Python関連のことを調べてみた2020年03月18日

AIとかHRTechを駆使して伝説の任天堂コンビを復活させたい！

**あつまれ どうぶつの森**発売(直前)記念投稿！

# なれそめ

イントレプレナーキックオフな集まりでは名前順だったり、着想の類似度でチームビルディングされるけど、性格のタイプが違っても噛み合うパートナーって知ってますよね？

Mark ZuckerbergとSheryl Sandberg
Steve JobsとStephen Wozniak
藤子・F・不二雄と藤子不二雄A

##### 名前が似てる？
##### 違う そうじゃ そうじゃない。

### そう、宮本 茂と岩田 聡！！！

# んで？

同テーブルの人への自己紹介とかネットワーキングタイム。あの時間を空振りにしないように**マッチングに使ったら良いじゃない？**

# しでかしたこと

自己紹介を文字起こしからの、**宮本さん度、岩田さん度を分類してマッチングすると強いチームが作れる**はず。なんてったってレジェンドな宮本さん、岩田さんの相性なんだもの。

なので宮本さんと、岩田さんのメディアでの発言をスクレイピングして、**ビジョン・知恵, 教育・学習, 分析・洞察**という大まかな3ジャンルで分類しまし

フィボナッチ数列(今更聞けない)

#はじめに
学部二年の時に動的計画法を学びました。
ただ、その知識も使わないとどんどん忘れていきます。
そんな基本的なところを踏まえているフィボナッチ数列に触れ、思い出すためにこちらの記事を書かせていただきます。

# フィボナッチ数列
フィボナッチ数列とは

“`math
\begin{align}
F_0 = 0 \quad \quad \quad \quad \quad \quad \quad \\
F_1 = 1 \quad \quad \quad \quad \quad \quad \quad \\
F_n = F_{n-1} + F_{n-2} \quad (n > 2)\\
\end{align}
“`
で表される数式です。

こちらプログラミングで特にはどのようにすればよろしいのでしょうか。

##愚直に考える
“`fib.py
import time

def fib_stupid(n):
if(n == 0):
return 0
elif(n == 1):
return 1
else:

言語処理100本ノック-55:固有表現抽出

[言語処理100本ノック 2015](http://www.cl.ecei.tohoku.ac.jp/nlp100/)[「第6章: 英語テキストの処理」](http://www.cl.ecei.tohoku.ac.jp/nlp100/#ch6)の[55本目「固有表現抽出」](http://www.cl.ecei.tohoku.ac.jp/nlp100/#sec55)記録です。
今回は固有表現の抽出。固有表現の1種類である人名を抜き出します。プログラム上は3ステップできるシンプルなものです。これだけ簡単にできるのはStanford CoreNLP様様ですね。

# 参考リンク

|リンク|備考|
|:–|:–|
|[055.固有表現抽出.ipynb](https://github.com/YoheiFukuhara/nlp100/blob/master/06.%E8%8B%B1%E8%AA%9E%E3%83%86%E3%82%AD%E3%82%B9%E3%83%88%E3%81%AE%E5%87%A6%E7%90%86/055.%E5%9B%BA%E6%9C%89%E8%A1%A8%

Python スクレピング 競馬サイトからレース環境を抽出

## 背景
何となく競馬×気機械学習に興味がわいた。
参考にしたサイトにはスクレピングしてほしい内容がされていなかった。
競馬には馬や騎手などの情報は重要だが、レース環境（ダートか芝か、天気は晴れか雨かなど）によって順番が変化すると考えられる。
今回何となく取り組んでみたので備忘録としてまとめる。
html,scc、BeautifulSoupなどの概要説明は省かせていただきます。
あくまでも使い方の確認で。

競馬サイト（netkeiba.com）[リンク](https://nar.netkeiba.com/?pid=race&id=p201942100701)を対象にしました。
また、スクリプトする内容は赤枠の項目です。

## ターゲットを確認
上記の四角で囲んだ内容がどの要素に該当するのかを確認します。
chromeであれば、
右端のメニュー　

pythonのlambda式って・・・

デコレータとしても使えるのかよ

“`python
b = lambda func: lambda *args, **kwargs: (print(“a”), func(*args, **kwargs), print(“c”))

@b
def a():
print(“b”)

“`

おもろ

ECEFとgeodetic への座標系の変換

GPSなどの衛星測位計算を行っていると、地球上の位置を表すのに

– ECEF (earth-centered earth-fixed)で定められるＸＹＺの直交座標系
– geodetic datum と呼ばれる緯度、経度、高さで表す方法

の２つが用いられます。高さは地球を楕円体でモデル化した時の球面からの鉛直方向で計算したものを「楕円体高」と言い、ジオイド（平均海水面に相当）からの高さを標高と言います。

参考資料はたくさんあり、

– [WGS84と座標変換のはなし](https://www.enri.go.jp/~fks442/K_MUSEN/1st/1st060428rev2.pdf)
– WikiPediaの　[経緯度](https://ja.wikipedia.org/wiki/%E7%B5%8C%E7%B7%AF%E5%BA%A6)

などたくさんあります。

おじさんは今まで自分で実装したライブラリを用いていたのですが、今日見たらpython のライブラリがあったのでメモします。

## pymap3d を用いた座標変換の動作確認

### pymap3d

–

RaspberryPiを使って洗濯乾燥タイマーを作る

# RaspberryPiを使って洗濯乾燥タイマーを作る

## はじめに（制作の目的）
– 会社勤めのため、日中、不在にしていることが多く、にわか雨が降ったときに洗濯物の取り込みができません。このため洗濯物については、基本的に室内干しで乾燥させています。
– ところが、物干し部屋の日当たりが悪く、冬場だとなかなか思うように乾燥が進まないため、取り込むタイミングを逸することがあり、洗濯物が雪ダルマ式に溜まるという悪循環に陥っています。
– この悪循環を断ち切る（？）ため、洗濯物の乾燥完了時間を計算し、スマートフォンに通知する仕組みを作りました。

## 用意するもの
①デバイス側の環境構築に必要なもの。秋月電子で購入可能です。
http://akizukidenshi.com/catalog/top.aspx

②サーバ側の環境構築に必要なもの。AWSとSlackのアカウントが必要です。
AWS: https://aws.amazon.com/jp/
Slack: https://slack.com/intl/ja-jp/

|品名|数量|用途|
|:–|:–|:–|
|① Ra

競プロ界隈でpython強者がやっていることをまとめてみた

はじめまして。
先週競プロに入門した初心者です。
今はpythonを使っています。

出来ればC++に頼ることなく競プロで良い結果を出したい！
ということでpythonのままスコアを上げる方法を考えました。

例えばC++では

“`C++
#define rep(i,n) for((i)=0;(i)<(int)(n);(i)++) ``` こんな感じで高速化をする人が多いです。 要するに、頻繁に使う記述を簡略化しておくって感じですかね。 前からこういうおまじない的な慣習があることは知っていました。 が、これのpythonバージョンはpythonで競プロをやっているのに知りません。 そこで、pythonの競プロ強者の慣習を学んでいこうと思い、この記事を書きました。 同じような方にも参考になれば幸いです。 # はじめにしたこと 強い人の提出コードを読みました。 やっぱりC++競プロと同じようなおまじないがあったので解読していこうと思います。 (とある強そうな人から引用しています) # 実際のコード 実際のコードを順に説明していく。 ```python sys.setrecu

学習記録（６日目）#セット型#ディクショナリ型#リスト・タプル・セットの相互変換#ndarray型#Pandas(DataFrame型)

# 学習内容
* セット型
* デイクショナリ型
* リスト・タプル・セットの相互変換
* ndarray型
* Pandas(DataFrame型)

## セット型
リストやタプルと同様に複数のデータを格納することができるデータ型。以下の特徴がある。

* 同じ値をもつデータを重複して保存することはできない
* 格納されている複数のデータには順序づけがされない
* `{}`によって定義する。

##### 記述例
~~~python
a = {1,0,2,9,8,3,7,5,4,6}
print(‘a = ‘,a)

b = {2,4,4,6,5,2,1,0,8,7,9,3,6}
print(‘b = ‘, b)
~~~
実行結果
>a = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}
>b = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}

実行結果のようにどのような順序でデータを指定してもソートされて出力される。

## ディクショナリ型
リストやタプル、セットと同様に複数のデータを格納することができるデータ型。以下の特徴がある。

* 複数のデ

PySimpleGUIで画像処理ビューアーを作る

この記事を読んでできるものは以下の通りです


– 画像を選択して表示するビューアー
– パラメータを渡して画像処理を行う
– 画像処理した画像を表示する

PySimPleGUIの基本的な説明に関しては、[Tkinterを使うのであればPySimpleGUIを使ってみたらという話](https://qiita.com/dario_okazaki/items/656de21cab5c81cabe59)を参考にしてください
# 検証環境
– windows10
– macOS(catalina)
– Python3.7
– ライブラリー
– tkinter
– PySimpleGUI
– Pillow

# きっかけ
![image.png](https://qiita-image-store.s3.ap-northeas

PythonとAPIでディレクトリ内の最新の人物画像の背景除去を自動化する

# やりたいこと
1. 人物画像の背景除去
2. 背景除去する画像のインプット先と背景除去した画像のアウトプット先を細かく指定
3. フォルダ内の最新の画像の参照
4. それらの自動化

OpenCVやらfacenetやらを使って画像から顔認識を行い、なんらかの処理を行いたいことがたまにはあるでしょう。もちろんそれらのツールで顔を認識してくれますが、画像内の背景などの不要なものによって “顔認識の精度が劇的に落ちるときがある” ことがわかりました。では、予め背景を取り除いておいてあげて、顔認識の精度を安定させよう！ということで背景除去を行います。まぁ動機はなんでもいいです。

# remove.bg
背景除去そのものは[remove.bg](https://www.remove.bg/ja)というWebアプリケーションを使います。どんなもんかは見た方が早いです。
before
![Lenna.jpg](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/515144/198ac520-d6a2-302f-cbd1-3

【シミュレーション入門】コロナ感染をシミュレートして遊んでみた♬

数値計算の分野では、昔から自由運動する粒子のシミュレーションやブラウン運動する粒子群の集団運動などのシミュレーションがある。
今回は、これをコロナウィルス感染のシミュレーションに応用してみようと思う。
似たようなシミュレーションとしてPSOというのがあるが今回はこれらのpythonコードを参考にした。
【参考】
・[粒子群最適化(PSO)のパラメータについ](https://qiita.com/sweater/items/926cc8228ada57309955)
・[粒子群最適化法(PSO)を救いた](https://qiita.com/ganariya/items/ae5a38a3537b06bd3842)
###やったこと
・コード解説
・感染率依存性
・粒子密度依存性
・粒子運動依存性
###・コード解説
コ

エンジニア向けオープンプロジェクトトレース

https://www.reiwarss.com/OpenProject

Top tags
python
swift
javascript
go
C
C++
C#
Ruby
TypeScript
PHP

Doker Toolboxを使ってDjango開発環境を構築する

#はじめに
この記事は主に自分用のDjango開発環境構築メモなので、至らない点も多いと思いますがご了承ください。タイトルの通り、Docker Toolboxを使ってDjango開発環境を構築する手順をまとめておきます。

##1.Docker Toolboxを導入
ここは端折ります。(なら書くな)

##2.Django開発環境を構築
[DockerでDjangoの開発環境を作成](https://qiita.com/ykna/items/7e9154857790110abc47)を参考にして3つのファイルを用意し、Docker-compose up -d　を行います。この記事はデータベースの初期化なども説明されており、めちゃくちゃありがたかったです。

##3.ここからが問題だった！！
この環境に限っての話なのかどうなのかは分かりませんが、なぜかconection refusedの嵐です。[localhost:8000](http://localhost:8000)にアクセスしても、[0.0.0.0:8000](http://0.0.0.0:8000)にアクセスしてもダメでした。も

COVID-19Hokkaidoデータ編③完全自動化（バリデーション・エラー検知）

## もくじ
[COVID-19Hokkaidoデータ編①スクレイピングなどによる初期データ作成](https://qiita.com/Kanahiro/items/b47984fbf77f4e632663)
[COVID-19Hokkaidoデータ編②オープンデータ化＋自動更新へ向けて](https://qiita.com/Kanahiro/items/8f0768708d2c47ae3206)
[COVID-19Hokkaidoデータ編③完全自動化](https://qiita.com/Kanahiro/items/782cb6d5497d3c3704ec)←この記事だよ！

## 完全自動化へ向けて
#### 現状
– GitHub Actionsにより、元データの読み込み・jsonファイルの生成は既に自動化されている
– GitHub Pagesにより、自動で生成されたjsonファイルのホスティングは実装されている

#### 課題
– 元データはオープンデータとなったものの、ファイルは各自治体担当者さんの手作業で作成されるため、入力値のバリデーションが必要
– データの不整合

機械学習のアルゴリズム（サポートベクターマシン応用編）

# はじめに
以前、「[機械学習の分類](https://qiita.com/hiro88hyo/items/c00dcf8f083ba3d76af8)」で取り上げたアルゴリズムについて、その理論とpythonでの実装、scikit-learnを使った分析についてステップバイステップで学習していく。個人の学習用として書いてるので間違いなんかは大目に見て欲しいと思います。

[前回](https://qiita.com/hiro88hyo/items/d17cb02b7356f07d16fb)、サポートベクターマシンの基本的なところについて書きました。前回は、ハードマージンと言って正例と負例がちゃんと分離できるSVMを扱いましたが、今回は

* ソフトマージン（ノイズの混ざった分類）
* カーネル法とカーネルトリック（線形分離不可能な問題）

について言及していこうと思います。

# ソフトマージンSVM
前回と違って、下図のような赤丸と青丸が微妙に分離できない例を考えます。
ウサギとカメのアルゴリズム

平成26年春期、応用情報技術者試験の午後問3にて、フロイドの循環検出法のアルゴリズムに関する問題が出された。

問題文があまりにも長いため、問題は[応用情報技術者試験.com](https://www.ap-siken.com/kakomon/26_haru/pm03.html)で確認してほしい。
問題の中で、循環を追う手順をウサギとカメの歩みに例えている。

Pythonで実装してみたので、ここにメモしておく。時間に余裕ができたら解説を追記したい。

# Pythonによる実装

Pythonのテストフレームワークには標準にあるunittestを使いました。
問題では (s, t) の**タプル(Pair)**を返すように誘導していますが、一つの関数で循環節の長さを計算したかったのでこちらでは若干変えています。

“`python:
import unittest

def cycle_finding(n):
m, p = 1, 1 # m.. カメの計算のあまり p.. ウサギの計算の余り
s, t = 0, 0 # s.. 循環節の先頭小数桁位置 t

python-pptxで画像をセンタリングする

#概要
python-pptxとPillow (PIL)を使って、PowerPointの中央に画像を挿入(センタリング)できるようにしました。

#背景
[python-pptx](https://python-pptx.readthedocs.io/en/latest/#)はpythonからPowerPointをつくることができるライブラリです。
非常に便利なのですが、スライドへ画像挿入するときの挿入位置は、画像左上の座標でしか指定しかできません。
センタリングをしたいなと思ったのですが、そのようなオプションがpython-pptxにあるのかよくわかりませんでした。
そこでPillowというライブラリで画像を別途読み込んで画像サイズを取得することで、センタリングを実現しました。

#環境
macOS Catalina バージョン 10.15.3
python3.7.0

#インストール
“`console
pip install python-pptx
pip install Pillow
“`

#コード
“`Python
from pptx import Presentat

50からの手習いで、G検定とE資格に合格してみた

#JDLA（日本ディープラーニング協会）のG検定、E資格
JDLA（日本ディープラーニング協会）とは、松尾豊教授が理事長（2020年3月現在）を務める一般社団法人であり、深層学習の「活用促進」、「人材育成」、「啓蒙・普及」等を行っている団体です。

G検定、E資格とは、JDLAが認定している資格試験で、機械学習、深層学習に関する一般的な知識を有していることを認定する＜G検定＞と、実装する能力と知識を有していることを認定する＜E資格＞の２種類がある。詳細は、[JDLAのホームページ](https://www.jdla.org/)をご参照ください。

てなことを書いても、ここを見に来た人はご存じのことと思います。

#不合格から合格までの経緯
僕の受験歴は、
・2019#1にG検定を合格
・2019#2にE資格を不合格
・2020#1にE資格を合格
である。特に他の合格者と異なるのは、２回のE資格受験のために、**２社の異なる会社の「認定プログラム」を受講**したことです。
僕がこの資格取得する目的は、自称「趣味」です。つまり、受講費用は全額実費です。50を過ぎた単なるメーカーのサラリーマ

メルカリを python スクレイピングして出品した商品をバンバン売りたい

## きっかけ

みなさん、メルカリ使って不要になったものを売っていますか？
私も不要になった本などをメルカリで出品していますが、どれも古めの参考書・勉強本のため、なかなか売れません。。。

メルカリでは出品する際に、「売れやすい価格」を提案してくれます。
しかし高い金額に設定すると売れないし、逆に安くしすぎるとなんだか損をした気分になるしで苦悩しています。

私は出品物の値段を設定する前に、一度検索をかけて本当の相場はどれくらいなんだろうと調査しています。
(きっと自分だけじゃないはず。。。)

ただ、この作業がなかなか面倒くさく、何とか自動化できないかなと思っていました。
そこで python を使ってメルカリをスクレイピングし、いくらなら売れそうなのかを調査してみました！

※ ページの最後に`github`へのリンクがありますので、ぜひ遊んでみてください！

## 結果のイメージ図

実際にメルカリでスクレイピングを行い、グラフ化した物が以下になります。
こんな感じで、ある商品を売る際には大体 600 円前後に価格を設定すると良いのでは？という結果を得られました。
![merc