Experience Seamless Full Ebook Downloads for Every Genre at textbookfull.

com

Machine Learning Pocket Reference Working with

Structured Data in Python 1st Edition Matt
Harrison

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

OR CLICK BUTTON

DOWNLOAD NOW

Explore and download more ebook at https://textbookfull.com

 Recommended digital products (PDF, EPUB, MOBI) that
you can download immediately if you are interested.

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/

textboxfull.com

Deep Learning with Structured Data 1st Edition Mark Ryan

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

textboxfull.com

Deep Learning with Structured Data 1st Edition Mark Ryan

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

textboxfull.com

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/

textboxfull.com
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/
textboxfull.com

Learning Data Mining with Python Layton

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

textboxfull.com

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/

textboxfull.com

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/

textboxfull.com

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/

textboxfull.com
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
kerran aika koittaa, jolloin jaksamme ulkonaisestikin tästä kaikesta
puhdistautua. Se onnellinen maa, josta hänet tuon, ei kuitenkaan ole
antanut hänelle kotia, kuten tulee tekemään tuo kahlehdittu ihana
maa tuossa.

Karu se myöskin on. Ei siinä vehnä kymmenpenikulmittain

heilimöi, eivät kirsikkalehdot valkoista kauneuttaan levitä yli viljavan
lakeuden. Vaivaa ja ponnistusta kysyvät täällä pienetkin saavutukset.
Mutta sitä varmemmin täällä voimat karaistuvat.

Katso, poikaseni, tuota taivaanrantaa tuossa. Et sitä nyt ymmärrä,

mutta se on tulevaisuutesi maa. Siellä saat juosta avojaloin pitkin
kallioisia rinteitä ja tuoksuvia nurmia. Saat seesteisinä kesäaamuina
nostaa rysiä ja verkkoja järvestä tai viillettää lehtipurjeessa pitkin
aavoja, hopeisia selkiä. Talvisin saat piehtaroida pehmeässä
lumessa, laskea hurauttaa huimaavia suksimäkiä tai samoilla
kulkusten kilistessä halki huurteisten metsien, joissa jäiset oksat
raskaina riippuvat yli tukkoon ajautuneen tien. Ihanaa on sinun
ollaksesi niin talvet kuin kesätkin raikkaassa pohjolan luonnossa.
Heinäkuormalla istuessasi laulaa renkipoika sinulle laulujaan, ja
uuninpankolla levähtäessäsi kertoo vaari sinulle tarinoita. Talvi-illoin
lampun ääressä tulevat vanhat runomme sinulle eläviksi, sanoin ja
sävelin kansamme sielu sinulle avautuu. Saammepa sitten nähdä,
tahdotko vaihtaa tämän maan, johon olet kasvanut kiinni, mihinkään
muuhun maahan maailmassa!

Tuossa jo näkyy pääkaupunkimme. Se lähenee lähenemistään.

Istut liikkumattomana ja jännityksestä äänettömänä käsivarrellani
tuota merestä nousevaa ihmemaailmaa tähystämässä.
Nikolainkirkon kupu loistaa jo aivan läheltä, ja saattaa nähdä, että
torikauppa satamassa on käymässä. Nostan sinut köysistä punotuille
tikapuille, jotta paremmin erottaisit touhun rannassa ja suuren kylän
sen takana. Tämä on pääkaupunkisi, Yrjö poika! Tämä on sinun
maatasi!

Ja mielestäni on tälle maalle kunniaksi se, että sinä tänne saavut.

Vauhti hiljenee, laiva puksuttaen pysähtyy, ja lähestymme

varovaisesti laituria. Jo kauan olen odottajien joukosta erottanut
vaaleaan päällystakkiin ja valkoiseen hattuun puetun miehen. Nyt
näen hänet jo selvästi, näen tuon harmaatukkaisen miehen
liehuttavan meille nenäliinaansa. Hän se on, kukapa muu se olisi
voinutkaan olla?

— Siinä on isä! — sanon sinulle. — Katso, tuolla on isä!

— Isä! Isä! — huudat heti sellaisella sykkivällä ilolla, että muut

matkustajat ympärillämme myötätunnosta hymyilevät.

— Katsos, tuolla! Katsohan tuolla!

— Isä! Isä!

Se kajahtaa vielä riemukkaammin, ja rannalla seisoja koskettaa

nenäliinallaan silmiään.

— Katsohan tuota, joka heiluttaa meille valkoista hattua!

Tunnet hänet todella, innostut sen huomatessasi ja huudat niin

että äänesi kaikuu yli kantajain ja tullitarkastajain vilinän ja kiireen:

— Isä! Isä! Isä!

 5.

Mahtoiko kesä ennen muinoin saapua aikaisemmin kuin nykyään

ja loppua myöhemmin? Kaartuiko taivas korkeampana, tuoksuiko
heinä hersyvämpänä, hohtiko hanki valkoisempana?

Asuimme silloin maalla viljavassa seudussa, jossa oli laajalti

peltoja ja niittyjä. Keskellä tätä maalaisrauhaa kohosivat valtavat
tehtaan piiput kohti korkeutta ja niiden ympärille ryhmittyivät
tehdasalueet rakennuksineen. Paikkakunta oli kaupungin ja
maalaiskylän välimuotoa. Siellä risteilivät kadut, pienet talot
molemmin puolin puutarhoineen, ja keskellä oli tori. Mutta yltympäri
lainehtivat tasaiset pellot. Ja kadun suoranaisena jatkona oli
maantie, joka johti todelliselle maaseudulle, varakkaille
talonpoikaistiloille ja näiden karjalaitumille. Asukkaiden vaistot
sitoivat heidät vielä vahvasti maahan kiinni, ja maalaisleima oli
sentakia vallitsevana yleissävynä.

Muistatko tuon keltaisen kaksikerroksisen rakennuksen, jota

ympäröi puutarha ja punainen aitaus? Pihan puolella meillä oli eniten
aurinkoa, ja sentakia oleskelimme useimmiten siellä päin. Helteisen
verannan sivustalla oli sinulla leikkihuoneesi.

Sinulla oli pieni valkoinen vuoteesi, jossa oli punaiset verkkolangat

ja kultaiset nappulat. Siihen sattuivat auringon säteet aamuisin,
kutkuttelivat uudinten lomitse silmäluomiasi ja herättelivät kuin
peipposen poikaa emon untuvilta, kuin västäräkin sirittävää lasta.
Karahdit pystyyn, katsahdit isään ja äitiin, kiepsahdit polvillesi ja aloit
kaivaa esille aarteitasi, jotka olit edellisenä iltana kätkenyt tyynysi
alle; puunappulat, pienen veturisi ja muut rautaromusi, jotka olit
löytänyt pihalta. Jo rupesi kuulumaan hiljainen naputus ja koputus,
hyminä ja humina. Silitit lakanan kentäksi ja aloit junia kiidättää ja
laivoja säksätyttää, tukutit ja täkätit, kuiskit ja hipristelit. Siinä kävi
iloinen aamuviserrys kuin pesästään pulmahtaneella varpusen
pojalla.

Ja niin olit täydessä leikin touhussa, että tuskin ennätit

syrjäkatsein vaania, milloin äiti tai isä sinulle silmiänsä siristäisivät ja
naurusuin sinuun vilkaisisivat. Mutta niin pian kuin sen keksit, päästit
heleän naurun, heitit kaikki tavarasi peitteelle ja kirmasit telmien suin
päin verkkosi yli viereiselle vuoteelle. Ja siellä hikipäissäsi
peuhattuasi karkasit takaisin leikkiäsi jatkamaan, kunnes äiti nousi
sinua pesemään, pukemaan ja päivää varten evästämään. Ja posket
pullollaan voileipää sinä sitten velliä särvit aamutuimaan.

— Äiti, saanko mennä pikku junaa katsomaan?

— Saat, jos Nenne tulee mukaan.

Nenne tuli ja poika juosta könötti tyttöä kädestä pitäen pihan poikki
luvattua maatansa kohti. Puutarhassa oli takaportti, joka vei suurelle
niitylle. Se heloitti alkukesästä voikukkia täynnänsä ja ruskeahkon
joen rannalla oli miltei läpitunkematon leppien, pajujen ja pihlajien
viidakko, joka kurkisti yli samean veden. Mutta se niitty oli merkillinen
siitä, että sen halki kulkivat kapearaiteiset kiskot, joita pitkin juna
porhalsi edes takaisin kahden tehtaan väliä.

Tuossa se nyt taas tulla suhahti, pieni veturi tuhisten ja puhkuen ja

vaunut liukuen sen perässä. Poika oli kuin maahan naulittu sitä
katsellessaan. Tupruava savu, pyörien kolina, pannun kupu,
vaunujen kiinnikeketjut — mikä ihmeitten maailma! Vaunut olivat
kukkurallaan pumpulipaaluja, ja junamies pyyhki mustuneita
käsiänsä pumpulitukkoon, koskettaen lakkinsa lippaa pientä miestä
tervehtien.

— Ota minut mukaan!

Ja poika karkasi junaa kohti.

Mutta Nenne riuhtaisi hänet takaisin kädestä eikä päästänyt edes

kiskoja myöten junan perässä viilettämään.

— Nenne on tuhma — äiti lupasi!

— Ei luvannut — mennään rantaan!

Ja rannan aukealla paikalla he heittivät voileipiä ja munalukkoja ja

keikuttivat tyhjää venettä. Katkaisivat pajunoksia airoiksi ja olivat
soutavinaan, kunnes vihellys kuului —! Miltei suulleen suistuen
heittäytyi poika veneestä ja juosta pyyhälsi kuin veitsellä viiltäen
polkua pitkin saadakseen vielä edes vilaukselta nähdä tuon
ihmeitten ihmeen, omalla voimallaan kulkevan leikkijunan.

Nenne sai hänet houkutelluksi takaisin pihalle kertomalla, että

Ruuna jo oli valjastettu kärryjen eteen ja lähtisi noutamaan
jauhosäkkejä kauppapuodista.

Se oli toinen maailma, joka sekin oli mielenkiintoinen, vaikka vasta

toisessa sijassa. Nenne oli talonmiehen tytär ja hän tiesi kaikki
hevosasiat. Hänen sylissään istuen poika sai taputtaa Ruunan
leveätä lautasta, koskettaa sen turpaa ja antaa sen nuolaista
kättään. Suloisesti silloin selkää karmi, sillä mitäs jos se olisi
puraissut! Nostihan Ruuna välistä huulensa ja irvisti hampaillaan,
vaikka se olikin kiltti.
 Se olisi voinut purra vahingossa.

Meidän pihamme laidassa oli pitkä punaiseksi maalattu

ulkorakennus, jonka päässä Nenne asui. Siellä oli tallit ja liiterit,
vaunuvajat ja aitat, joissa saattoi Nennen selässä retkeillä kylästä
kylään, talosta taloon. He olivat nukkuvinaan yönsä heinillä tallin
ylisillä ja vaunuvajan rattailla istuessaan he matkustivat Helsinkiin ja
Turkuun. Ja kun he siihen väsyivät, hyppäsivät he alas rattailta,
livistivät maantien puolella olevaan puutarhan aitaukseen, josta he
pistinaidan lomitse kurkkivat torille. Sinne ei saanut luvatta mennä.
Mutta tirkistää sai. Siellä oli pitkä riimupuu, jonka renkaisiin
talonpojat sitoivat hevosensa kiinni käydessään kylässä asioilla. Ja
se kaide oli hevosten puremisesta niin kulunut, että siinä oli syvät
lovet jokaisen renkaan kohdalla. Posket litistyneinä aidansäleitten
väliin lapset tarkastelivat hevosia ja kuormia, ajomiehiä ja arvokasta
talonpoikaiskansaa, joka hommaili korien ja pyttyjen ääressä ja levitti
koreita raanuja allensa ajoneuvojen istuimille. Lauantaisin oli siellä
vielä enemmän liikettä, sillä oli toripäivä ja hauskaa myllerrystä.
Silloin oli talon edusta yhtenä vilinänä hirnahtelevia oriita, kirjavia
loimia, munavasuja, kaakottavia kanoja, huutelevia eukkoja ja pitäjän
kaikenlaista kaupaksi käypää tavaraa.

Lauantaisin toi Maija munajuustoa aamiaiseksi ja joskus soi

posetiivi pihalla.

Meillä oli viheriäksi maalatut kaksipyöräiset työntökärryt, joissa

istuen kävit isän ja äidin kanssa kylässä. Usein sattui, että niillä vein
sinut puiston läpi Henni tädin luo. Siellä oli kuin toisessa
maailmassa. Meidän ikkunoistamme näkyi liejuinen maantie, tori,
joka oli kuopalla suuren liikkeen takia, kauppapuoti vastapäätä ja
sen portailla pyylevä kauppias. Maalaisväkeä ajaa karautti ohitse
kärryillään kyyröttäen tai kulki siellä pitkät jonot tehtaan miehiä ja
tyttöjä, jotka palasivat työstään. Henni täti taas asui laajassa
puistossa, jossa oli upeat koivukujat, monivärinen kukkaisrykelmä
ruohokenttien reunamilla ja tuuheat pensaikot varjoineen pehmeän
tasaisella nurmella. Siellä sinkosi vettä ilmaan monihaaraisesta
suihkukaivosta. Se kimmelsi höyrynä auringonpaisteessa ja liplahteli
raskaine pisaroineen kivialtaaseen, jonka ympärillä kasvoi
leveälehtinen tuuhea kasvi.

Pysäytin pienet kärryt matalan ja kodikkaan huvilan eteen nostaen

pojan maahan. Astuimme sitten leveitä portaita ylös verannalle.
Siellä nousi makuultaan suuri newfoundlandilainen koira, jota sai
mielinmäärin halata ja taputella. Sai vaikka kavuta selkään istumaan
sen liikuttamatta lurppakorviaan ja menettämättä suosiollista
ilmettänsä.

Muistathan Prinssin, Yrjö?

Sisällä oli suuret salit ja kiiltävät lattiat ja vanhaa mahonkia ja

kustavilaisaikuiset salinkalustot vaalean sinisine oviverhoineen. Ja
sitten siellä oli täti, joka aina istui rullatuolissa. Hänellä oli hyvin
tummat silmäkulmat ja mustat kiharat, jotka hulmusivat hänen
ilakoidessaan. Silloin hän heitti aina päänsä taaksepäin ja nauroi niin
että hampaat valkeina välkkyivät. Ja hänestä hersyi nauru
yhtämittaa. Sinua ihmetytti, että hän oli iloinen, vaikkei hän
voinutkaan juosta ympäri kuin muut. Sentakia pidit hänestä ja istuit
mielelläsi hänen sylissään, katsoen hänen suuriin silmiinsä hänen
sinulle kertoessaan porsliininukeista, jotka hänen kaapissaan
lasisten ovien takana kumarsivat ja nostaen liepeitään niiaten
tanssivat. Ne olivat tulleet jostakin kaukaa. Kun olit niihin väsynyt,
juoksit toiseen huoneeseen ja kyyrötit joen puoleisessa ikkunassa,
josta näkyi matalavetinen koski ja sen takana moni-ikkunaiset
tehdasrakennukset. Ne oli rakennettu punaisista tiilistä, ja niistä
kuului yhtämittainen salaperäinen surina, johon et koskaan väsynyt.

Mutta joskus otti setä sinut omaan huoneeseensa, nosti sinut

polvilleen ja alkoi jutella kanssasi kuin ainakin hengenheimolaisensa
kanssa. Hän näytti sinulle kuvia laivoista ja automobiileista, ja sinä
tarkastit niitä silmäkulmat rypyssä ja selvästi tuntien, että tuo
näyttäminen johtui yhteisestä asiain harrastuksesta. Vielä enemmän
tulit siitä vakuutetuksi, kun setä veti kätköstään esille pieniä rattaita
ja hihnoja, langanpätkiä ja nappuloita ja yhteisvoimin niitä
yhdistämällä ja sommittelemalla saitte aikaan jotakin, joka kulki,
säksätti ja veti.

Se setä, se se jotakin tiesi ja osasi, sen se oli se pieni junakin,

joka kulki tehtaasta tehtaalle.

— Tuletko joskus ajamaan sillä pikku veturilla ja annatko minun

ohjata? — kysyi poika.

— Mennään vain jonakuna päivänä, kun sopii — vastasi setä.

Mutta siitä retkestä ei tullut mitään, vaikka odottamistasi odotit.

Hän oli myöskin luvannut suureksi tultuasi ottaa sinut tehtaaseensa
työmieheksi, ja sen lupauksen täyttymystä odotit myöskin vuosia —
useampia — muistatko sen?

*****

Mutta kaikkein muhkeinta oli kenties talvisin istua reessä vällyihin

peitettynä isän ja äidin välissä hämärän jo peittäessä maan. Siinä oli
laajat lumipeitteiset aukeamat, joilla ei ollut alkua eikä loppua. Metsä
häämötti jossain kaukana taivaanrannalla, ja korkealla syttyi tähti
toisensa jälkeen. Siellä ehkä Jumala kulki niitä sytyttämässä, kuten
isä sytytti salin kruunua. Jalas nitisi lumessa, tiuku helisi hämärässä,
matkamies reppu selässä astui joskus kinokseen väistyen ajajain
tieltä. Mutta kääntyipä tie itään tai länteen, etelään tai pohjoiseen,
loisti silmien edessä satulinna, valtava monikerroksinen rakennus,
jonka kaikista ikkunoista tulet joka ilta loimusivat ja joka yksin
pimeässä illassa heijasti valoa ympärilleen.

Sitä taloa sinä vaieten katselit, ja kuva siitä painui syvästi

tietoisuuteesi. Moni muu katseli sitä sekavin tuntein. Mutta sinulle se
oli todeksi muuttunut ihmelinna, josta et tiennyt muuta kuin että sinne
kulki se pikku juna, sitä sai nähdä likeltä se mustakätinen junamies,
sen omisti sen mustasilmäisen tädin setä ja sinne hän oli luvannut
sinutkin ottaa, kun tulet kerran suureksi.

6.

Kun kesällä pienet viheriät kärryt tai talvella valkoinen työntöreki

seisoivat portaitten edessä, oli se merkki siitä, että aioimme lähteä
jonnekin vieraisille. Seurasit meitä tavallisesti minne menimmekään,
sillä harvoin kyläilimme sellaisissa paikoissa, jonne ei sinua voitu
ottaa mukaan. Olin mielestäni kuin lappalaisvaimo, jonka oli pakko
pistää lapsi selkäpussiin, jos mieli liikkua kotinsa ulkopuolella. Mutta
se ei tuntunut vaivalloiselta. Se oli mieleni mukaista.

Sattuihan kuitenkin joskus, että menimme isän kanssa jonnekin

kylään ilman sinua. Silloin jätimme sinut Maijan huostaan, joka sinua
jumaloi melkein yhtä paljon kuin me itse.
 Maija oli Satakunnan sydämestä tullut, kotikutoinen harmaa
villaleninki yllä ja kiiltävät lasit korvissaan. Hän oli sitten jäänyt ja
kotiutunut ja tottunut herrasväen tavoille ja huvitti kaikkia ihmisiä
suorasukaisilla ja hyväntahtoisilla kokkapuheillaan. Mutta jos kukaan
keittiön oven takana uskalsi sanoa jotakin siitä, ettei muka tuo oma
ollutkaan, vieras lapsi vain, jonka ovat ottopojakseen ottaneet —
silloin kivahti Maija pystyyn, punastui hiusmartoa myöten ja
tuulispäänä tuiskahteli:

— Vai ei oma! Pidä nyt kitas, sanon minä! Kenen hän sitten olis?
Kenen mahtavat omat kakaras olla — oletkos pitänyt lukua — ja
oletkos ne itse mestaroinut itsellesi oman halusi ja kaavasi mukaan?
Niinkuin eivät olisi kaikki penikat yhtä paljon Jumalan luomia ja
Jumalan lahjoja — omat itsellesi könistettäviksi, koska vissiin sen
ansaitsevat — ja tämä näille kauniisti kasvatettavaksi, koska on kuin
paratiisilintunen tai kuin kuninkaan poika — sokeainkin nähdä.

— Älä sinä rähise — toinen ei toistaan parempi!

— Vai ei eroa! Oletko ikinäsi nähnyt puhtaampaa ja jalompaa

muotoa — toki vallan toista kuin nuo muut pörröpäiset nallikat, joita
nurkissa vilisee.

— No pitääkö sitä noin tuhista tuollaisen asian takia?

— Kannattaa se. Sillä ihmisten pitäisi tietämän, mitä he nurkissa

tirskuvat ja mitä pahaa he sillä aikaan saavat. Ovat aina omastaan
olevinaan ja valmiit nokka pystyssä eroa tekemään siinä missä ei
eroa olekaan muuta kuin ihmisten uskossa. — Usko autuaaksi tekee
— no niin — ole niin autuas kuin haluat. Minä annan palttua ihmisten
puheille.
 Jo tuli että ropsahti. Maija käänsi selkänsä ja paiskasi keittiön
oven kiinni. Toinen jäi sitä pykälää harkitsemaan ja sitä muille
selvittelemään, niin että pian kaikki tiesivät, miltä kannalta asia oli
otettava.

Mutta se mikä oli sanottu, oli Maijan mielestä topakasti sanottu.

Hän meni sisään, sieppasi pojan polvellensa ja silittäen hänen
päätään huvitti häntä herttaisella haasteellaan.

Ja poika katsahti häneen raikkaasti nauraen ja käpristyi hänen

kaulaansa itsetiedottomasti iloiten päiviensä rauhasta ja ystävällisten
silmäin paisteisesta lämmöstä.

Siten Maija rakensi muurin pojan ympäri, eikä kukaan uskaltanut

sitä murtaa. Hän sai elää lapsuutensa ajan pahaa sanaa miltään
taholta kuulematta, eikä kukaan eikä mikään häirinnyt hänen
uskoaan ihmisten hyvään tahtoon.

Senkö takia olit aina niin valoisa mieleltäsi? Kuin kukka aina
aurinkoon päin käännettynä. Vai oliko se sinulle synnynnäistä? Se
saattoi johtua niin toisesta kuin toisestakin. Totuit näkemään hyvää,
eikä usko siihen sitten ennättänytkään horjua. Eikä olisi itse asiassa
horjunut, vaikka olisi ennättänytkin — sydämesi syvimmässä.

*****

Niin kului vuosi ja toinenkin. Yrjöstä tuli intohimoinen laivojen ja

rautateiden rakentaja, ja ne syntyivät aina sinne, minne äiti
sattumalta oli istuutunut. Jos hän pitemmän aikaa oli kumartuneena
työnsä ääressä tai ompelukoneensa ratasta tasaisesti pyöritteli,
silloin oli runsaasti tilaisuutta kaikkien temppujen noudattamiseen
junien määräaikaista lähtöä tai saapumista varten. Siinä oli signaalin
anto muistettava valkoisella tai punaisella, vihellys, alkuunpaneva
puhkuminen, töksähdys, sitten tasaista ja sitten lisääntyvää vauhtia
ilmaiseva puuskutus, joka herkeämättä jatkui ja kiihtyi, niin että sylki
suusta pärskähteli. Sillä jos tukuttaminen olisi jäänyt kesken, olisi
myös juna pysähtynyt. Sentakia piti keuhkoissa aina höyryä riittää —
ja kyllä sitä riittikin.

Välistä sai jakkara olla laivana keskellä pauhaavaa merta. Tämä

ulottui tuonne kynnykselle asti täältä rannan laiturilta, jona oli äidin
hameen liepeet. Se kellui vaahtopäisenä, siinä oli saaret ja salmet,
jonne pääsi pakoon pauhaavinta myrskyä, ja satamasta lähtö oli
usein vaivalloinen ja vaaranalainen. Sitä ennen liputettiin ja
toitotettiin, ja paljon puuhaa oli tavarain lastauksesta.

Mutta saattoi tapahtua, että yhtäkkiä laituri lähti kävelemään

toiseen huoneeseen ollenkaan ajattelematta sitä tavatonta
hämminkiä, joka siitä syntyi, varsinkin jos laiva vielä oli ankkuroituna
rannassa ja suurin osa lastista sikin sokin laiturilla. Mutta sinä et
koskaan hölmistynyt, harasit vain esiliinaasi tai koppaasi tavarasi
jätteet ja ehätit juoksujalkaa tuon uskottoman laiturin jälkeen,
menettämättä koskaan luottamustasi sen ehdottomaan
uskollisuuteen.

Olin tottunut noihin pikaisiin muuttoihin. Kuulin vain pulikoitten

kolinaa ja askelien rapsahdusta takanani ja hymähdin itsekseni..

7.
 Äiti otti ranskankielen tunteja ja istui sipisemässä itsekseen
käsittämättömiä sanoja.

Yrjö katsoi häneen pitkään kulmiensa alta. Hän ei voinut

ymmärtää, että tarvitsi osata muuta kuin suomea. Tosin isä ja äiti
usein keskenään puhuivat ruotsia, mutta se kuului heidän
omituisuuksiinsa eikä koskenut häntä.

Mutta siihen aikaan äiti sai päähänsä, että pojankin olisi opittava
ruotsia. Mitä varten?

Sen tähden, että oli olemassa kokonainen maa, jossa puhuttiin

pelkästään ruotsia, ja matkustaisimme joskus sinne. Siellä eivät
ihmiset suomea ymmärtäneetkään. Ja Suomessakin oli paljon
ihmisiä, jotka puhuivat ruotsia. Kun hän tulisi suureksi, saisi hän
oppia myöskin ranskaa ja joskus käydä siinä maassa, jossa kaikki
ihmiset puhuivat ranskaa, lapsetkin.

Vai oli niin merkillisiä maita. Maailma tuli yhtäkkiä niin suureksi.
Kolme lajia maita siis oli ja kolme lajia ihmisiä.

Tuli ilta, ja äiti toimitti poikansa vuoteeseen. Hän riisui, pesi kasvot,
kädet ja jalatkin. Poika polskutti vettä lattialle, ripsautti kujeillen äitiä
silmille ja retkautti itsensä selälleen vuoteeseen potkien ja riemusta
kirkuen.

Mutta äiti pingoitti peitteen kiinni molemmilta vuoteen laidoilta,

kiersi käsivartensa rauhoittavasti hänen ympärilleen ja odotti
iltarukousta ennen poistumistaan.

Poika tyyntyikin pian, silmät kävivät vakaviksi, ja hän aloitti

jokailtaisen värssynsä:
 — Isä hyvä lapsien — — —

Se oli jo luettu, kädet kurottuivat jo äitiä syleilläkseen, mutta sitten

muistui jokin hänen mieleensä. Hän pani uudelleen kätensä ristiin
jotakin vielä lisätäkseen Jumalalle:

— Hyvä Jumala, siunaa kaikkia ihmisiä Suomessa, Ranskassa ja

Venskassa.

Siinä se nyt oli koko maailma! Ja oli tärkeätä, että Jumala

muistaisi mitä siihen kuului. Olisi hän jo ennemmin huomauttanut,
mutta kun ei ollut edes tiennytkään, että heitä oli niin monta. Nyt oli
kaikki niinkuin ollakin piti ja sitä myöten hyvässä järjestyksessä.

Tyytyväisenä myötävaikutukseensa puristautui hän äidin kaulaan,

otti vastaan hänen suudelmansa, kellahti seinään päin ja nukkui.

Hänellä oli usein jotain kahdenkeskistä Jumalan kanssa. Oli niin

mukavaa, kun oli sellainen, jolta voi pyytää mitä tahansa,
sellaistakin, jota ei äiti eikä isäkään voinut antaa.

Ja niin hän yhdessä Jumalan kanssa järjesti monet asiat.

Ainoastaan silloin tällöin olin puhunut hänelle Jumalasta ja yleensä

harvoin uskonnollisista asioista. Halusin jättää hänet rauhaan enkä
tahtonut tyrkyttää hänelle sellaista, josta hän helposti saisi
kyllikseen. Kun hän myöhemmin tutustui uskonnon asioihin,
kirkastuisivat ne hänelle ehkä ilmestyksiksi, joita ei mikään kulunut
läksy ollut häiritsemässä. Pelkäsin, että kun niitä pienestä pitäen
tottuu ajattelemattomasti toistamaan, niin kuluu usein vuosia, ellei
vuosikymmeniä, ennenkuin niiden totuus ja kauneus leimahtaa
näkyviin kovettuneen sanakuoren alta.
 Olemme siitä perästäpäin keskenämme keskustelleet, ja olet
myöntänyt minun olleen siinä oikeassa.

Annoin pojalleni hänen ensimmäisinä elinvuosinaan yhden ainoan

uskonnollisen käsitteen, sen nimittäin, että oli olemassa Jumala, joka
näki kaiken ja tiesi kaiken ja oli joka paikassa läsnä, koska hän asui
ihmisten sydämissä ja puissa ja eläimissä, vieläpä mullassakin ja
auringonpaisteessa. Hän kuuli, puhuipa hänelle milloin tahansa, ja
hän tahtoi kaikkia auttaa. Tämä oli Yrjöstä selvää ja käsitettävää
puhetta ja hänellä oli rajaton luottamus tätä korkeinta olentoa
kohtaan.

Hän mietiskeli joskus otsa rypyssä näitä tällaisia asioita.

Muistan erään aamun, jolloin vielä aamutöissäni puuhaten kuljin

tomuviuhka ja liina kädessäni huoneesta huoneeseen ja poika
kintereilläni pyöriskeli. Silloin hän pysähtyi äkkiä ja katsoi minua
silmiin:

— Äiti, olisiko sinusta ikävä, ellei Jumala olisi olemassa?

— Olisihan se ikävä — vastasin pyyhkien pöydän kiiltävää pintaa.

— Olisiko sinusta sitten ikävä, ellei olisi ollenkaan mitään — ellei

minua olisi, eikä isää, ei Maijaa eikä mitään koko maailmassa?

— No, sehän nyt vasta olisikin ikävä.

Siirryin seuraavaan huoneeseen tomuviuhkoineni ja poika juoksi

perässä.

— Niin, mutta eihän sinulla voisi olla ikävä, sillä eihän sinuakaan
silloin olisi olemassa.
 Vai niin?! — Käännyin häneen päin. — Oliko pojallani sellaisiakin
taipumuksia — ja tuumiko hän jo elämän takaisia? Mitä vielä, se oli
vain tuollaista pientä ajattelun leikittelyä, jota hän väliin harrasti. Ja
totta oli, että hänellä oli tapana ajatella asiansa loppuun asti.

Tällainen mietiskely huvin vuoksi ei kuitenkaan pienimmässäkään

määrässä häirinnyt hänen vakaata luottamustansa Jumalaan. Hän
uskoi hänellä olevan kaiken vallan taivaassa ja maan päällä.

Mutta sattui joskus, että hän hänet unohti.

Eräänä yönä heräsin siitä, että kuulin nyyhkytyksiä ja turahduksia

seinältä päin. Oli pilkko pimeä.

— Onko Yrjö hereillä?

Poika parahti ääneensä itkemään.

— Miksi poju itkee — sanohan — mikä sinua vaivaa?

— Pelkään niin kauheasti — siellä on virtahepo — ja se aikoi

minut syödä!!

Hän parkui ja ulisi kauhusta.

Olin haparoinut sähkönappulaa ja sytytin lampun. Hän karahti

nuolena vuoteeseeni hikisenä ja vapisevana ja käpristyi syliini
peittäen päänsä lakanan alle. Hän oli aivan suunniltaan.

— No pojuseni — kuulehan, eihän nyt ole enää mitään hätää —

miksei poju tullut heti tänne äidin luo?

— En uskaltanut — sehän seisoi tuossa — olisi syönyt — tuossa

se seisoi isän huoneen kynnyksellä!
 Hän purskahti uuteen itkun tyrskeeseen.

— Älä enää itke — älähän — kas nyt se on poissa — katsohan

oikein tarkkaan ympärillesi! Täällä ei ole yhtään mitään vaarallista —
tuolla on pöytä — tuolla vuoteesi — ja kynnys on aivan tyhjä —
katsohan! — Tuossa on isä, joka tahtoo nukkua, ja meidän täytyy,
sentakia supattaa hiljaa — ja tässä on äiti ja sinä — eikä ketään
muita — ei kerrassaan mitään virtahepoa — ei kissaakaan, ei koiraa,
ei mitään. Olet vain nähnyt pahaa unta.

— Se tuli tuolta isän huoneesta — huusi hän vielä

kauhistuksissaan — ja sen kita ulottui lattiasta kattoon.

Hän piti kiinni kaulastani ja nyyhkytti, hätääntynyt ilme silmissään.

Nyt ymmärsin. Hän oli äsken saanut eläintieteellisen kuvateoksen,

jossa virtahepo aukaisee kitansa niin että todellakin voisi otaksua
sen yhdellä hotaisulla ahmaisevan suuhunsa sekä miehen että
hevosen ja vielä vaunut päälle päätteeksi.

Mutta oli tietysti itsestään selvää, ettei virtahepo uskaltanut

lähestyä äitiä, ja poika vaipui ennen pitkää sikeään uneen. Nostin
hänet käsivarsilleni ja laskin hänet omaan vuoteeseensa.

Eipä aikaakaan niin uudistui sama painajainen, ja hän syöksyi taas

parkuen seisaalleen vuoteessansa. Julma virtahepo oli taas avannut
kitansa. Sytytin lampun, mutta koetin sillä kertaa sanoin rauhoittaa
häntä. Virtahepoja ei ollut koko talossa eikä täällä päin missään, ei
yhtä ainoata koko Suomen maassakaan. Ne elivät niin kaukana,
etteivät ne jaksaneet juosta tänne asti. Muuten eivät voineetkaan
juosta lyhyillä säärillänsä — ja ne pitivät vain kuumista maista — ja
täällähän oli kylmä — niin että kyllä ne siellä pysyisivät missä olivat.
 Lamppu saisi palaa koko yön — nyt painettaisiin silmät kiinni ja
nukuttaisiin heti paikalla, niin ettei enää häirittäisi isän unta.

Ja pojun pitäisi muistaa, kuka on kaikkialla läsnä varjelemassa

kaikkia lapsia, niin ettei heille tapahdu mitään pahaa.

Yrjö vaipui uneen ja nukkui rauhallisesti aamuun asti. Heti

herättyään juoksi hän loistavin silmin meidän luoksemme
huudahtaen:

Arvaatteko, mikä se oli, joka auttoi?

— No mikä?

— Sanoin vain sukkelaan monta kertaa Jumalalle, että hän ajaisi

pois tuon ruman virtahevon — enkä olisi uskonutkaan, että hänellä
on niin hyvät korvat.

8.

Sitten kävi niin, että muutimme kaupunkiin. — Se ei ollut suuren

suuri eikä pienen pieni, vaan keskikokoinen ja maamme
kaupungeista vanhimpia.

Sitä Yrjö piti myöhemminkin varsinaisena kotikaupunkinaan, koska

hänellä oli sieltä lapsuutensa varsinaiset muistot.

Kotimme ikkunoista näkyi järvi, joka yhdisti sisämaan vesistön

mereen, ja sen takana viheriä lakeus taloineen ja puutarhoineen —
kokonainen huvilakaupungin osa. Sinne vei silta, ja sen sillan
kupeessa oli muhkea vanha linna, torniniekka, tiilistä rakennettu. Se
hallitsi seutua. Se katseli oikealle ja vasemmalle, se vahti lukkona
kaupunkia, ettei sinne saanut tulla ketään, joka ei sinne kuulunut tai
jolla ei ollut oikeata asiaa. Tai ainakin sen olisi pitänyt niin tehdä,
vaikka ei tullut tehneeksi, koska sillä oli väärä isäntä. Mutta se vahti
sentään uskollisesti vanhoilla silmillään siltaa väärän isäntänsä
uhallakin.

Se oli kaupungin kaunistus ja koko maakunnan sinetti. Siihen

Yrjön katse vajosi, kun hän pienenä ikkunalaudalla istuen seurasi
laivaliikettä sillan arkkujen välissä kääntösillan avautuessa ja ihmis-
ja ajurijonon pysähtyessä sen molemmin puolin.

Ja kaiken tuon takana siinsivät toiset vedet ja metsäiset maat, joita

pitkin pääsi Saimaan kanavalle ja sitä myöten Saimaan laajoille
selille, Suomen sydämeen. Sinne aurinko laski joka ilta ja lähetti
sieltä päin hohdettaan yli vanhan linnan, yli rantojen ja satamien,
museotorin ja kapeiden katujen ja yli sinisilmäpojan, joka kurkki
Vallikadun kivimuurin ylimmän kerroksen ikkunassa.

Siinä talossa oli avonainen piha, jonka portista näki ahdasta katua
pitkin kauppatorille asti. Sen laidassa kohosi muinaisista ajoista
jäänyt pyöreä torni, entisen kaupungin muurin jäännös. Jos poika
karkasi ensimmäisen kadun nurkkaukseen, oli hän kivitetyllä kujalla,
joka vietti alas rantaan ja jossa hän kuuli kellojen soivan vanhassa
kirkontornissa, joka muinoin oli kuulunut Kathariinan luostariin. Ja
sitä kujaa reunustivat valkoiset rakennukset, joiden välillä hintelä
koivu siellä täällä kurkotti tukevan kiviaitauksen yli nähdäkseen
nykypäivien touhuisaa elämää.

Mutta touhuisa se ei ollut nytkään siellä, koska sitä sen kapeuden

ja jyrkkyyden takia ei voitu ajaa. Sentakia oli Yrjön sinne lupa
mennä. Ja talvella sitä remuten kelkalla laskettiin kuin parasta
kelkkamäkeä.

Se oli se vanha Vesiportin katu, jota myöten ennen oli vettä ajettu
Pyhän Kathariinan luostariin. Sen kirkossa oli messu muinoin
kaikunut, siellä olivat nunnat tehneet rippitunnustuksensa ja sen
avoimista ovista oli suitsutusten tuoksu tunkeutunut ulos. Musta- ja
ruskeakaapuiset munkit olivat avojaloin astuneet noita kapeita katuja
palvellen Jumalaansa ja vaalien harhaan joutuneita maailman lapsia.

Talomme aurinkoisella pihamaalla oli suuri hiekkalaatikko, jonka

ystävällinen vanha talonomistaja oli antanut täyttää hiekalla. Siellä
poika kulutti kevät- ja syyspäivänsä rakentelemalla, kaivamalla,
täyttämällä, istuttamalla. Siellä teki hän jo ensimmäisenä päivänä
tuttavuutta Väinön kanssa, joka asui pihanpuoleisessa matalassa
puurakennuksessa ja joka pian oli hänen jokapäiväinen
leikkitoverinsa sekä ulkona että sisässä. He solmivat keskenään
ystävyysliiton, joka kesti kautta vuosien.

Mutta kun Väinö ei aina ollut saapuvilla, olisi äiti saanut Yrjön
mielestä vaihtua milloin Väinöksi milloin muuksi. Sillä eihän sitä
voinut äidin kanssa keilojakaan heittää, hän kun vain istua nökötti
lattialla eikä ruvennut pitkälleen, niinkuin olisi pitänyt voidakseen
tähdätä paremmin. Sentakia ei leikki ollut niin jännittävä kuin se olisi
voinut olla jonkun pojan kanssa. Eikä äiti niin paljon kuin Väinö
välittänyt siitä, kumpi voitti. Jos menetti, niin ei hänen poskensa
punoittaneet eikä hän kiihkeästi vaatinut uutta peliä. Ja jos piilosilla
oltiin, niin äiti meni vain oven taakse tai painautui isän matkaturkkiin
eteisessä, mutta ei hän keksinyt niin hurmaavan vaikeita
piilopaikkoja kuin Väinö, joka kiepsahti korkealle kaapin päälle ja
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