and
instructions contained in this work is at your own risk. If any code samples or
other technology this work contains or describes is subject to open source
licenses or the intellectual property rights of others, it is your responsibility to
ensure that your use thereof complies with such licenses and/or rights.

978-1-492-04754-4
[LSI]
 Table of Contents

Preface ix

Chapter 1: Introduction 1
Libraries Used 2
Installation with Pip 5
Installation with Conda 6

Chapter 2: Overview of the Machine Learning Process 9

Chapter 3: Classification Walkthrough: Titanic Dataset 11

Project Layout Suggestion 11
Imports 12
Ask a Question 13
Terms for Data 13
Gather Data 15
Clean Data 16
Create Features 23
Sample Data 25

iii
 Impute Data 25
Normalize Data 27
Refactor 27
Baseline Model 29
Various Families 29
Stacking 31
Create Model 32
Evaluate Model 33
Optimize Model 34
Confusion Matrix 35
ROC Curve 36
Learning Curve 38
Deploy Model 39

Chapter 4: Missing Data 41

Examining Missing Data 42
Dropping Missing Data 47
Imputing Data 47
Adding Indicator Columns 49

Chapter 5: Cleaning Data 51

Column Names 51
Replacing Missing Values 52

Chapter 6: Exploring 55
Data Size 55
Summary Stats 56
Histogram 58
Scatter Plot 59
Joint Plot 60

iv | Table of Contents
 Pair Grid 63
Box and Violin Plots 64
Comparing Two Ordinal Values 65
Correlation 67
RadViz 71
Parallel Coordinates 73

Chapter 7: Preprocess Data 77

Standardize 77
Scale to Range 79
Dummy Variables 80
Label Encoder 81
Frequency Encoding 82
Pulling Categories from Strings 82
Other Categorical Encoding 84
Date Feature Engineering 86
Add col_na Feature 87
Manual Feature Engineering 88

Chapter 8: Feature Selection 89

Collinear Columns 90
Lasso Regression 92
Recursive Feature Elimination 94
Mutual Information 96
Principal Component Analysis 97
Feature Importance 97

Chapter 9: Imbalanced Classes 99

Use a Different Metric 99
Tree-based Algorithms and Ensembles 99

Table of Contents | v
 Penalize Models 100
Upsampling Minority 100
Generate Minority Data 101
Downsampling Majority 101
Upsampling Then Downsampling 103

Chapter 10: Classification 105

Logistic Regression 106
Naive Bayes 111
Support Vector Machine 113
K-Nearest Neighbor 116
Decision Tree 119
Random Forest 127
XGBoost 133
Gradient Boosted with LightGBM 143
TPOT 148

Chapter 11: Model Selection 153

Validation Curve 153
Learning Curve 156

Chapter 12: Metrics and Classification Evaluation 159

Confusion Matrix 159
Metrics 162
Accuracy 164
Recall 164
Precision 164
F1 165
Classification Report 165
ROC 166

vi | Table of Contents
 Precision-Recall Curve 167
Cumulative Gains Plot 169
Lift Curve 171
Class Balance 172
Class Prediction Error 173
Discrimination Threshold 175

Chapter 13: Explaining Models 177

Regression Coefficients 177
Feature Importance 178
LIME 178
Tree Interpretation 180
Partial Dependence Plots 181
Surrogate Models 185
Shapley 186

Chapter 14: Regression 191

Baseline Model 193
Linear Regression 194
SVMs 198
K-Nearest Neighbor 200
Decision Tree 202
Random Forest 208
XGBoost Regression 211
LightGBM Regression 218

Chapter 15: Metrics and Regression Evaluation 223

Metrics 223
Residuals Plot 226
Heteroscedasticity 227

Table of Contents | vii

 Normal Residuals 228
Prediction Error Plot 230

Chapter 16: Explaining Regression Models 233

Shapley 233

Chapter 17: Dimensionality Reduction 239

PCA 239
UMAP 259
t-SNE 264
PHATE 268

Chapter 18: Clustering 273

K-Means 273
Agglomerative (Hierarchical) Clustering 280
Understanding Clusters 283

Chapter 19: Pipelines 289

Classification Pipeline 289
Regression Pipeline 292
PCA Pipeline 293

Index 295

viii | Table of Contents

 Preface

Machine learning and data science are very popular right now
and are fast-moving targets. I have worked with Python and
data for most of my career and wanted to have a physical book
that could provide a reference for the common methods that I
have been using in industry and teaching during workshops to
solve structured machine learning problems.
This book is what I believe is the best collection of resources
and examples for attacking a predictive modeling task if you
have structured data. There are many libraries that perform a
portion of the tasks required and I have tried to incorporate
those that I have found useful as I have applied these techni‐
ques in consulting or industry work.
Many may lament the lack of deep learning techniques. Those
could be a book by themselves. I also prefer simpler techniques
and others in industry seem to agree. Deep learning for
unstructured data (video, audio, images), and powerful tools
like XGBoost for structured data.
I hope this book serves as a useful reference for you to solve
pressing problems.

ix
What to Expect
This book gives in-depth examples of solving common struc‐
tured data problems. It walks through various libraries and
models, their trade-offs, how to tune them, and how to inter‐
pret them.
The code snippets are meant to be sized such that you can use
and adapt them in your own projects.

Who This Book Is For

If you are just learning machine learning, or have worked with
it for years, this book should serve as a valuable reference. It
assumes some knowledge of Python, and doesn’t delve at all
into syntax. Rather it shows how to use various libraries to
solve real-world problems.
This will not replace an in-depth course, but should serve as a
reference of what an applied machine learning course might
cover. (Note: The author uses it as a reference for the data ana‐
lytics and machine learning courses he teaches.)

Conventions Used in This Book

The following typographical conventions are used in this book:
Italic
Indicates new terms, URLs, email addresses, filenames,
and file extensions.
Constant width
Used for program listings, as well as within paragraphs to
refer to program elements such as variable or function
names, databases, data types, environment variables, state‐
ments, and keywords.

x | Preface
 TIP
This element signifies a tip or suggestion.

NOTE
This element signifies a general note.

WARNING
This element indicates a warning or caution.

Using Code Examples

Supplemental material (code examples, exercises, etc.) is avail‐
able at https://github.com/mattharrison/ml_pocket_reference.
This book is here to help you get your job done. In general, if
example code is offered with this book, you may use it in your
programs and documentation. You do not need to contact us
for permission unless you’re reproducing a significant portion
of the code. For example, writing a program that uses several
chunks of code from this book does not require permission.
Selling or distributing a CD-ROM of examples from O’Reilly
books does require permission. Answering a question by citing
this book and quoting example code does not require permis‐
sion. Incorporating a significant amount of example code from
this book into your product’s documentation does require
permission.
We appreciate, but do not require, attribution. An attribution
usually includes the title, author, publisher, and ISBN. For
example: “Machine Learning Pocket Reference by Matt Harrison
(O’Reilly). Copyright 2019 Matt Harrison, 978-1-492-04754-4.”

Preface | xi
If you feel your use of code examples falls outside fair use or
the permission given above, feel free to contact us at
[email protected].

O’Reilly Online Learning

For almost 40 years, O’Reilly
Media has provided technology
and business training, knowledge,
and insight to help companies succeed.
Our unique network of experts and innovators share their
knowledge and expertise through books, articles, conferences,
and our online learning platform. O’Reilly’s online learning
platform gives you on-demand access to live training courses,
in-depth learning paths, interactive coding environments, and
a vast collection of text and video from O’Reilly and 200+ other
publishers. For more information, please visit http://oreilly.com.

How to Contact Us
Please address comments and questions concerning this book
to the publisher:

O’Reilly Media, Inc.

1005 Gravenstein Highway North
Sebastopol, CA 95472
800-998-9938 (in the United States or Canada)
707-829-0515 (international or local)
707-829-0104 (fax)

We have a web page for this book, where we list errata, exam‐
ples, and any additional information. You can access this page
at http://www.oreilly.com/catalog/9781492047544.
To comment or ask technical questions about this book, send
email to [email protected].

xii | Preface
For more information about our books, courses, conferences,
and news, see our website at http://www.oreilly.com.
Find us on Facebook: http://facebook.com/oreilly
Follow us on Twitter: http://twitter.com/oreillymedia
Watch us on YouTube: http://www.youtube.com/oreillymedia

Acknowledgments
Much thanks to my wife and family for their support. I’m
grateful to the Python community for providing a wonderful
language and toolset to work with. Nicole Tache has been
lovely to work with and provided excellent feedback. My tech‐
nical reviewers, Mikio Braun, Natalino Busa, and Justin Fran‐
cis, kept me honest. Thanks!

Preface | xiii
 CHAPTER 1
Introduction

This is not so much an instructional manual, but rather notes,

tables, and examples for machine learning. It was created by the
author as an additional resource during training, meant to be
distributed as a physical notebook. Participants (who favor the
physical characteristics of dead-tree material) could add their
own notes and thoughts and have a valuable reference of cura‐
ted examples.
We will walk through classification with structured data. Other
common machine learning applications include predicting a
continuous value (regression), creating clusters, or trying to
reduce dimensionality, among others. This book does not dis‐
cuss deep learning techniques. While those techniques work
well for unstructured data, most recommend the techniques in
this book for structured data.
We assume knowledge and familiarity with Python. Learning
how to manipulate data using the pandas library is useful. We
have many examples using pandas, and it is an excellent tool
for dealing with structured data. However, some of the index‐
ing operations may be confusing if you are not familiar with
numpy. Full coverage of pandas could be a book in itself.

1
Libraries Used
This book uses many libraries. This can be a good thing and a
bad thing. Some of these libraries may be hard to install or con‐
flict with other library versions. Do not feel like you need to
install all of these libraries. Use “JIT installation” and only
install the libraries that you want to use as you need them.
>>> import autosklearn, catboost,
category_encoders, dtreeviz, eli5, fancyimpute,
fastai, featuretools, glmnet_py, graphviz,
hdbscan, imblearn, janitor, lime, matplotlib,
missingno, mlxtend, numpy, pandas, pdpbox, phate,
pydotplus, rfpimp, scikitplot, scipy, seaborn,
shap, sklearn, statsmodels, tpot, treeinterpreter,
umap, xgbfir, xgboost, yellowbrick

>>> for lib in [

... autosklearn,
... catboost,
... category_encoders,
... dtreeviz,
... eli5,
... fancyimpute,
... fastai,
... featuretools,
... glmnet_py,
... graphviz,
... hdbscan,
... imblearn,
... lime,
... janitor,
... matplotlib,
... missingno,
... mlxtend,
... numpy,
... pandas,
... pandas_profiling,
... pdpbox,
... phate,

2 | Chapter 1: Introduction
... pydotplus,
... rfpimp,
... scikitplot,
... scipy,
... seaborn,
... shap,
... sklearn,
... statsmodels,
... tpot,
... treeinterpreter,
... umap,
... xgbfir,
... xgboost,
... yellowbrick,
... ]:
... try:
... print(lib.__name__, lib.__version__)
... except:
... print("Missing", lib.__name__)
catboost 0.11.1
category_encoders 2.0.0
Missing dtreeviz
eli5 0.8.2
fancyimpute 0.4.2
fastai 1.0.28
featuretools 0.4.0
Missing glmnet_py
graphviz 0.10.1
hdbscan 0.8.22
imblearn 0.4.3
janitor 0.16.6
Missing lime
matplotlib 2.2.3
missingno 0.4.1
mlxtend 0.14.0
numpy 1.15.2
pandas 0.23.4
Missing pandas_profiling
pdpbox 0.2.0
phate 0.4.2

Libraries Used | 3
 Missing pydotplus
rfpimp
scikitplot 0.3.7
scipy 1.1.0
seaborn 0.9.0
shap 0.25.2
sklearn 0.21.1
statsmodels 0.9.0
tpot 0.9.5
treeinterpreter 0.1.0
umap 0.3.8
xgboost 0.81
yellowbrick 0.9

NOTE
Most of these libraries are easily installed with pip or
conda. With fastai I need to use pip install
--no-deps fastai. The umap library is installed with pip
install umap-learn. The janitor library is installed
with pip install pyjanitor. The autosklearn library is
installed with pip install auto-sklearn.
I usually use Jupyter for doing an analysis. You can use
other notebook tools as well. Note that some, like Google
Colab, have preinstalled many of the libraries (though they
may be outdated versions).

There are two main options for installing libraries in Python.

One is to use pip (an acronym for Pip Installs Python), a tool
that comes with Python. The other option is to use Anaconda.
We will introduce both.

4 | Chapter 1: Introduction
Installation with Pip
Before using pip, we will create a sandbox environment to
install our libraries into. This is called a virtual environment
named env:
$ python -m venv env

NOTE
On Macintosh and Linux, use python; on Windows, use
python3. If Windows doesn’t recognize that from the com‐
mand prompt, you may need to reinstall or fix your install
and make sure you check the “Add Python to my PATH”
checkbox.

Then you activate the environment so that when you install

libraries, they go in the sandbox environment and not in the
global Python installation. As many of these libraries change
and are updated, it is best to lock down versions on a per-
project basis so you know that your code will run.
Here is how we activate the virtual environment on Linux and
Macintosh:
$ source env/bin/activate
You will notice that the prompt is updated, indicating that we
are using the virtual environment:
(env) $ which python
env/bin/python
On Windows, you will need to activate the environment by
running this command:
C:> env\Scripts\activate.bat

Installation with Pip | 5

Again, you will notice that the prompt is updated, indicating
that we are using the virtual environment:
(env) C:> where python
env\Scripts\python.exe
On all platforms, you can install packages using pip. To install
pandas, type:
(env) $ pip install pandas
Some of the package names are different than the library
names. You can search for packages using:
(env) $ pip search libraryname
Once you have your packages installed, you can create a file
with all of the versions of the packages using pip:
(env) $ pip freeze > requirements.txt
With this requirements.txt file you can easily install the pack‐
ages into a new virtual environment:
(other_env) $ pip install -r requirements.txt

Installation with Conda

The conda tool comes with Anaconda and lets us create envi‐
ronments and install packages.
To create an environment named env, run:
$ conda create --name env python=3.6
To activate this environment, run:
$ conda activate env
This will update the prompt on both Unix and Windows sys‐
tems. Now you can search for packages using:
(env) $ conda search libraryname
To install a package, like pandas, run:
(env) $ conda install pandas

6 | Chapter 1: Introduction
To create a file with the package requirements in it, run:
(env) $ conda env export > environment.yml
To install these requirements in a new environment, run:
(other_env) $ conda create -f environment.yml

WARNING
Some of the libraries mentioned in this book are not avail‐
able to install from Anaconda’s repository. Don’t fret. It
turns out you can use pip inside of a conda environment
(no need to create a new virtual environment), and install
these using pip.

Installation with Conda | 7

 CHAPTER 2
Overview of the Machine Learning
Process

Cross-Industry Standard Process for Data Mining (CRISP-

DM) is a process for doing data mining. It has several steps that
can be followed for continuous improvement. They are:

• Business understanding
• Data understanding
• Data preparation
• Modeling
• Evaluation
• Deployment

Figure 2-1 shows my workflow for creating a predictive model

that expands on the CRISP-DM methodology. The walk‐
through in the next chapter will cover these basic steps.

9
Figure 2-1. Common workflow for machine learning.

10 | Chapter 2: Overview of the Machine Learning Process

 CHAPTER 3
Classification Walkthrough:
Titanic Dataset

This chapter will walk through a common classification prob‐

lem using the Titanic dataset. Later chapters will dive into and
expand on the common steps performed during an analysis.

Project Layout Suggestion

An excellent tool for performing exploratory data analysis is
Jupyter. Jupyter is an open-source notebook environment that
supports Python and other languages. It allows you to create
cells of code or Markdown content.
I tend to use Jupyter in two modes. One is for exploratory data
analysis and quickly trying things out. The other is more of a
deliverable style where I format a report using Markdown cells
and insert code cells to illustrate important points or discover‐
ies. If you aren’t careful, your notebooks might need some
refactoring and application of software engineering practices
(remove globals, use functions and classes, etc.).
The cookiecutter data science package suggests a layout to cre‐
ate an analysis that allows for easy reproduction and sharing
code.

11
Imports
This example is based mostly on pandas, scikit-learn, and Yel‐
lowbrick. The pandas library gives us tooling for easy data
munging. The scikit-learn library has great predictive model‐
ing, and Yellowbrick is a visualization library for evaluating
models:
>>> import matplotlib.pyplot as plt
>>> import pandas as pd
>>> from sklearn import (
... ensemble,
... preprocessing,
... tree,
... )
>>> from sklearn.metrics import (
... auc,
... confusion_matrix,
... roc_auc_score,
... roc_curve,
... )
>>> from sklearn.model_selection import (
... train_test_split,
... StratifiedKFold,
... )
>>> from yellowbrick.classifier import (
... ConfusionMatrix,
... ROCAUC,
... )
>>> from yellowbrick.model_selection import (
... LearningCurve,
... )

12 | Chapter 3: Classification Walkthrough: Titanic Dataset

 WARNING
You might find documentation and examples online that
include star imports like:
from pandas import *
Refrain from using star imports. Being explicit makes your
code easier to understand.

Ask a Question
In this example, we want to create a predictive model to answer
a question. It will classify whether an individual survives the
Titanic ship catastrophe based on individual and trip charac‐
teristics. This is a toy example, but it serves as a pedagogical
tool for showing many steps of modeling. Our model should be
able to take passenger information and predict whether that
passenger would survive on the Titanic.
This is a classification question, as we are predicting a label for
survival; either they survived or they died.

Terms for Data

We typically train a model with a matrix of data. (I prefer to use
pandas DataFrames because it is very nice to have column
labels, but numpy arrays work as well.)
For supervised learning, such as regression or classification,
our intent is to have a fuction that transforms features into a
label. If we were to write this as an algebra formula, it would
look like this:
y = f(X)
X is a matrix. Each row represents a sample of data or informa‐
tion about an individual. Every column in X is a feature. The
output of our function, y, is a vector that contains labels (for
classification) or values (for regression) (see Figure 3-1).

Ask a Question | 13
Another Random Scribd Document
with Unrelated Content
 Ennél jobbat, a körülményekhez képest, nem is kivánhatott volna
szegény francziáknak.
A múzsák kegyeltjét azután borral is kinálták. Ivott a jámbor;
annyira ivott, hogy utoljára ő maga kérte azt a rettenetes tisztet,
hogy menjen vissza hozzá szállásra; s fogadta Simonyinak, hogy az
egész háborút le fogja mind írni versben s tönkre teszi vele az Iliást,
Odysseát s más afféle ponyvára való firkálmányokat; genealogiáját
pedig felviszi Simonyidesig, a ki nagy bölcs volt és poéta, még pedig
görög nem-egyesült.
Simonyi mind e mellett elismeré, hogy Bressau úr igen tudós és
derék ember, s olyan kiméletes volt, hogy még azután is
mindenkinek azt mondta, hogy a francziák legnagyobb költője
Marcigniban lakik.

XXI. A HŐS ASSZONY.

Valami összekoczczanás volt a katonák és lakosok között; egy
franczia polgártárs úgy talált a kanalával fejbe ütni egy huszárt, hogy
az rögtön leesett lábáról. – Képzelhetni, mekkora kanállal esznek a
francziák, ha akkorát lehet vele ütni, hogy egy huszár leessék a
lábáról?
A gonosztevő, a ki a perduellis kanállal merte érinteni a huszár
fejét, elszaladt világgá, hanem a helyett elfogták az apját, bezárták,
s azt mondták, hogy míg elő nem teremti a fiát, addig ki nem
eresztik.
Két óra mulva egy fiatal pórlegény jelenté be magát Simonyinál,
mondván, hogy ime ő a vétkes, büntessék őt s azután legyen vége a
keresetnek.
Simonyi nem késett rögtön itéletet mondani rá; a fatalis
kerekségű számot, a huszonötöt, mely alatt a magyar nyelvben
annyira megszoktunk botot érteni, hogy már szinte fölöslegesnek
tartjuk utána mondani.
É
 Élt azonban Simonyi azzal a gyanuperrel, hogy majd ha
megtudják ezt az itéletet az ő rimánkodó hölgyei, megint rajta
rontanak, s lekönyörgik a huszonöt botot; e miatt megparancsolá,
hogy minden ajtóhoz kettős őrt kell állítani, a kik az itélet
végrehajtásáig semmiféle rendű, rangú, nemű és nemzetségü
teremtett lelket hozzá be ne bocsássanak.
Jól számított.
Még ki sem huzták a derest, midőn a tizenkét delnő újra
megjelent a háznál kegyelemért könyörgendő.
Szegénykéket mindenütt elutasíták.
«Később tessék jönni. Az ezredessel nem lehet most szólni.
Fontos dolgai vannak» stb. stb.
Az árva hölgyek sirtak, rítak, de az mind nem használt semmit, az
ajtók zárva maradtak.
Ekkor egy franczia tábornok neje, Demeran asszonyság, azon
merész ötletre jön, hogy ha zárva vannak az ajtók, nyitva vannak az
ablakok; be kell hozzá menni az ablakon!
Az őröknek már az nem volt parancsul adva, hogy az ablakon se
ereszszenek be senkit.
Tessék.
A bátor amazon, társai segélyével, hirtelen egy lábtót kerített elő;
azt neki támasztották az első emelet egyik nyitott ablakának és
Simonyi egyszer csak azon veszi magát észre, hogy az ablakon
keresztül rohan be hozzá egy kipirult arczú delnő, s mielőtt
elfuthatna előle, megragadja kezét és el nem ereszti, a míg meg
nem hallgatja kegyelemkérését a szegény elitélt számára.
Simonyi sem volt még ilyen kelepczében soha. A nő fogta, neki
nem volt hová menekülnie.
 – De asszonyom. A vétkest meg kell büntetnem, különben
maholnap fényes nappal agyonütik a katonáimat. Hiszen nem lesz
neki nagy baja. Egynehány ütleget kap s tovább mehet.
– Egynehányat? De mennyi az az egynehány?
Simonyi sejtette, hogy itt alkura kerül a sor, azért úgy tett, mint a
falusi zsibárus, a ki százra tartja, a mit huszonötért akar oda adni.
– Nem sok; csak száz bot.
– Száz bot! sikolta fel a delnő, és ijedten nézett az ezredesre.
– No igen. Ez kerek szám.
– De uram, hisz ez embergyilkolás. Abba bele kell halni.
– Dehogy kell: a muszkáknál ötszázat is szoktak leszámlálni.
– Az nem lehet, az nem szabad. Elég lesz neki tíz.
– Asszonyom, hogy ne mondjon ön udvariatlannak, ime a kegyed
édes szavaiért elengedem neki felét, legyen ötven.
– Nem, nem, tizenkettő a legtöbb; ön oly derék vitéz magyar
ember, ugyan mit fukarkodik olyan dologgal, a mi önnek semmit sem
használ.
– Legyen tehát, én engedek még huszonötöt, legyen huszonöt;
de azon alól nem adom.
E pillanatban csattant az első ütés odalenn az udvaron, követve a
bántott ember jajgatásától. Demeran asszonyság e hang hallatára
elájult.
Simonyi futott illatos üvegért, pohár vizet hozott s a mint az
elájult delnőt nagy gyöngédséggel siet ápolgatni, egyszer csak
felugrik az ájultából s mind a tíz körmével nekiesik az ezredes
hajának, dühösen kiáltva.
 – Vagy megöllek téged, vagy magam halok meg; de
megmutatom, hogy franczia nő vagyok.
Simonyi mit tehetett egyebet, mint hogy ölébe vonta a
veszedelmes ellenséget s a gyilkos kezecskéket megragadva,
egyenkint megcsókolgatá, és sietett kapitulálni az eléje írt föltételek
alatt. A franczia legényt a tizenkettedik botnál szabadon bocsáták.
Demeranné erre kiengesztelődött. A megbüntetett franczia feljött
Simonyihoz és meg köszöné a vele tett szivességet, és kérdezé, hogy
már most e vétség miatt többet nem fognak-e senkit bántani?
Simonyi biztosítá, hogy többet nem lesz róla szó.
A szegény fiu akkor vallá meg, hogy tulajdonképen nem is ő volt
az, a ki a katonát főbe ütötte, hanem a testvére.
Simonyi csodálkozva kérdezé, hogy hát miért jelenté ő fel magát?
– Bátyám családos ember, apám öreg; – felelt a fiú; – nem
akartam, hogy ők szenvedjenek.
– Nem gondoltál rá, hogy hátha halálra fogsz itéltetni?
– El voltam rá készülve.
Demeran asszony büszkén monda az ezredeshez:
– Látja ön, ilyen a franczia!
Simonyi megköszönte a delnőnek, hogy a derék ifjú büntetésének
felét lekönyörögte, azután megajándékozta azt és úgy bocsátá haza.
Talán magában azt is elismeré: hogy ez volt az első franczia, a ki
Simonyit legyőzte.

XXII. A KÉT ELITÉLT.

Nagy bűnt követett el két vitéz huszár.
 Loptak, szöktek, törvényt rontottak. Ellenség földén, békesség
idején rosszul viselték magukat.
A haditörvény mind a kettőt halálra itélte.
Szép két deli legény volt mind a két elitélt, mikor a siralomházba
kitették mind a kettőt, a jó franczia nép seregestül tódult látásukra,
és a ki csak látta őket, mind arra fakadt, hogy milyen kár lesz értük.
Hordtak nekik ételt, italt, pénzt hánytak a tányérukra, biztatták,
vigasztalták őket, hogy majd kegyelmet kapnak. Kivált a szép nők és
fiatal lánykák háromszor is visszajöttek őket ujra megnézni s alig
tudtak tőlük megválni azzal a gondolattal, hogy ilyen két szép ifjú
legényt mért tesznek halottá?
Pedig hiszen ellenség volt mind a kettő.
Különös alkotása a női sziveknek! ők a szerencsétlent még az
ellenségben is szánni tudják. A kegyelmet kérő delnők most is
megjelentek az ezredes előtt s épen oly igaz könyekkel tudtak
könyörögni nála a két elitélt huszárért, mintha azok is honfiaik
volnának.
A marquisnő is ott volt köztük, ott madame Demeran is. Amaz
kért, ez fenyegetett. Simonyi az egyiktől tréfásan félt, a másikat
igazán szerette.
Azt válaszolá nekik, hogy majd az itélet végrehajtásának
órájában megtudják határozatát.
A második nap reggelén két ifjú hajadon jelent meg Simonyi
előtt, két szép polgárleány, kik őt azon különös kérelemmel lepték
meg, hogy ők készek azon két elitélt bűnöshöz nőül menni, ha az
ezredes kegyelmet ad nekik.
Hiába mondá nekik Simonyi, hogy azok rossz, gonosztevő
ficzkók, a kiket kár volna a haláltól megváltani ilyen két szép leány
szivével, az ártatlanok mégis csak azt mondták, hogy együtt akarnak
élni halni a két deli halálra itélttel.
 Végre nekik is azt válaszolta, a mit a marquisnőnek, hogy
várjanak az itélet végrehajtásának órájáig, akkor majd meglátják, mi
történik.
Eljött a harmadnap, megvirradt a reggel, két deli magyar
legénynek hajh sötét éjszaka!
Felöltöztették őket szépen, fehér gyolcsingbe, fekete fátyollal; és
sok szép hölgy sírva kötözé karjaikra a gyönyörű selyemszalagokat.
Felültették őket a szekérre, megszólalt a lélekharang; gyászzene
hangzott végig előttük az utczán. A merre elhaladtak, az ablakokból
virágokat szórtak reájuk, s úgy siratták őket végig – végig – a szép
magyar legényeket, a szép franczia menyecskék.
Kivitték őket a Loire partjára, ottan volt egy szép virágos mező,
szép virágos mezőben csunya megásott sír; az előtt megálltak.
A kisérő katonaság erős négyszögbe állt; a hadbiró felolvasá az
itéletet, a két elitélt szemeit beköték selyemkendővel; egyiket jobb
felől, másikat balfelől letérdepeltették.
A pap imádkozott velök, a körülálló nép zokogott helyettük;
tizenkét granátos előttük állt megtöltött fegyverrel.
Két szép polgár leány egymás kezét fogva úgy nézett reájuk:
vajjon meghalnak-e? A két deli legény.
Dob pördült, fegyver zördült, hat granátos csője neki volt intézve
az egyik elitélt szivének.
Csak a szót várják még. Egy, kettő, három percz: «tüzet
legények!» a lövés eldördűlt, egyszerre mind a hat. Deli legény eldült
szépen a pázsitos mezőn, piros vére csak úgy omlott apró sárga
virágokra. Azok piros virágok lettek egybe.
Dob pördült, fegyver zördült, másik hat granátos is fölemelte a
halállal terhelt csőket: midőn egyszerre felsikoltott a nép:
– Megálljatok. Fehér kendő lobog! kegyelem érkezik.
 Sebes vágtatva jött fehér kendővel kezében egy lovas hadsegéd.
«Kegyelem, kegyelem!»
A második vitéz élete megmaradt.
A nép örömriadással kisérte vissza a megmenekültet a városba,
víg zene ment előtte; a kik jelen voltak, örömmel beszélték
másoknak: hogyan menekült meg a szép deli legény?
Pedig hát mi volt az nekik?
Nem rokon, nem barát, nem honfitárs; sőt inkább üldöző
ellenség, kit a csatatéren lelőni, levágni dicsőség lett volna.
És most úgy örültek mégis, hogy az ifjú huszár nem veszett
halálba. Ilyen a franczia nép.
A két szép hajadon ismét megjelent Simonyinál és könyörgött
előtte, hogy ha már csak egyet hagyott élve a két szép idegen
ifjúból, engedné meg annak, hogy válaszszon közülök; egyiránt szép
volt mind a két lány, egyiránt gazdag és tiszta, ártatlan szívű.
Simonyi megszánta őket, – és nem adta meg kérésüket.
– Menjetek gyermekim haza, s ne ábrándozzatok felőle, a szép
deli ifjúnak szive bűnökkel teli. A ti jó lelketek ne szenvedjen ő
miatta.
Jól is mondta; mert a kegyelmet nyert fiú később hirhedett
zsivány lett; s számtalanszor megbánatta Simonyival, hogy ama
nehéz órában nem ezt küldötte legelől.
A két szép szűz pedig, nem nyerhetve meg az élőt, elrablá
legalább a halottat.
Még azon nap éjszakáján felásták a behantolt sírt, kivitték a
megöltet belőle, elvitték őt magukkal; soha sem tudta meg senki,
hová rejthették el őt?

É
 Költeménynek is szép volna: pedig ekként történt az meg. És
ilyen regék születnek akkor, ha két oly hővérű nép, mint a magyar és
franczia, egymás szemeibe pillant.

XXIII. TOLDI UTÓDA.

Egy izben találtam már hősünket Toldihoz hasonlítani, e hajdani
hős lovaghoz, újra eszembe jut ez a magas példány, midőn Simonyit
Párisba kisérem.
Napoleon leköszöntetése után az egyesült seregek szállották meg
Párist.
A franczia tisztek között volt egy hires bajvívó! termetére is
Simonyihoz hasonló, a mellett gyakorlott mindennemű
fegyverforgatásban: egész életében nem tanult egyebet.
Ez a közhelyeken, sétányokon és kávéházakban mindig
belekötelőzködött a porosz, angol, muszka és osztrák tisztekbe,
gunyolta, ingerelte őket; a minek rendesen párbaj lett a vége.
A franczia óriás rendesen levagdalta ellenfeleit s ilyenformán
sokat megpiszkolt a győztes hadseregből.
Egyszer Simonyival lett találkozása. Vitézvári hire úgy járt
mindenütt előtte, mint nap előtt a hajnal; tudták azt már Párisban,
hogy ő oda fog jönni és azután Simonyi nem is volt az az ember, a ki
szerette az incognitót: – pompásan járt, ezüsttől ragyogó hintóban,
akár egy fejedelem.
Ráakadhatott, a ki kereste.
A franczia viador talált is könnyen alkalmat összetűzhetni vele.
Nyilvános helyen elkezdte előtte ócsárolni az egyesült
hadsereget, leszállítá diadalaikat, gunyolta Simonyi hadi tetteit, és
végre még nemzetét is.
 Elég volt!
A magyar bajnok levonta keztyűjét kezéről s odaveté azt a
francziának. Néhány szóval elvégezték, mikor és hol fognak
egymással találkozni?
Simonyi mondá a francziának:
– Ez a viadal kettőnk közül egyikünknek utolsó viadala lesz.
– Én is úgy akarom, felelt ez.
– De erről ne szóljunk senkinek, mondá Simonyi, ki nem akarta,
hogy a fejedelmek megtudják, miszerint ők életre-halálra akarnak
harczolni; a mikor megtiltanák a párbajt.
Mert a katonák között (bár polgári törvények tiltják) nagyon
szokásos a párbaj, s a katonai becsület épségben tartására
mulhatlan is; és az ilyen párbaj rendesen csak első vérre szokott
menni. A mint valamelyik sebet kap, a jelenlévő párbajsegédek, kik
felemelt kardokkal mindegyik vivó fél bal oldalán állnak, közbe
rohannak; a kardokat leverik s vége a viadalnak.
Sőt néha a nemesebb részekre intézett vágások is tiltva vannak;
a vívók nyakára erős szőrnyakravalót kötnek, a jobb kéz csuklójára
vastag selyem kendőt csavarnak, hogy valamikép életeret ne
találjanak ketté vágni. Szabad a vágás csupán a fejre, arczra, mellre
és karra, mint a hol kevéssé lehet életveszélyes sebet kapni.
Simonyi párviadalánál is megtörténtek mind ezen elővigyázati
rendszabályok. Több főtiszt és fejedelmi uraságok voltak jelen a
teremben, hol a viadalnak végbe kellett menni. Kiváncsi volt
mindenki ez érdekes harczra, melyben két oly hires férfi, mint
Simonyi és a franczia Herkules mérkőznek meg egymással.
Mert a hány csatája volt Simonyinak a nyilt csatamezőn, talán
még több harcza volt ellenfelének titkos párbajokban, mik ezért
közbeszéd tárgyai voltak, s mikben amaz ép úgy diadalmas volt
mindig, mint Simonyi az ütközetekben.
 Vajjon melyik fog győzni?
Legtöbben azt állíták, hogy a franczia. A csatábani harczhoz
egész másnemű ügyesség és bátorság kell, mint a párviadalhoz.
Soknak nem is ment ez a fejébe, hogy egy oly ügyes, kitanult
franczia hőst egy magyar mészáros fia meg tudjon szabdalni.
Midőn a két férfit kiállíták egymással szembe s kezükbe adták a
kardokat, Simonyi azt mondta a jelen volt tanúknak:
– Uraim, önök hallották, hogy ez az ember nemzetemet gyalázta.
Azok el nem tudták gondolni, hogy miért hivatkozik most erre?
«Vigyázz!» hangzott mindkét részről. A vivók kettős toppanása
jelenté a harczot; a kardok előre meredtek, szem szembe nézett, a
test mozdulatlanul állt előre hajolva: – aztán összecsattantak a
kardok.
Csak egy perczig tartott a viadal; a nézők csak két villámgyorsan
ütő kardot láttak, azzal összerogyott a franczia, egy szó nélkül, egy
végső mozdulat nélkül: – a feje ketté volt hasítva, homlokától kezdve
az álla hegyéig.
– Önök hallották, hogy nemzetemet gyalázta, – ismétlé Simonyi,
kardját megtörülve az első vértől.
A kik azt látták, félő bámulattal tekintének rá; ez mestervágás
volt, a magyar mészáros fia most remekbe vágott.
Azontul nem is kivánt vele senki párbajt víni, sem egész testre,
sem első vérre.

XXIV. A HUSZÁR BÉCSBEN IS ÚR.

Isten hozzád szép Francziaország; bátor férfiak, szép asszonyok
hazája!
Isten hozzád, dicsőség mezeje, hőstettek napjai!
 Isten hozzátok ti boldog városok, hol a magyart, még
ellenségképen is, oly szivesen látták!
Soha sem voltak ott olyan víg dalidók, soha sem voltak a
templomok oly látogatottak, mint a magyar huszárok ott léte alatt.
A vitézeknek vissza kelle térni hazájukba.
A jó Simonyi bucsut vett szép védenczétől, a marquisnőtől.
Csak a végső pillanatban, midőn az érzésnek többé nem lehet
parancsolni, tudta meg, hogy mennyire szeretteték.
Midőn egy kis németországi falun keresztül utazva, ugyanazon
gazdához szállt be, kinél sok év előtt volt szállva, mint fiatal
őrmester, a kis leánykák – most már mind eladó szüzek – ráismertek,
s örömtelten kiálták: «a jó őrmester megérkezett!»
És az egész falu népe, boldog emlékektől buzdítva, kiáltá utánuk:
«Itt van a jó őrmester.»
A jó őrmester már akkor világhirű hős volt, és a legfényesebb
urak egyike, ki szegény ismerőseit mégis oly szivesen fogadta.
A hazatérő hősre nagy becsület várt ide haza, a vezénylete alatt
levő ezred főlakhelye eddigelé Gácsországban volt, most azt a
fejedelem különös kegye kitüntetésül egyenesen a birodalmi
fővárosba, Bécsbe tette által.
E fényes városban sok szép látni való volt akkor is, de a legszebb,
a mit látni lehetett, mégis csak Simonyi huszárezrede volt.
Mikor az bevonult hosszú diadalutjáról, elül harminczkét lovas
zenésze, ősmagyar kaczagányokban, gazdag aranysujtásokkal, kiket
egy termetes szerecsen, fényes keleti ruhában vezényelt ezüst
buzogánynyal kezében; a tisztek csojtáros mentékben, kócsagos
kalpagokkal; az egész ezred tetőtől talpig ujjal öltöztetve, a lovak
sallangos csojtárai ragyogók, maguk is délczegek, s mikor végig
hangzott Bécs fényes utczáin Lavota magyar indulója, melyre minden
paripa úgy kezdett tánczolni, mintha ő is tudná, hogy huszárt visz a
hátán Bécsnek városába; a délczeg vitézek szemei örömtül
szikráztak; hajh, akkor a jó bécsi népnek kevés volt az ablak, még a
házak teteje is megtelt emberekkel; úgy szórták reájuk az özön
virágot, úgy hangzott eléjük a sok «hozott Isten!» Az is magyarul
szólt, a ki egy szót sem értett.
Különös dolog az, én magam sem tudom okát adni, honnan,
miért vagyon? hiszen más katonák is lehetnek vitézek,
szeretetreméltók, de nem tünik az úgy fel, mint a huszár; egyetlen
huszár látása jobban felvillanyozza az embert, mint más akármiből
száz.
Volt ez időben egy hirhedett szinmű, mit a bécsi szinpadon épen
oly sikerrel adtak, mint a közelmult években a ravennai viadort;
czíme volt annak «a kisbéri ballet».
Mint a czím gyaníttatja, e szinmű Magyarhonban játszott, a
császárné útját tárgyazva, midőn a háború elől Kis-Bérre vonult;
voltak abban a kor izléséhez képest fényes menetek, csaták
ábrázolatai, némajátékok, dalok és mindenféle tánczok.
Adták ezt a darabot talán kétszázszor is egymásután.
Egyszer Simonyinak eszébe jutott, hogy mikor ezt a színművet
újra adják, elviszi huszárjait a szinházba.
Hogyan? Az egész ezredet?
Nem egyszerre az egészet, hanem egyszer az egyik felét,
másszor a másikat.
Egy napon jön a parancs a huszároknak: «este hat órára kirukkol
a fél ezred egész parádéban, de ló nélkül – gyalog».
Gyalog! mi lesz ebből!
Simonyi a karantán kapu melletti szinházban a felső karzat alatti
második emeletet e napra egészen kibérlé s azzal parancsszóra
beülteté szépen három sorba a deli huszárságot, mint mikor a hadi
rendben ülnek a lóháton.
Napi parancs ez volt:
«Egyenesen ülni; mindent jól megnézni, semmit sem beszélni,
publikum fejére le nem köpni».
Ott ültek már a huszárok, midőn a többi közönség kezdett a
szinház minden egyéb részeibe gyülekezni.
Szokatlan jelenet volt ez a kedélyes bécsi előtt; egy egész
huszárhadrend a karzaton, nyalkán kipödrött bajuszszal. Mind olyan
csendesen ültek, nem fecsegtek szomszédjaikhoz, nem nézegettek
szemcsövekkel, nem tehénkedtek a padok karjára, mint a többi uri
és közrendű népek.
A szép ballet előtt valami szerény kis bohózatot adtak, egyet azon
hézagtöltő darabocskák közül, a mik a végre születtek, hogy a más
egyebet nézni jött közönségnek keservessé tegyék a várakozást.
A mi huszárjaink sem nem mosolyogtak rajta, sem nem ásítoztak
rajta. Ugy ültek ott, mint megannyi tudós társasági tag, a ki kritikát
jött írni.
Meg volt nekik parancsolva, hogy egyformán viseljék magukat.
A bohóczok végre letüntek a szinpadról, most következett a
ballet.
Mindenféle átlátszó ruhás angyalok libbentek ki a szinpadra,
forogtak, repkedtek, lábaikkal mutogattak erre-arra: – még itt csak a
bajuszaikat pödörgették a huszárok; egynémelyik nagyot pirult s
szemérmesen lesütve a szemeit, dörmögte a szomszédjának.
«Az angyalát! Bizony hosszabb kantust is vehetett volna magára
a hugomasszony. Az ember szinte rá sem mer nézni.»
«Bizony szégyen gyalázat az, annyi becsületes ember előtt olyan
reggeli pongyolában ugrálni.»
 «Talán nem is tudja, hogy «úgy» van? Rákellene kiáltani.»
«Ni a szemtelen, hogy fölemelte a lábát.»
Végre egy vén őrmester megnyugtatá őket, mondván: hogy
hiszen ezek nem igazi asszonyok és leányok ám, hanem csak alakok;
szemfényvesztés az egész.
Hanem azután kirukkol egyszerre a szinpadra husz magyar
parasztlegény tarka zsebkendőkkel gomblyukaikban és husz magyar
leány, szalagos hajfonatokkal, pillangós ingvállal. Rárántják a
zenekarban a legszebb toborzó nótát s elkezdnek arra azok
délczegen tánczolni.
De már e hangokra, e látványra villogni kezdettek a hadfiak
szemei. A zene oly lelkesítőn hangzott: a tánczoló párok úgy
csattogtatták tenyereiket; a huszárok is szerettek volna egyet-egyet
bele kurjantani s tapsolni tenyérrel. Ámde meg volt parancsolva,
hogy szépen viseljék magukat, s az átelleni páholyban ott ült maga
Simonyi és vigyázott rájuk.
No de azt nem láthatta meg, a mi a pad alatt történik. Egyszer
csak elkezd valami új hang vegyülni a zenébe; a huszárok elébb
halkan, aztán erősebben verték össze sarkantyúikat; az egész fél
regement sarkantyúja olyan szépen kiverte a taktust, mintha a
karmester dirigálta volna.
A közönség ekkor elkezdett a huszároknak tapsolni, a kik folyvást
mozdulatlan arczokkal, szótlanul, komolyan ültek sorban, mintha
nem is ők volnának, a kik azt a nagy sarkantyúzenét elkövetik;
hanem a mint egyszer Simonyi maga is kihajol páholyából és elkezd
tapsolni és éljent kiáltani (még akkor vivátnak hívták az éljent),
nosza a fél regement huszár is, a ki megszokta volt vezére példáját
követni, elővette tenyereit, beletapsolt a zenébe s olyan vivátozást
mivelt, a melyet sem az előtt, sem azóta nem hallott a karantán
kapui szinház.
 Játék végeztével megdicsérte Simonyi szépen derék vitézeit, hogy
jól viselték magukat s a jövő előadásig volt azoknak mit beszélni az
ezred másik feléhez a látottakról.
A következő előadásba azután Simonyi elvitte a többi hadfiakat
is.
A bécsi közönség megtudva, hogy mikor jönnek a huszárok a
szinházba, minden zugába összesereglett annak s az a furcsa eset
támadt, hogy ezt az előadást majd minden ember háttal a
szinpadnak nézte.
Történt azonban egyszer, hogy a bécsi banknál azon időben
nagyon sürgős levén a dolog a pénzbeváltás miatt, a néptolongás
ellen kénytelenek voltak az urak lovas katonákat állítani a kapuk elé.
A bátor bécsi nép azonban, pénzről levén a szó, nem sokat félt a
kivont szablyától s egy napon az őrül kirendelt vértes lovag úgy járt,
hogy a tolongó nép lovastól együtt felemelte s bevitte a bank
udvarára.
Másnap huszárt állítottak oda. No nem vitték azt be.
Mikor a vitéz hadfi vette észre, hogy nagyon attakirozzák, neki
parancsa lévén, hogy állomását minden módon megtartsa, elkezdett
jobbra-balra kardlapozni, erre még jobban szorították, akkor azután
az élivel vágott közbe. Persze rövid időn tiszta is lett körüle a tér,
hanem két polgártárs halva maradt és tizenkettőt lepedőben vittek
haza.
A fensőbbség elismerte, hogy a huszár jogosan cselekedett,
hanem azért mégis átlátták, hogy biz ott a bécsi nép közé rendet
tartani kissé erős dolog a huszár.
Simonyi is, meg még mások is megegyeztek abban, hogy sokkal
jobb lesz ő nekik hazájukba térni, s az egész ezred úgy jutott
megmaradása helyéül szülötte földére, annak is a kellő közepére, a
szép Nagyváradra.
 XXV. AZ UTOLSÓ LÁNCZSZEM.
Eddig tartott a napfény, már most következik az éjszaka.
Hajh drága dolog a jó éles kard a csatában: hajh mondjátok
akkor, áldja meg az Isten, a ki csapásokat osztogat vele az
ellenségnek. Mikor pedig vége van a harcznak, akkor zúgolódtok reá:
– «ne nyulj hozzá gyermek, mert elvágod vele a kezedet.»
Mi volt a hős Toldi vége?
Mikor legyőzte az országczímert elrabló viadort, mentéje ujjával,
melyben vala buzogánya, agyonütött valami rossz kölyket, a ki vele
kötekedett a királyi udvarban. Ezért börtönre keresték: csak a
szégyen, a mi megölte, mentheté meg attól.
Mi lett a hős Simonyi vége?
Béke idején is olyan szigorú rendet tartott ezredében, mintha
ellenség előtt állt volna.
Száz adomát tudnak szigorúságáról.
Hogy az volt rendelete: miszerint a riadó trombitaszóra a melyik
katona legelébb jön, jutalmat kap, ki legutóbb, botot. Minthogy
valakinek okvetlen kellett utolsónak lenni a sok közül, a verés soha el
nem maradt.
Hogy egy hadapródot azon szóval bocsáta el szabadságra, hogy
ha a határidőre haza nem jön, becsületszavára fogadja: főbe löveti.
Az ifjú a takarodó után jött meg s Simonyi, hogy becsületszavát meg
ne szegje, főbe lövette.
Egy év mulva Arad vára börtönében halt meg.
Az a Simonyi, a ki huszonnégy éven át karddal kezében honának
büszkesége volt, lánczczal kezén végezte életét, szégyen és bú
miatt; megfosztva rendjeleitől, kitörülve a vitézek sorából.
 Tehát, a ki azt mondta róla pajkos gyermekkorában, hogy vagy
nagy úr lesz, vagy a börtönben hal meg, kétszer is eltalálta sorsát.
Mindenesetre jobb lett volna neki nem tenni zsebébe azt az ív
papirost, a mely Lipcse alatt felfogta a szivének szánt golyót.
Úgy halt meg, mint Toldi. Dicsőséges életpálya végén szégyentől,
bánattól letörve.
Mondjon rá szigorú itéletet, mint emberre, a biró itt a földön, és
ott fenn az égben: – a hős dicsősége mindig fényes marad s együtt
él az el nem fogyandó napokkal!
 VÉGSZÓ.
Hősünk életrajza nem költemény.
A miket elmondánk róla, azok a történetírás sajátjaivá váltak.
Még most is élnek azon korból való emberek, a kik e tényekre
visszaemlékeznek s bizonyítják azoknak valóságát és még sokkal
többet tudnak felőle mondani; a miket mind följegyezni nem volna
hely e kis könyvecske lapjain.
Kútfőink voltak az «Oesterreichischer Beobachter» egykorú lapjai
és tudós hazánkfia – Nagy Pálnak 1849-ben kelt életirása, a további
eseményeket élők szavai után egészítettük ki. Minden tény hiteles
okiratokkal van megállapítva, a mik kétségtelenné teszik, hogy
Simonyi József volt a magyar történet leghirhedettebb hőse.
Nagyobb jelenet, mint maga Toldi és méltó, hogy egykor hasonló
költőjére találjon.
Majd hogyha egykor ő is a regekör személyei közé emelkedik,
mint lovagkorunk hősei.
Addig is ne hagyjuk eltörlődni emlékét; míg az utókor költői keze
elmossa emberi hibáit s felmagasztalja hősi erényeit.
Honának büszkesége, lelkesedése volt ő; a nagy Széchenyi
Istvánnak ifjú korában óhajtott mintaképe.
E dicső hazafinak más utat jelölt a sors a honboldogítás
halhatatlan hiréig. Ketté törte a kardot s a szellem harczaihoz utasítá
őt. Simonyit letörte, a kardok bajnokát s támasztá Széchenyit, az
eszmék vezérét. – Vajjon mit kezd velünk, hogy ezt is összetörte?
 Jegyzetek.
1) Prototypon S. Ign. de Loyola, ao. 1556. pridie Kal. Aug. e vultu
genuino depositum, ac annis plus, quam ducentis in collegio
societatis Jesu cultum; a Laurentio Riecio, ultimo societates Jesu
generali, ante funus eiusdem societatis aug. Maria Theresia
oblatum, atque Dno. Ign. Krampmiller suo in spiritualibus patri.
Hic Comitissæ Leop. Nádasdy, Hæc Josepho Fuxhoffer, ex Jesu
Societatis nepotum præfecto, hic demum germano suo, damiano
Fuxhoffer, Benedictin. dn. reddidi ordinavit. etc.
2) Marquis főnemest jelent, több mint a gróf, kevesebb mint a
herczeg czím.
 TARTALOM.
Magyarhon szépségei.
A magyar Tempevölgy3
More Patrio24
Uti levelek71
I. Kolozsvárott71
II. Torda, Enyed, Gyulafehérvár73
III. Kelementelke80
IV. A homoródalmási barlang85
V. Szent Anna tava94
A Vág völgye101
Német magyarok105
Budai családok109
A befagyott Balaton113
A vaskapu123
Tiszai mocsár129
A Hortobágy132

A legvitézebb huszár.
Előszó143
I. A fiatal diák144
II. Az ujoncz147
III. Az első vér151
IV. Az első érdemrend155
V. Huszár-tréfa156
VI. A szürke ló és lovagja160
VII. A Garda-tó melletti hőstett162
VIII. Visszaadott leczke165
 IX. A hős, mint diplomata167
X. Az új Horatius Cocles172
XI. Hadszerencse177
XII. A báskirok179
XIII. A végzetes golyó181
XIV. Milyen ülés esik a császári trónban?184
XV. Pezsgőspalaczk- és ágyúdurrogás188
XVI. Becsület az ellenség földén193
XVII. A lyoni nap195
XVIII. A szerelmes oroszlán199
XIX. Szerelmes szív, kegyelmes szív203
XX. A hős és poéta206
XXI. A hős asszony209
XXII. A két elitélt213
XXIII. Toldi utóda217
XXIV. A huszár Bécsben is úr220
XXV. Az utolsó lánczszem226
Végszó229

Javítások.

Az eredeti szöveg helyesírásán nem változtattunk.

A nyomdai hibákat javítottuk. Ezek listája:

6 Hát miért nem «Hát miért nem

8 patakok csermelyek patakok, csermelyek
11 hely Bataton-Füred hely Balaton-Füred
11 kellemessé tenni. ezekből kellemessé tenni, ezekből
12 kerűl a sor. a kerűl a sor, a
36 megátalkodottt gonosztevő megátalkodott gonosztevő
42 el van hagyva el van hagyva,
48 frissen meszelt szobrát frissen meszelt szobát
 nem víz, hanem porrá tört nem víz, hanem porrá tört
64
párna pára
72 meg, A kolozsvári meg. A kolozsvári
75 csodájárá támadt csodájára támadt
75 e pénzen váltak e pénzek váltak
79 alatt kiszórtak alatt kiszórták
105 Corvin, Mátyás Corvin Mátyás
110 legende azt meséli legenda azt meséli
122 Es újra hangzik És újra hangzik
134 állatot a birkától! állatot a birkától!»
136 ninden ember az minden ember az
143 1800 ból ered 1800-ból ered
146 zongorára hegedüre zongorára, hegedüre
149 mordult a káplár – mordult a káplár
156 derek fiu derék fiu
159 nem tette volnak nem tette volna
170 látszottak a portfellegek látszottak a porfellegek
170 s a mint kicsitja s a mint kinyitja
176 vert serget utóhadait vert sereg utóhadait
214 is ott vott is ott volt
219 volt tanúknak; volt tanúknak:
 *** END OF THE PROJECT GUTENBERG EBOOK MAGYARHON
SZÉPSÉGEI; A LEGVITÉZEBB HUSZÁR ***

Updated editions will replace the previous one—the old editions will
be renamed.

Creating the works from print editions not protected by U.S.

copyright law means that no one owns a United States copyright in
these works, so the Foundation (and you!) can copy and distribute it
in the United States without permission and without paying
copyright royalties. Special rules, set forth in the General Terms of
Use part of this license, apply to copying and distributing Project
Gutenberg™ electronic works to protect the PROJECT GUTENBERG™
concept and trademark. Project Gutenberg is a registered trademark,
and may not be used if you charge for an eBook, except by following
the terms of the trademark license, including paying royalties for use
of the Project Gutenberg trademark. If you do not charge anything
for copies of this eBook, complying with the trademark license is
very easy. You may use this eBook for nearly any purpose such as
creation of derivative works, reports, performances and research.
Project Gutenberg eBooks may be modified and printed and given
away—you may do practically ANYTHING in the United States with
eBooks not protected by U.S. copyright law. Redistribution is subject
to the trademark license, especially commercial redistribution.

START: FULL LICENSE

THE FULL PROJECT GUTENBERG LICENSE
 PLEASE READ THIS BEFORE YOU DISTRIBUTE OR USE THIS WORK

To protect the Project Gutenberg™ mission of promoting the free

distribution of electronic works, by using or distributing this work (or
any other work associated in any way with the phrase “Project
Gutenberg”), you agree to comply with all the terms of the Full
Project Gutenberg™ License available with this file or online at
www.gutenberg.org/license.

Section 1. General Terms of Use and

Redistributing Project Gutenberg™
electronic works
1.A. By reading or using any part of this Project Gutenberg™
electronic work, you indicate that you have read, understand, agree
to and accept all the terms of this license and intellectual property
(trademark/copyright) agreement. If you do not agree to abide by all
the terms of this agreement, you must cease using and return or
destroy all copies of Project Gutenberg™ electronic works in your
possession. If you paid a fee for obtaining a copy of or access to a
Project Gutenberg™ electronic work and you do not agree to be
bound by the terms of this agreement, you may obtain a refund
from the person or entity to whom you paid the fee as set forth in
paragraph 1.E.8.

1.B. “Project Gutenberg” is a registered trademark. It may only be

used on or associated in any way with an electronic work by people
who agree to be bound by the terms of this agreement. There are a
few things that you can do with most Project Gutenberg™ electronic
works even without complying with the full terms of this agreement.
See paragraph 1.C below. There are a lot of things you can do with
Project Gutenberg™ electronic works if you follow the terms of this
agreement and help preserve free future access to Project
Gutenberg™ electronic works. See paragraph 1.E below.
1.C. The Project Gutenberg Literary Archive Foundation (“the
Foundation” or PGLAF), owns a compilation copyright in the
collection of Project Gutenberg™ electronic works. Nearly all the
individual works in the collection are in the public domain in the
United States. If an individual work is unprotected by copyright law
in the United States and you are located in the United States, we do
not claim a right to prevent you from copying, distributing,
performing, displaying or creating derivative works based on the
work as long as all references to Project Gutenberg are removed. Of
course, we hope that you will support the Project Gutenberg™
mission of promoting free access to electronic works by freely
sharing Project Gutenberg™ works in compliance with the terms of
this agreement for keeping the Project Gutenberg™ name associated
with the work. You can easily comply with the terms of this
agreement by keeping this work in the same format with its attached
full Project Gutenberg™ License when you share it without charge
with others.

1.D. The copyright laws of the place where you are located also
govern what you can do with this work. Copyright laws in most
countries are in a constant state of change. If you are outside the
United States, check the laws of your country in addition to the
terms of this agreement before downloading, copying, displaying,
performing, distributing or creating derivative works based on this
work or any other Project Gutenberg™ work. The Foundation makes
no representations concerning the copyright status of any work in
any country other than the United States.

1.E. Unless you have removed all references to Project Gutenberg:

1.E.1. The following sentence, with active links to, or other

immediate access to, the full Project Gutenberg™ License must
appear prominently whenever any copy of a Project Gutenberg™
work (any work on which the phrase “Project Gutenberg” appears,
or with which the phrase “Project Gutenberg” is associated) is
accessed, displayed, performed, viewed, copied or distributed:
 This eBook is for the use of anyone anywhere in the United
States and most other parts of the world at no cost and with
almost no restrictions whatsoever. You may copy it, give it away
or re-use it under the terms of the Project Gutenberg License
included with this eBook or online at www.gutenberg.org. If you
are not located in the United States, you will have to check the
laws of the country where you are located before using this
eBook.

1.E.2. If an individual Project Gutenberg™ electronic work is derived

from texts not protected by U.S. copyright law (does not contain a
notice indicating that it is posted with permission of the copyright
holder), the work can be copied and distributed to anyone in the
United States without paying any fees or charges. If you are
redistributing or providing access to a work with the phrase “Project
Gutenberg” associated with or appearing on the work, you must
comply either with the requirements of paragraphs 1.E.1 through
1.E.7 or obtain permission for the use of the work and the Project
Gutenberg™ trademark as set forth in paragraphs 1.E.8 or 1.E.9.

1.E.3. If an individual Project Gutenberg™ electronic work is posted

with the permission of the copyright holder, your use and distribution
must comply with both paragraphs 1.E.1 through 1.E.7 and any
additional terms imposed by the copyright holder. Additional terms
will be linked to the Project Gutenberg™ License for all works posted
with the permission of the copyright holder found at the beginning
of this work.

1.E.4. Do not unlink or detach or remove the full Project

Gutenberg™ License terms from this work, or any files containing a
part of this work or any other work associated with Project
Gutenberg™.

1.E.5. Do not copy, display, perform, distribute or redistribute this

electronic work, or any part of this electronic work, without
prominently displaying the sentence set forth in paragraph 1.E.1
with active links or immediate access to the full terms of the Project
Gutenberg™ License.

1.E.6. You may convert to and distribute this work in any binary,
compressed, marked up, nonproprietary or proprietary form,
including any word processing or hypertext form. However, if you
provide access to or distribute copies of a Project Gutenberg™ work
in a format other than “Plain Vanilla ASCII” or other format used in
the official version posted on the official Project Gutenberg™ website
(www.gutenberg.org), you must, at no additional cost, fee or
expense to the user, provide a copy, a means of exporting a copy, or
a means of obtaining a copy upon request, of the work in its original
“Plain Vanilla ASCII” or other form. Any alternate format must
include the full Project Gutenberg™ License as specified in
paragraph 1.E.1.

1.E.7. Do not charge a fee for access to, viewing, displaying,

performing, copying or distributing any Project Gutenberg™ works
unless you comply with paragraph 1.E.8 or 1.E.9.

1.E.8. You may charge a reasonable fee for copies of or providing

access to or distributing Project Gutenberg™ electronic works
provided that:

• You pay a royalty fee of 20% of the gross profits you derive
from the use of Project Gutenberg™ works calculated using the
method you already use to calculate your applicable taxes. The
fee is owed to the owner of the Project Gutenberg™ trademark,
but he has agreed to donate royalties under this paragraph to
the Project Gutenberg Literary Archive Foundation. Royalty
payments must be paid within 60 days following each date on
which you prepare (or are legally required to prepare) your
periodic tax returns. Royalty payments should be clearly marked
as such and sent to the Project Gutenberg Literary Archive
Foundation at the address specified in Section 4, “Information
 about donations to the Project Gutenberg Literary Archive
Foundation.”

• You provide a full refund of any money paid by a user who

notifies you in writing (or by e-mail) within 30 days of receipt
that s/he does not agree to the terms of the full Project
Gutenberg™ License. You must require such a user to return or
destroy all copies of the works possessed in a physical medium
and discontinue all use of and all access to other copies of
Project Gutenberg™ works.

• You provide, in accordance with paragraph 1.F.3, a full refund of

any money paid for a work or a replacement copy, if a defect in
the electronic work is discovered and reported to you within 90
days of receipt of the work.

• You comply with all other terms of this agreement for free
distribution of Project Gutenberg™ works.

1.E.9. If you wish to charge a fee or distribute a Project Gutenberg™

electronic work or group of works on different terms than are set
forth in this agreement, you must obtain permission in writing from
the Project Gutenberg Literary Archive Foundation, the manager of
the Project Gutenberg™ trademark. Contact the Foundation as set
forth in Section 3 below.

1.F.

1.F.1. Project Gutenberg volunteers and employees expend

considerable effort to identify, do copyright research on, transcribe
and proofread works not protected by U.S. copyright law in creating
the Project Gutenberg™ collection. Despite these efforts, Project
Gutenberg™ electronic works, and the medium on which they may
be stored, may contain “Defects,” such as, but not limited to,
incomplete, inaccurate or corrupt data, transcription errors, a
copyright or other intellectual property infringement, a defective or
damaged disk or other medium, a computer virus, or computer
codes that damage or cannot be read by your equipment.

1.F.2. LIMITED WARRANTY, DISCLAIMER OF DAMAGES - Except for

the “Right of Replacement or Refund” described in paragraph 1.F.3,
the Project Gutenberg Literary Archive Foundation, the owner of the
Project Gutenberg™ trademark, and any other party distributing a
Project Gutenberg™ electronic work under this agreement, disclaim
all liability to you for damages, costs and expenses, including legal
fees. YOU AGREE THAT YOU HAVE NO REMEDIES FOR
NEGLIGENCE, STRICT LIABILITY, BREACH OF WARRANTY OR
BREACH OF CONTRACT EXCEPT THOSE PROVIDED IN PARAGRAPH
1.F.3. YOU AGREE THAT THE FOUNDATION, THE TRADEMARK
OWNER, AND ANY DISTRIBUTOR UNDER THIS AGREEMENT WILL
NOT BE LIABLE TO YOU FOR ACTUAL, DIRECT, INDIRECT,
CONSEQUENTIAL, PUNITIVE OR INCIDENTAL DAMAGES EVEN IF
YOU GIVE NOTICE OF THE POSSIBILITY OF SUCH DAMAGE.

1.F.3. LIMITED RIGHT OF REPLACEMENT OR REFUND - If you

discover a defect in this electronic work within 90 days of receiving
it, you can receive a refund of the money (if any) you paid for it by
sending a written explanation to the person you received the work
from. If you received the work on a physical medium, you must
return the medium with your written explanation. The person or
entity that provided you with the defective work may elect to provide
a replacement copy in lieu of a refund. If you received the work
electronically, the person or entity providing it to you may choose to
give you a second opportunity to receive the work electronically in
lieu of a refund. If the second copy is also defective, you may
demand a refund in writing without further opportunities to fix the
problem.

1.F.4. Except for the limited right of replacement or refund set forth
in paragraph 1.F.3, this work is provided to you ‘AS-IS’, WITH NO
OTHER WARRANTIES OF ANY KIND, EXPRESS OR IMPLIED,
INCLUDING BUT NOT LIMITED TO WARRANTIES OF
MERCHANTABILITY OR FITNESS FOR ANY PURPOSE.

1.F.5. Some states do not allow disclaimers of certain implied

warranties or the exclusion or limitation of certain types of damages.
If any disclaimer or limitation set forth in this agreement violates the
law of the state applicable to this agreement, the agreement shall be
interpreted to make the maximum disclaimer or limitation permitted
by the applicable state law. The invalidity or unenforceability of any
provision of this agreement shall not void the remaining provisions.

1.F.6. INDEMNITY - You agree to indemnify and hold the Foundation,

the trademark owner, any agent or employee of the Foundation,
anyone providing copies of Project Gutenberg™ electronic works in
accordance with this agreement, and any volunteers associated with
the production, promotion and distribution of Project Gutenberg™
electronic works, harmless from all liability, costs and expenses,
including legal fees, that arise directly or indirectly from any of the
following which you do or cause to occur: (a) distribution of this or
any Project Gutenberg™ work, (b) alteration, modification, or
additions or deletions to any Project Gutenberg™ work, and (c) any
Defect you cause.

Section 2. Information about the Mission

of Project Gutenberg™
Project Gutenberg™ is synonymous with the free distribution of
electronic works in formats readable by the widest variety of
computers including obsolete, old, middle-aged and new computers.
It exists because of the efforts of hundreds of volunteers and
donations from people in all walks of life.

Volunteers and financial support to provide volunteers with the

assistance they need are critical to reaching Project Gutenberg™’s
goals and ensuring that the Project Gutenberg™ collection will
remain freely available for generations to come. In 2001, the Project
Gutenberg Literary Archive Foundation was created to provide a
secure and permanent future for Project Gutenberg™ and future
generations. To learn more about the Project Gutenberg Literary
Archive Foundation and how your efforts and donations can help,
see Sections 3 and 4 and the Foundation information page at
www.gutenberg.org.

Section 3. Information about the Project

Gutenberg Literary Archive Foundation
The Project Gutenberg Literary Archive Foundation is a non-profit
501(c)(3) educational corporation organized under the laws of the
state of Mississippi and granted tax exempt status by the Internal
Revenue Service. The Foundation’s EIN or federal tax identification
number is 64-6221541. Contributions to the Project Gutenberg
Literary Archive Foundation are tax deductible to the full extent
permitted by U.S. federal laws and your state’s laws.

The Foundation’s business office is located at 809 North 1500 West,

Salt Lake City, UT 84116, (801) 596-1887. Email contact links and up
to date contact information can be found at the Foundation’s website
and official page at www.gutenberg.org/contact

Section 4. Information about Donations to

the Project Gutenberg Literary Archive
Foundation
Project Gutenberg™ depends upon and cannot survive without
widespread public support and donations to carry out its mission of
increasing the number of public domain and licensed works that can
be freely distributed in machine-readable form accessible by the
widest array of equipment including outdated equipment. Many
Welcome to our website – the ideal destination for book lovers and
knowledge seekers. With a mission to inspire endlessly, we offer a
vast collection of books, ranging from classic literary works to
specialized publications, self-development books, and children's
literature. Each book is a new journey of discovery, expanding
knowledge and enriching the soul of the reade

Our website is not just a platform for buying books, but a bridge
connecting readers to the timeless values of culture and wisdom. With
an elegant, user-friendly interface and an intelligent search system,
we are committed to providing a quick and convenient shopping
experience. Additionally, our special promotions and home delivery
services ensure that you save time and fully enjoy the joy of reading.

Let us accompany you on the journey of exploring knowledge and

personal growth!

textbookfull.com