- 1. XPath基礎編(3) ー XPathによく使う関数
- 2. 秒でHello,Flask!できるけど、その中身を知らない人
- 3. Cloud Pak for Data (Watson Studio)でpandasデータをExcel形式でデータ資産に保存する
- 4. Cloud Pak for Dataで関数をデプロイする
- 5. [競プロ用]UnionFind木まとめ
- 6. chromebookでPythonとseleniumを使いChromeを自動化しよう
- 7. unable to import django
- 8. astropy を使ってドップラートラッキングをする
- 9. 偶数か奇数か
- 10. 自前でk-NN実装してみる
- 11. Biopython Tutorial and Cookbook和訳(4.2)
- 12. Cisco覚書_EEMからPythonスクリプトを実行
- 13. 言語処理100本ノック 2020【00~79 解答】
- 14. OpenCV/Pythonで2値化
- 15. ✨Pythonで簡単☆死後経過時間推定✨
- 16. pythonのrelative_to()で相対パスを指定しようとしたらはまった
- 17. lightgbmがdlopen(/Users/*site-packages/lightgbm/lib_lightgbm.so, 6): Library not loaded: */libomp/lib/libomp.dylib Referenced from: /Users/*/opt/anaconda3/lib/python3.6/site-packages/lightgbm/lib_lightgbm.so Reason: image not foundでエラーが出た。
- 18. PythonHack Hackフォルダ
- 19. 【1日1写経】Classify_images_Using_Python & Machine Learning【Daily_Coding_003】
- 20. Pythonのlistの使い方まとめ
XPath基礎編(3) ー XPathによく使う関数
前回は最も使われる[XPath書き方](https://qiita.com/Octoparse_Japan/items/2f46848803d68affd271)を紹介して、今回では、より正しくデータを指定するには、XPathによく使われる関数を紹介します。
#1. contains() :特定の文字列が含まれる要素を指定する
contains() は通常、属性値またはテキストに含まれる文字列ををあいまい検索することに使われます。
– **contains(@class,”XXX”) :属性値に特定の文字列が含まれている要素を指定する**
例えば、このHTMLからclass属性にRedがつくものをすべて取得したい場合、次のように書きます。
**`//span[contains(@
秒でHello,Flask!できるけど、その中身を知らない人
# はじめに
flaskを始めようとしたときに、一番最初にローカルホストを作って、そこに”hello, flask!”と表示させる。けど、その中身のコードの内容はその時理解できていない人が多いかもしれない。
そこで、一つ一つ意味をしっかりと書いてみた。# とりあえず、Hello,Falskまで
### 環境
Windows PC
Visual Studio Code ver.1.45.1
Python 3.8### flaskのインストール
1. cmdを開いて、`pip3 install flask`を入力し勝手にインストール。
2. vscodeを開く。(vscode内の環境構築についてはほかの人の記事を見てください)
3. 以下のpythonコードの`app.py`を作成。#####python : app.py
“`python:app.py
# coding: utf-8
from flask import Flaskapp = Flask(__name__)
@app.route(“/”)
def hello():
return “Hello
Cloud Pak for Data (Watson Studio)でpandasデータをExcel形式でデータ資産に保存する
project_libを使った分析プロジェクトのデータ資産へのファイル保存方法は[別の記事](https://qiita.com/ttsuzuku/items/eac3e4bedc020da93bc1#%E3%83%87%E3%83%BC%E3%82%BF%E8%B3%87%E7%94%A3%E3%81%B8%E3%81%AE%E3%83%87%E3%83%BC%E3%82%BF%E3%81%AE%E4%BF%9D%E5%AD%98-%E5%88%86%E6%9E%90%E3%83%97%E3%83%AD%E3%82%B8%E3%82%A7%E3%82%AF%E3%83%88)に書きましたが、Excel形式で保存するには少しコツが必要でした。
いろいろ調べていたら、stackoverflowの[こちらの記事](https://stackoverflow.com/questions/56538138/saving-dataframe-as-excel-file-into-ibm-cloud-object-storage-with-python)が有効でした。実際にやってみた例を記載し
Cloud Pak for Dataで関数をデプロイする
Cloud Pak for Data (以下CP4D)で、Pythonの関数をデプロイすることが可能です。用途は主にモデル実行の前後処理で、try&exceptのエラー処理も組み込めますし、なにより複数のモデルを呼び出す(使い分ける)ことが可能になります。
CP4D v2.5 製品マニュアルより抜粋
https://www.ibm.com/support/knowledgecenter/ja/SSQNUZ_2.5.0/wsj/analyze-data/ml-deploy-functions_local.html> Python 関数は、モデルのデプロイと同じ方法で Watson Machine Learning にデプロイできます。ご使用のツールとアプリケーションは、Watson Machine Learning Python クライアントまたは REST API を使用して、デプロイ済みのモデルにデータを送信するのと同じ方法で、デプロイ済みの関数にデータを送信できます。関数をデプロイすることで、詳細 (資格情報など) を非表示にしたり、データをモデルに渡す前に前処理したり、エラ
[競プロ用]UnionFind木まとめ
# いつ使うのか
* グラフが同一の根を持つか → 全てのor特定の点同士が繋がっているかを考える問題
* 複数の要素が同一の集合に含まれているかを考える問題# 何がいいのか
O(α(N))の非常に少ないオーダー。
α(n)はアッカーマン関数A(n, n)の逆数。# テンプレート
とても便利なライブラリを作ってくださっている。。
https://note.nkmk.me/python-union-find/
https://github.com/nkmk/python-snippets/blob/ec0e770a72135b12840ea02f1e74101785faf700/notebook/union_find.py#L1-L46`union()`で要素の併合→`same()`や`group_count()`で求めたい結果を得る。
難しくなさそう# 使用例
## [ARC032 B – 道路工事](https://atcoder.jp/contests/arc032/tasks/arc032_2)
“`python
def main():
N,
chromebookでPythonとseleniumを使いChromeを自動化しよう
ChromebookでSeleniumを使うのに最初少し手こずったのと、
手順についてあまりまとめられているものがなかったのでまとめてみました。!! point !!
————————————————————————————–
★crostiniからやる場合、debian側にもgoogle-chromeをインストールしなくてはならない。
★chromedriverは’/usr/local/chromedriver/’に設置。1.google-chromeをインストール(chromebookの最初から入ってるchromeとは別で必要)
————————————————————————————–
$ wget https://dl.google.com/linux/direct/google-chrome-stable_current_amd
unable to import django
##vscode で unable to import djangoと言われた
解決の参考にしたサイトはこれ
[Unable to import ‘django.db’](https://stackoverflow.com/questions/53007637/e0401unable-to-import-django-db)`Ctrl+Shift+P`を押し`Python:Select Interpreter`を選択、その後pythonのバージョン選択を求められる。
自分は`which python`で出力されたバージョンを選択しました。
-> Select Interpreter select the environment that starts with ./env or .\env run Ctrl+Shift+` to activate itshare improve this answer follow
astropy を使ってドップラートラッキングをする
# 背景
### はじめに
– [天の川銀河](http://astro-dic.jp/milky-way-galaxy/)をただよう[恒星](http://astro-dic.jp/fixed-star/)や[星間ガス](http://astro-dic.jp/interstellar-matter/)は、銀河中心の周りを回転しています。
– [:movie_camera: かっこいいシミュレーション動画](http://www.jicfus.jp/jp/research/findings/image_movie/milkyway1/)– 私たちがこういった構造を観測しようとする場合、例えば、[電波分光装置](http://astro-dic.jp/heterodyne-receiver/)を使って[星間ガス](http://astro-dic.jp/interstellar-matter/)を観測します。
# 偶数か奇数か判定するプログラム
言語習得の初期によく出てくる偶数か奇数かを判定するプログラムを改めて。###プログラム
#####python“`python:pythonevenoroddjudge.py
def is_even(num):
return num % 2 == 0num = float(input())
print(is_even(num))
“`#####julia
“`julia:juliaevenoroddjudge.jl
function is_even(num)
return num % 2 == 0
end
function asknumber()
print(“Enter a number: “)
parse(Float64, readline())
end
num = asknumber()
is_even(num)
“`juliaのコードではわざわざfunctionを使っているがif文でも書ける。それについてはまた違う記事で。ほかの言語も後で書きます。
自前でk-NN実装してみる
# 動機
機械学習関連の知識を再確認していて、まずは最も基本的な手法、k-NN法(k最近傍法)を勉強がてら自前で実装してみました。# k-NN法とは
まずはk-NNの概要からおさらいします。とてもシンプルでわかりやすいアルゴリズムなのですぐ理解できると思います。
このアルゴリズムは下の図が全てです。
![knn.jpg](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/638341/26efe3b2-ff40-21b3-da4d-06ba4afb1da2.jpeg)
注目データは中心の星印です。まず与えられたデータに対して全てのデータ間の距離を計算します。例えばk=3のとき、注目データに最も近い上位3個のデータのラベルを見ます。この場合、クラス1が2個、クラス2は1個なので最頻値を取るクラス1に分類されます。一方で、k=6としてみると、クラス1が2個、クラス2が6個となるので、このデータはクラス2に分類されます。
このように与えられたデータは近いデータのラベルの多数決で決定されることになります。
ちなみにk=1
Biopython Tutorial and Cookbook和訳(4.2)
## 4.2 Creating a SeqRecord
[4.1へ](https://qiita.com/chaos44/items/5d1c436bf76610d57620)Using a SeqRecord object is not very complicated, since all of the information is presented as attributes of the class.
**SeqRecord objectの使い方はそんなに複雑ではない、すべての情報はクラスの属性として明示されたからです。**Usually you won’t create a SeqRecord “by hand”, but instead use Bio.SeqIO to read in a sequence file for you (see Chapter 5 and the examples below). However, creating SeqRecord can be quite simple.
**通常SeqRecordオブジェクトを自分で生成しな
Cisco覚書_EEMからPythonスクリプトを実行
###何度shutdownしてもゾンビのように生き返る怖いスクリプト
IOS-XEでPythonスクリプトを動作する基本設定は[Cisco覚書_Pythonでconfig投入](https://qiita.com/38pinn/items/161e555e26c837064e4a)参照
####スクリプト配置パス
パス:/flash/
ファイル:eem_script.py
guestshellに入ってファイル作成、またはファイルを転送“`
isp-sw#guestshell
[guestshell@guestshell ~]$
[guestshell@guestshell ~]$ cd /flash/
[guestshell@guestshell flash]$ vi eem_script.py
“`####スクリプトの動作
Loopback55のIFを`no shut`して`sh ip int brief`でIF状態を表示する、という内容
今回はスクリプト実行のトリガーはEEMアプレットで指定する“`python:eem_script.py
import
言語処理100本ノック 2020【00~79 解答】
この記事は[言語処理100本ノック 2020【第7章: 単語ベクトル】](https://kakedashi-engineer.appspot.com/2020/05/09/nlp100-ch6/)の続きです。
この記事では、第8章(70-79)の機械学習について扱います。
## リンク
この記事にはコードのみを載せました。問題文や解き方の補足は下記のリンクを参考にしてください。
[言語処理100本ノック2020 第8章: ニューラルネット](https://kakedashi-engineer.appspot.com/2020/05/09/nlp100-ch8/)
# 第8章: ニューラルネット
## 70. 単語ベクトルの和による特徴量
“`python
import pandas as pd
import gensim
import numpy as np
train = pd.read_csv(‘train.txt’,sep=’\t’,header=None)
valid = pd.read_csv(‘valid.txt’,sep=’\t’,header=Non
OpenCV/Pythonで2値化
“`
#!/usr/bin/env python
# -*- coding: utf-8 -*-import cv2
import timedef conv():
# 閾値の設定
threshold = 100# 二値化(閾値100を超えた画素を255にする。)
ret, img_thresh = cv2.threshold(img, threshold, 255, cv2.THRESH_BINARY)# 二値化画像の表示
cv2.imshow(“img_th”, img_thresh)
cv2.waitKey()
cv2.destroyAllWindows()def fps(video):
fps = video.get(cv2.CAP_PROP_FPS)
print(“FPSの設定値、video.get(cv2.CAP_PROP_FPS) : {0}”.format(fps))# 取得するフレームの数
num_frames = 120print(“取得中 {0} frames”.format(num_frames))
✨Pythonで簡単☆死後経過時間推定✨
# もし、あなたの目の前に亡骸があったら?
![](http://blog-imgs-46.fc2.com/k/o/n/konanhitosuzi/20131216231144a8f.jpg)(引用;名探偵コナン「甘く冷たい宅配便」)
コナン君が遺体を見つけた時、かなり最初の段階で死後経過時間について考えますよね?死亡推定時刻が分かれば大きく容疑者を絞り込むことができますしね\(^o^)/
そこで今回は死後経過時間について詳しい求め方を紹介します!# 例題
室温16℃に設定された冷蔵車に男性の遺体があった。男性の体重は86kg、コナン君が遺体の直腸内温度を計ったところ、27℃であった。男性の死後経過時間を求めよ。# ニュートンの冷却の法則
まず、簡略化した事象を考えてみましょう。コップに入れられた熱いコーヒーが周囲の温度(空気)によって冷まされる問題を考えます。この時、次の「ニュートンの冷却の法則」が近似的に成り立つと言われています。
ニュートンの冷却の法則を表す微分方程式は$\frac{dT}{dt} = -γ(T – T_s)$ (1)
で表されます。ここで、各文字
pythonのrelative_to()で相対パスを指定しようとしたらはまった
# 概要
絶対パスから相対パスを取得するために以下のようなコードを実行した“`python
import pathlib
p = pathlib.Path()
file_path = ‘image-db’
file_path_rel = p.cwd().relative_to(file_path)
“`エラー
“`bash
ValueError: ‘/directory/of/python’ does not start with ‘image-db’
“`relative_to()の中身がカレントディレクトリより外にあると動かないらしい.
# 対策
os.path.reipath(‘行先’, ‘起点’)を使えば複雑な相対パスも取得できる.“`python
file_path_rel = os.path.relpath(file_path, os.getcwd())
“`# 参考サイト
https://hibiki-press.tech/python/os_path_abspath/1021
lightgbmがdlopen(/Users/*site-packages/lightgbm/lib_lightgbm.so, 6): Library not loaded: */libomp/lib/libomp.dylib Referenced from: /Users/*/opt/anaconda3/lib/python3.6/site-packages/lightgbm/lib_lightgbm.so Reason: image not foundでエラーが出た。
よくわかりませんが、
“`
brew install libomppip uninstall lightgbm
pip install lightgbm
“`
で解決しました。
PythonHack Hackフォルダ
#PythonHackとは
本格的にやる前の準備段階
# 動機づけ・・・Pythonこれからいいようだ。Web開発も本格的に使われていくと見込まれる。(と信じる)
#コンテンツ
・Python スタートブック 辻 真吾 著 技術評論社 を学ぶ
・PyQ Python はじめの一歩 オンラインレッスン を学ぶ
・シラバス作成##シラバス
・変数
・計算・IF文
・list・for文
・辞書
【1日1写経】Classify_images_Using_Python & Machine Learning【Daily_Coding_003】
## 初めに
– 本記事は、python・機械学習等々を独学している小生の備忘録的な記事になります。
– 「自身が気になったコードを写経しながら勉強していく」という、きわめてシンプルなものになります。
– 建設的なコメントを頂けますと幸いです(気に入ったらLGTM & ストックしてください)。## お題:Classify_images_Using_Python & Machine Learning
今日のお題は、Classify_images_Using_Python & Machine LearningというYoutube上の動画です。犬やら猫らの画像を学習させてそれを判定する、といったものです。
[Classify Images Using Python & Machine Learning](https://www.youtube.com/watch?v=iGWbqhdjf2s&list=PLBhJnyA0V0uIP6tScPs01FW5WtSpJdmcv&index=5&t=0s)
分析はyoutubeの動画にある通り、Google Colaboratryを使用しま
Pythonのlistの使い方まとめ
# はじめに
一度は勉強したけど、「あれ?これってどうだったっけ…」という方向けのまとめです。
FE(基本情報技術者試験)でもPythonが選択できるようになりました。
本来なら今年の春試験が初の出題となる予定でしたがコロナの影響で中止となりましたね。そんなPythonのlistもFEの例題でバッチリ出題されているので、使い方をまとめてみました。
試験の直前に見返すも良し、普段のプログラミングで忘れがちなメソッドを思い出すも良し。
ぜひご活用ください。# listの初期化
まずは基本のlistの宣言から。
“`python
alist = []
blist = [1, 1, 2, 3, 5, 8, 13]
clist = list(range(5))
dlist = [i for i in range(10) if (i % 2 == 0)] # リスト内包表記print(f”alist = {alist}\nblist = {blist}\nclist = {clist}\ndlist = {dlist}”)
“`“`:output
alist