- 1. プログラムに書くコメント各種
- 2. PILでBoundingBoxを表示するスクリプト例
- 3. AWSのEC2(+RDS(+S3))でDjangoアプリケーション(+MySQL)を公開するまで
- 4. AtCoder Beginner Contest 079 過去問復習
- 5. ディープラーニングは未知のポケモンのタイプを予測することができるのか？
- 6. 最新の Python を Mac にインストールする手順
- 7. pythonでDlib,OpenCVを用いて頭部の形を取得、推定
- 8. 【機械学習】Python（Anaconda）とJupyter NotebookでTuri CreateモデルとCore ML形式のモデルを作成する
- 9. pandasでタンパク質配列の変異ライブラリを作成する
- 10. Raspberry PiでGrove Pi+のセンサ値を取得しkintoneに保管する
- 11. VTuberの選曲傾向を可視化してみた(spotify利用編)
- 12. Pandasの基本的な使い方の一覧をメモしておきます
- 13. データサイエンティスト育成講座 Chapter2 2日目
- 14. 初心者の初心者による初心者のためのDjangoチュートリアルまとめ⑤ (テスト)
- 15. Pythonの正規表記：入力データから妥当な日付表現だけを判定して抽出する方法
- 16. 【Python】Pythonでcsvファイルに書き込み
- 17. spaCy 101: Everything you need to know 和訳（前半）
- 18. 東京大学大学院情報理工学系研究科 創造情報学専攻 2007年度夏 プログラミング試験
- 19. [Python]pipからゲームをインストールして遊んでみた
- 20. 学習記録 その１７（２１日目）
プログラムに書くコメント各種
“`java:java
// 一行だけがコメント
/* この間の文字は
すべてコメント*//** Javadocコメント
* エンターを押すと
* 行とアスタリスが自動で追加される
* @author クラスの作成者情報を記載
* @param メソッドの引数の説明
* @return メソッドの返り値の説明
* @throw 発生する例外クラスを指定
* @see 他のAPIを参照する場合に記載
* @deprecated 推奨されないAPIであることを示す
* @serial 直列化されたフィールドの説明
* @sesrialData 直列化された状態でのデータ型と順序を記載
* @since 導入されたバージョンを記載
* @version バージョンを記載
*/
“`“`html:html
// コメントにはならない
/* コメントにはならない*/
“`
“`css:CSS
/* この間の文字がコメ
PILでBoundingBoxを表示するスクリプト例
# 何をしたいか
メモ。# 結果のBBをPIL画像に表示する関数
“`
def show_bb(img:”PIL.Image”, x, y, w, h, text, textcolor:”RGB”, bbcolor:”RGB”):
draw = ImageDraw.Draw(img)
textsize_x, textsize_y = draw.textsize(text)
draw.rectangle((x, y, x+w, y+h), outline=bbcolor)
draw.rectangle((x, y-textsize_y, x+textsize_x, y), outline=bbcolor, fill=bbcolor)
draw.text((x, y-textsize_y), text, fill=textcolor)
“`# サンプル
)でDjangoアプリケーション(+MySQL)を公開するまで
AWSのEC2インスタンスとRDSインスタンスがある状態からどうすればDjango+Apache(+mod-wsgi)+MySQLでWebアプリを公開できるかです．Webアプリプログラムはあるものとします．なお，情報は2020/1/1時点です．
また，pyenv+Anacondaを使っていますが，この辺はPythonをyum installするとか今時Pipenv使うでしょとかは各自の宗教に合わせてください．
# 使用したバージョンなど
## Python関係
– Python 3.7.4 (anaconda3-2019.10 使用)
– pyenv 1.2.15-9-gac246e16
– Django 3.0.1
– django-el-pagination 3.2.4
– django-maintenance-mode 0.14.0
– django-storages 1.8
– mod-wsgi
AtCoder Beginner Contest 079 過去問復習
二回目の過去問です。
#所要時間
#感想
昨日の夜は時間なかたっので簡単な回を虚無埋めした。#[A問題](https://atcoder.jp/contests/abc079/tasks/abc079_a)
三連続は連続する二つを二回比較すれば良い(比較の仕方変えて三項演算子にしたら下のようになる)
“`python:answerA.py
n=input()
x=[int(i) for i in n]if (x[0]==x[1] and x[1]==x[2]) or (x[1]==x[2] and x[2]==x[3]):
print(“Yes”)
else:
print(“No”)
“`“`python:
ディープラーニングは未知のポケモンのタイプを予測することができるのか？
# 記事の流れ
– Microsoft AzureのBing Image Searchを使った画像収集
– EfficientNet（pre trained）でネットワークの学習
– ネットワークの精度検証
– おまけ尚、今回のブログ記事のコードは以下にまとめています。
[https://github.com/spider-man-tm/predict_type_of_pokemon](https://github.com/spider-man-tm/predict_type_of_pokemon)# 動機
– ポケモンバトルにおいてタイプの相性は最重要要素と言っても過言では無い。
– がしかし、自身がポケモン剣盾をしていて、新しいポケモンを覚えきれないことによるタイプの読み間違いが多発している。（ググればすぐ出てくるけど面倒）
– そこでディープラーニングを使った場合、未知のポケモンに対するタイプ予測をどの程度正確にできるのか単純に興味があった。おそらくかなり難しいタスクなのであまり期待はしていない。# Microsoft AzureのBing Image Searchを
最新の Python を Mac にインストールする手順
次のコマンドで [Anaconda](https://www.anaconda.com/) をインストールし、
“`
% brew cask install anaconda
“`以下のようにして、パスを設定するだけ。
“`
% echo ‘export PATH=”/usr/local/anaconda3/bin:$PATH”‘ >> ~/.zshrc
% source ~/.zshrc
“`これだけで、最新の Python 実行環境が構築できます。
“`
% python -V
Python 3.7.4
“`また、次のコマンドを実行して、インストールされているパッケージの（ バージョン情報を含む ）リストも確認しておきましょう。
“`
% conda list
# packages in environment at /usr/local/anaconda3:
#
# Name Version Build Channel
_anaconda_depends
pythonでDlib,OpenCVを用いて頭部の形を取得、推定
今回、Dlib,OpenCVを使って頭部の形を抽出か、楕円をモデルとして表示したいと思っています。
環境
・python 3.7.5
・opencv 4.1.2
・dlib 19.18.0以下のサイトを参考にさせてもらっています。
→https://cppx.hatenablog.com/entry/2017/12/25/231121
顔器官の取得のために以下のサイトから学習済みモデルをダウンロードしました。
http://dlib.net/files/shape_predictor_68_face_landmarks.dat.bz2今のところできているプログラムは以下の通りです。
“`ruby:head.py
import dlib
import cv2detector = dlib.get_frontal_face_detector()#顔の検出器
predictor = dlib.shape_predictor(“shape_predictor_68_face_landmarks.dat”)
#↑予測器(学習済みモデルのパスを指定している)def get_c
【機械学習】Python（Anaconda）とJupyter NotebookでTuri CreateモデルとCore ML形式のモデルを作成する
環境メモ
⭐️Mac OS Mojave バージョン10.14Python（Anaconda）とJupyter NotebookとTuri Createで、犬と猫の画像分類モデルを学習させ
Turi CreateモデルとCore ML形式のモデルを作成する事前に以下の内容を実施する
【機械学習】Anacondaのインストール
https://qiita.com/nonkapibara/items/1333a1b1b31259c3dd6c【機械学習】Jupyter Notebookのインストール
https://qiita.com/nonkapibara/items/64251fb68ebf8cc479af【機械学習】Turi Createのインストール
https://qiita.com/nonkapibara/items/2330102717af9367de77# 完成内容
Turi Createモデル「ImageClassification.model」
Core ML形式「ImageCatDog.mlmodel」
を作成する↓↓↓実際に動かした動画
ht
pandasでタンパク質配列の変異ライブラリを作成する
## はじめに
#### 目的
タンパク質の配列-機能相関を調べる上で、
ある一つのタンパク質配列に対して任意のサイトに任意のアミノ酸変異を施した変異配列を
簡便に生成させたかったので作成しました。
pythonの練習も兼ねているので、他の方法やより良い方法など教えて頂けるとありがたいです。#### GitHub
https://github.com/kyo46n/Mutant-Library-Generator#### 実行環境
jupyter notebook
python 3.7.4 (Anaconda)
pandas 0.25.3
biopython 1.74## 内容
#### インポート
親となるタンパク質配列をfastaファイルで持っていると想定し、
ファイルの読み書きにbiopythonを使用。“`python
from Bio import SeqIO
from Bio.Seq import Seq
from Bio.SeqRecord import SeqRecord
import pandas as pd
“`
#### 関数定義
fasta
Raspberry PiでGrove Pi+のセンサ値を取得しkintoneに保管する
## 概要
ハッカソンでRaspberry PiとGrove Pi+スターターキット、kintoneを活用することになり、Grove Pi+スターターキットのセンサ値をkintoneにアップするサンプルプログラムを作成しました。
## Raspberry PiとGrove Pi+の準備
Raspberry Piの環境は以前設定した以下を用いました。
__Raspberry PiでGrove Pi+スターターキットとカメラを使う初期設定__
https://qiita.com/yukataoka/items/9df2c74f7cd514e04b97今回使用したGrove Pi+スターターキットのセンサは、温湿度、光、音です。
こちらも以前試験した以下を参考に構成しました。
__Grove Pi+スターターキットのセンサを試す 5.E
VTuberの選曲傾向を可視化してみた(spotify利用編)
# やってみた
筆者が解釈した結果は下の方に記載してあります。
ので、結果だけ見たい方は下まで飛ばしていただければ。
# 前回のまとめ
前回: https://qiita.com/miyatsuki/items/cde775eb710f8114ddbe* VTuberの選曲傾向について、同じ楽曲を歌っているVTuberが近くなるように距離を計算し、2次元で可視化
* 一人しか歌っていない楽曲は距離計算の都合上、データとして使用できないという課題があった
* むしろ一人しか歌っていない曲にこそ、その人の個性が現れるのでは？# 今回やったこと（ざっくり）
* VTuberの選曲傾向について、音響特徴量ベースで二次元での可視化を行った
* 音響特徴量であれば、その楽曲の動画を投稿した人数にかかわらず使用できる# や
Pandasの基本的な使い方の一覧をメモしておきます
# Pandasの基本的な使い方の一覧をメモしておきます #
Pythonを使って機械学習関連の作業を行う上で必ず必要になるPandasですが、度々使い方を忘れてしまうので、頻繁に使う機能の使い方をメモしておきました。今後Pandasを使用して覚えた操作は別の記事として更新していきたいと思います。Pandasを使い始めた方や、ちょこっと操作を調べたい方の参考になれば嬉しいです。
初心者の覚書ですので、内容に誤りのある可能性があります。誤りを発見された場合はご連絡して頂けますと幸いでございます。
# 動作環境 #
– python 3.7.4
– pandas 0.24.0# 記事で紹介している操作内容 #
本記事に記載には以下の操作方法が記載してあります。
1. Pandasの基本操作
– [ライブラリのインポート](#ライブラリのインポート)
– [csvファイルを読み込む](#csvファイルを読み込む)
– [csvファイルに書き出す](#csvファイルに書き出す)
– [データの型を確認する](#データの型を確認する)
– [データ数を
データサイエンティスト育成講座 Chapter2 2日目
今日はChapter2に関して進めた。
例によって環境はDockerを使用。主に使用したライブラリは以下の内容
– Numpy
– Scipy
– Pandas
– Matplotlib## Numpyメモ
基本的には前回まででNumpy自体には触っているが、チョコチョコわからない点が出てきたりしているので都度調べながら進めているデータフレームの計算になると、PandasのDataFrameを使うことが多くなるのかもしれない。そう考えると、Numpyではここの計算であったり、乱数の生成によくお世話になるんじゃないだろうか。
Numpyの乱数生成としては、ここでは
> np.random.randn()
を使うことが多いように見える。
randn関数はstandard normalな乱数。つまり正規分布な数値を生成するようだ
[randn](https://docs.scipy.org/doc/numpy-1.15.1/reference/generated/numpy.random.randn.html)乱数の生成としては、randn以外にもいくつかあり、最後の
初心者の初心者による初心者のためのDjangoチュートリアルまとめ⑤ (テスト)
#はじめに
この記事はDjangoの公式チュートリアルを進めていくシリーズものです。
今回は5記事目「はじめての Django アプリ作成、その 5」を進めていきます。[初心者の初心者による初心者のためのDjangoチュートリアルまとめ① (プロジェクト作成~)](https://qiita.com/sanpo_shiho/items/6f2fbfd9bd3a18414fe6)
[初心者の初心者による初心者のためのDjangoチュートリアルまとめ② (Model, Admin)](https://qiita.com/sanpo_shiho/items/4df3b31ea76775f4a918)
[初心者の初心者による初心者のためのDjangoチュートリアルまとめ③ (View)](https://qiita.com/sanpo_shiho/items/71b8cdd68d608897d103)
[初心者の初心者による初心者のためのDjangoチュートリアルまとめ④ (Generic View)](https://qiita.com/sanpo_shiho/items/a1f14fd
Pythonの正規表記：入力データから妥当な日付表現だけを判定して抽出する方法
# 正規表記とは
正規表記を使えば、複雑なパターンや文字列など検索したり置換したりできます。今回はこの正規表記を使って、**入力されたデータから日付を表現する文字列だけを読み取り、抽出してみよう**と思います。
基礎なので詳細は割愛します。下記の参考文献に公式ドキュメントを張り付けていますのでそちらを読んでみてください。
個人的に正規表記は何だか複雑でとらえにくい感じがありますが徐々に慣れていこうと思っています。
標準ライブラリの`re`を使います
“`
import re
“`# 入力データの用意
まずは日付のデータを用意します。
色々なデータを`DATE`としてリストに格納しました。日付とはまったく関係のないものや惜しいもの、区切りだけが違うものなど様々ありますね。“`date.py
DATE = [“2020/01/05”,
“2020/1/5”,
“2020年1月5日”,
“2020-1-5”,
“2020/1/5”,
“2020.1.5”,
“2020/
【Python】Pythonでcsvファイルに書き込み
#はじめに
csvファイルを書き込むためのPythonコード．
ディレクトリの指定とファイル名を日付，時間にするなど
ファイル名に日時時間情報を付けることで実行された際に一意の名前のファイルができるため，ログの保存に便利です．#環境
– Python3.7
– csv(もとからはいってるので特にインストールは不要)
– datetime(もとからはいってるので特にインストールは不要)# コード
csv_log.pyと同じディレクトリの`output`ディレクトリにcsv出力します．“`python:csv_log.py
import datetime
import csv# 日時の取得
now = datetime.datetime.now()
# ディレクトリの指定はここ
filename = ‘./output/log_’ + now.strftime(‘%Y%m%d_%H%M%S’) + ‘.csv’# ファイル，1行目(カラム)の作成
with open(filename, ‘w’) as f:
writer = csv.writer(f)
spaCy 101: Everything you need to know 和訳（前半）
# この記事について
Python の自然言語処理用ライブラリ spaCy の公式ページより，[spaCy 101: Everything you need to know](https://spacy.io/usage/spacy-101)の前半部分を自身の理解のため和訳．
訳してみた限り，前提知識は次の通り：– Python の基礎
– 自然言語処理についての基礎知識
– 機械学習の基本的な枠組みについての理解
– オブジェクト指向の基本的な枠組みについての理解（object, property, attribute といった単語が説明無しで用いられる）次の知識はなくても読めた：
– 言語学の知識（必要に応じ別ページで補足 or 参考文献の案内がある）
コード・図表はすべて前掲の公式ページから引用している．
公式ページではコードをブラウザ上で実行し結果を確認できるようになっている．以降訳．
# spaCy 101: Everything you need to know
spaCy にふれるのが初めてであるにせよ，NLP の基礎や実装の詳細について掘り下げるのが目
東京大学大学院情報理工学系研究科 創造情報学専攻 2007年度夏 プログラミング試験
2007年度夏の院試の解答例です
※記載の内容は筆者が個人的に解いたものであり、正答を保証するものではなく、また東京大学及び本試験内容の提供に関わる組織とは無関係です。### 出題テーマ
– 符号化### 問題文
※ 東京大学側から指摘があった場合は問題文を削除いたします。
」 で、学校教育の目的で2012年に作られたライブラリです。アメリカの中学高校でふつ〜に使われているっぽいです。# Method
### 仮想環境構築 + 有効化
“`bash
python3 -m venv venv_game
source ./venv_game/bin/activate
“`### ゲームをインストール
“`bash
pip install freegames
“`### ゲームを一覧表示
“`bash
python3 -m freegames listant
bagels
学習記録 その１７（２１日目）
#学習記録（２１日目）
勉強開始：１２／７（土）〜教材等：
・大重美幸『詳細！ Python3 入門ノート』(ソーテック社、２０１７年)：１２／１９（木）読了
・Progate Python講座（全５コース）：１２／２１（土）終了
・Andreas C. Müller、Sarah Guido『（邦題）Pythonではじめる機械学習』（オライリージャパン、２０１７年）：１２月２３日（土）読了
・[Kaggle : Real or Not? NLP with Disaster Tweets](https://www.kaggle.com/c/nlp-getting-started) ：１２月２８日（土）投稿〜１月３日（金）まで調整
・**Wes Mckinney『（邦題）Pythonによるデータ分析入門』（オライリージャパン、２０１８年）**：１月４日（土）〜#『Pythonによるデータ分析入門』
p.134 4章 Numpyの基礎 まで読み終わり。・NumPy(Numerical Python) ： 数的Python といった意味で解釈
ベクトル化記法による高速な計算、デー
