Python関連のことを調べてみた2020年06月18日

Alibaba Cloud ECSインスタンスにOdooをインストールする

このチュートリアルでは、**Alibaba Cloud ECS**インスタンスに**Odoo**バージョン12をインストールして、クラウドからビジネスを実行する方法を説明します。

*本ブログは英語版からの翻訳です。オリジナルは[こちら](https://www.alibabacloud.com/blog/how-to-install-odoo-on-alibaba-cloud_595400)からご確認いただけます。一部機械翻訳を使用しております。翻訳の間違いがありましたら、ご指摘いただけると幸いです。*

#必要条件
Odooのインスタンスを実行するためには、以下の条件を満たす必要があります。

– Python 2.7をPipとVirtualenvでインストール。
– Odooのデータストレージ用のPostgreSQL。
– OdooのソースコードをGitHubの公式リポジトリから取得するためのGit。
– Debian 仮想マシン (Alibaba クラウド上でホストされるもの)

####Odoo エディション
Odoo ERPには、無料でオープンソースのOdoo Commu

Pythonを使用してSQL ServerデータベースをAlibaba Cloud Function Computeに接続する

このドキュメントでは、SQL **Server**データベースを**Alibaba Cloud Function Compute**で使用する方法と、fc-dockerをベースにした**Function Compute**の設定と検証について説明します。

*本ブログは英語版からの翻訳です。オリジナルは[こちら](https://www.alibabacloud.com/blog/using-python-to-connect-function-compute-to-sql-server_594411)からご確認いただけます。一部機械翻訳を使用しております。翻訳の間違いがありましたら、ご指摘いただけると幸いです。*

#テスト環境の準備
Dockerを使ってローカルのMacコンピュータでSQL Server 2017を実行し、テーブル構造を初期化し、index.pyという名前のテストファイルを作成し、データベースにアクセスできるかどうかを確認します。

“`
$ docker pull mcr.microsoft.com/mssql/server:2017-latest

$ doc

[ev3dev×Python] インテリジェントブロックボタン

この記事はPythonでev3を操作してみたい人のための記事です。
今回はインテリジェントブロックボタンを使っていろいろな操作をしていきたいと思います。

#目次
0 . 用意するもの
1 . インテリジェントブロックボタンのプログラム

#0.用意するもの
◯ ev3(タンク)
◯ パソコン(VSCode)
◯ bluetooth
◯ microSD
◯ [資料](https://buildmedia.readthedocs.org/media/pdf/python-ev3dev/latest/python-ev3dev.pdf)(これをみながら進めていくのがオススメです。)

#1.インテリジェントブロックボタンのプログラム(資料p.42)

####1-0 . 特定のボタンを押したら~するプログラム
“`button00.py
#!/usr/bin/env python3
from ev3dev2.button import Button
from ev3dev2.sound import Sound

btn = Button()
snd = So

Python超初心者の超初心者のためのPython #インデックス、スライス

環境
windows7　（Mac Book Pro 16inch欲しい）
Visual Studio Code
chrome
python ver3.8.3

この記事はプログラミング初心者かつPython初心者に向けて記述します。

##インデックス

前回、リストを学習しましたが「リストってただ`print`で出力するならテキストでそのまま内容書けば良いんじゃないの？」と初学者のツイートで散見されます。
はい私もそう思ってました。
そこで今回はそのリストを使ってこんな事しますよーの前の前知識としてまずは`インデックス`を解説したいと思います。

“`python:index.py
japanese_syll=[‘あ’,’い’,’う’,’え’,’お’]
#変数を除いて[ ]だけ表示しその下に対応する’インデックス’を記します。
[‘あ’,’い’,’う’,’え’,’お’]
[ 0 1 2 3 4]
[ -5 -4 -3 -2 -1]

“`

インデックスは`0`から始まります。
マイナスは最後尾から`-1`と始まります。
文字列`あ`を取

E資格　レポート　箇条書き

線形代数

〇4月25日　～行列04
ベクトル…大きさ＋向き
スカラー…大きさ
行列　　…連立方程式をシンプルに表現するための手段
連立方程式の係数のみを取り出したもの

〇4月26日　～行列09
行列の計算…連立方程式の計算と同様
　　　　　…連立方程式を解くためには、特定の行列の掛け算をしてあげれば実現可能
（行基本変形）
逆行列…逆数の働きをする行列、行列の割り算をしているのと同様
　　　…A-（Aインバース）と呼ぶ
　　　…単位行列（１．０．０．１みたいなもの）に変換する行列
単位行列…掛け算をすると、同じ行列が結果として得られる行列
逆行列の求め方…ガウスの掃き出し法

〇4月27日　～固有値②
逆行列…（－１）インバースと呼ぶ
逆行列が存在しない条件…解が一つに定まらない場合　つまり
　　　　　　　　　　　…a:b = c:d、つまり　ad=bc　つまり
　　　　　　　　　　　…行列を二つのベクトルに置き換えて考えると平行四辺形の面積が０の場合
　※3次元、4次元と次元が増えた場合にも同様のことが言える

ベクトルの性質（線形性）…同じものの中に一つでも同じものがあれば０

【言語処理100本ノック 2020】第9章: RNN, CNN

## はじめに
自然言語処理の問題集として有名な言語処理100本ノックの[2020年版](https://nlp100.github.io/ja/)が公開されました。
この記事では、以下の第1章から第10章のうち、「第9章: RNN, CNN」を解いてみた結果をまとめています。

– [第1章: 準備運動](https://qiita.com/yamaru/items/6d66445dbd5e7cef8640)
– [第2章: UNIXコマンド](https://qiita.com/yamaru/items/b809e6d66f9efcfb34d7)
– [第3章: 正規表現](https://qiita.com/yamaru/items/255d0c5dcb2d1d4ccc14)
– [第4章: 形態素解析](https://qiita.com/yamaru/items/e06014b146a18e97ca59)
– [第5章: 係り受け解析](https://qiita.com/yamaru/items/48dcc527f433c22e0af9)
– [第6章: 機械学習](htt

保守性を考慮した機械学習モデル

## 前職
前職はソフトウェア開発(Java, C#)でした。
そこでは、効率良く・綺麗なコードを書く、という指針の元、コードレビューも細かく実施していました。

## 現職
データ分析〜機械学習を担当しています。
Pythonで記載しますが、製品版ではない場合はコードレビューもないですし、動けばよいという雰囲気になっています。。
確かに分析対象、モデルやパラメータが頻繁に変わるので、設計までしっかりして取り組むよりまずは結果かと考えます。

## オブジェクトの導入
とはいえ、１つのJupyter notebookに、複数のモデル(例えば重回帰、SVR、Lasso、RandomForestRegressor)を定義して、それぞれ流すコードは嫌いですし、モデル毎にnotebookを分けるのも、ファイル増えて管理の手間なので嫌いです。
なので、動かすnotebookは１つにしていじらない(結果確認用)、modelはconfigurationから指定して実行、のような形で少しオブジェクト指向っぽくしています。
「機械学習＆notebookのモデルはそうじゃない」という方もいると思いますが。

(自分用)Flask_2(リストとfor、extends、その他少し)

# 項目
1. py内で作ったリストをhtmlに渡す
2. html内でpython形式のfor文
3. `extends`とか`block content`とかでhtmlの頭を省略
4. 雑記

# 1.py内で作ったリストをhtmlに渡す
“`python
from flask import Flask, render_template
app = Flask(__name__)

@app.route(“/”)
def hello_world():
name = “Flask”
players = [“勇者”, “戦士”, “魔法使い”]
return render_template(“index.html”, name_value = name, players = players)
“`
– リスト自体は通常通り作成
– htmlへの渡し方も他変数と同様

# 2.html内でpython形式のfor文
“`html

歌唱DBからブレスを取り出したい！

# 作ったもの
[**BreathPicker**](https://github.com/oatsu-gh/breath_picker)（GitHubリポジトリにリンクしています。）

# 目的

ボーカルの呼吸演出が好きなので、NEUTRINOきりたんを使うときにブレスをDAWで直接貼りたいと思った。
*※東北きりたんの歌唱DBの音声を直接素材とすることは研究用途ではないため、規約違反の可能性が高いです。*

本当の所は、Pythonでの音声ファイル処理を練習したかっただけです。これは本心です。
切り出したファイルを直接使うのは控えた方が良いです。

# 開発環境
– Windows 10 Education 2004
– Python 3.8.3

## 使ったライブラリ
– pydub（wavファイルの切断に使った）
– [utaupy](https://github.com/oatsu-gh/utaupy/)（labファイルの読み取りに使った）

# 動作チェックに使った歌唱データベース
– 歌唱データベース
– [東北きりたん歌唱データベース](https://zunk

Python　venvを使って複数の実行環境を管理する

## はじめに
Pythonを使っていると『プロジェクト毎に実行環境を管理したい』、『お試しでライブラリを使ってみたい』といったことも出てくるかと思います。
こういった場合には仮想環境を実行環境毎に構築していると便利なため、この記事ではその方法をまとめます。

## インストール環境
Windows 10 Pro

## 仮想環境の構築
以下の流れで進めていきます。

１．Pythonのインストール（既にインストール済みの人は不要）
２．venvを使って仮想環境の構築
３．構築した仮想環境に特定のライブラリをインストール

### １．Pythonのインストール（既にインストール済みの人は不要）

まずはPythonのインストール。
下記サイトからベースとするPythonをダウンロードしてPCにインストールする。

　　　[pythonの公式downloadページ](https://www.python.org/)

※今回は”venv”というモジュールを利用するため、標準搭載されている3.5以降のバージョンを推奨。自分はPython3.8.3をインストールしました。

インストー

Jaxの自動微分で二次の勾配を求める

# はじめに
複雑な関数の微分を求めたい時に、自動微分が便利ですよね。そんな時、私は今まで[Pytorchの自動微分](https://helve-python.hatenablog.jp/entry/pytorch-automatic-differentiation)を利用していました。しかし、自動微分だけ使いたいのにpytorchのパッケージがかなり重いので、もっと軽量なパッケージはないかなと探していたところ、[jax](https://github.com/google/jax)にたどりつきました。

# jaxとは？
[公式](https://github.com/google/jax)
[Autograd](https://github.com/HIPS/autograd)(今はメンテナンスされていない)の更新バージョンです。GPUを使

AWS rekognitionで、ローカルの画像ファイルを認識させる方法

## TL;DR

`’Bytes’`というkeyのvalueにバイナリデータを入れて、Imageに渡す

“`python
import boto3

client = boto3.client(‘rekognition’)

with open(‘image.jpg’, ‘rb’) as f:
response = client.search_faces_by_image(
CollectionId=’string’,
Image={
‘Bytes’: f.read()
}
)
“`

## その他の事例

世の中のサンプルでは、s3に格納した画像ファイルを渡す事例が圧倒的に多かった。
s3から渡す場合は、bucket名とObject名を渡せば解析できる。

“`python
response = client.search_faces_by_image(
CollectionId=’string’,
Image={
‘S3Object’: {

python 入力と出力

csvの読み込みなどやってきましたが、細かい忘れがあるので
その備忘録を

# input()
言わずとしれた、入力関数
注意点として,そのつど使われること

## 改行の読み込み
input()が同じでも出てきた順番に各行を読んでいる。

“`python

# textファイル

yakyuu
soccer
tablegame

# 読み込み

sono1 = input() #yakyuuが読み込み
sono2 = input() #soccerが読み込み
sono3 = input() #tablegameが読み込み

# などinput()という形でコードが一緒でも
# １回目が1行目,2回目が2行目などに対応するから、注意が必要
“`

## 半角で分けられた単語

“`python

# textファイル
apple banana

# “apple banana”と入力
a, b = input().split()

# appleと出力
print(a)

# bananaと出力
print(b)

“`

“`python
# textファイル
1

ゼロから始めるLeetCode Day59 「1221. Split a String in Balanced Strings」

# 概要

海外ではエンジニアの面接においてコーディングテストというものが行われるらしく、多くの場合、特定の関数やクラスをお題に沿って実装するという物がメインである。

どうやら多くのエンジニアはその対策としてLeetCodeなるサイトで対策を行うようだ。

早い話が本場でも行われているようなコーディングテストに耐えうるようなアルゴリズム力を鍛えるサイトであり、海外のテックカンパニーでのキャリアを積みたい方にとっては避けては通れない道である。

と、仰々しく書いてみましたが、私は今のところそういった面接を受ける予定はありません。

ただ、ITエンジニアとして人並みのアルゴリズム力くらいは持っておいた方がいいだろうということで不定期に問題を解いてその時に考えたやり方をメモ的に書いていこうかと思います。

[Leetcode](https://leetcode.com/)

Python3で解いています。

[ゼロから始めるLeetCode 目次](https://qiita.com/KueharX/items/6ee2502c3b620c795b70)

前回
[ゼロから始めるLeetC

OpenCVでフレーム間差分法を実装

#OpenCVを使って背景差分
フレーム間差分法は、移動物体の検出方法の1つです。
Python3 + OpenCV　で作った結果です。

元のデータはこちら
（わかりづらいですが、波打ち際の水しぶきって感じの動画です）

**二値化したマスク画像がこちら**

**これ、一応動画です**

[初心者用] Pythonでの標準入力まとめ (解説付き)

#はじめに

__＊この記事は、AtCoder や paiza などで、標準入力がわからず困っている方用です。__

たくさん種類があり、難しそうに見えるかもしれませんが、実際は入力の種類に合わせたものを選択しているだけです。

初めのうちは、覚える必要は全くないので、一回一回確認しながら、少しづつ慣れていきましょう。

注）__この記事は初心者の方のための記事となっております。__初心者の方の理解を優先するため、一部不十分な言い回し等が含まれていますが、ご理解いただくようよろしくお願いいたします。

# どのコードを使えばいいか

Atcoder や paiza の問題において、どのコードで標準入力を受け取るかは、主に次の二つを考慮します。

– 入力がどの種類のものか (一行 or 複数行、文字列 or 数字）
– その入力をどのように受け取りたいか (変数に入れる、リストにする、etc）

このうち、二つ目は繰り返し問題を解くうちに、徐々にわかってくるので、この記事では一つ目に焦点を当てて解説していきます。

# 一行　入力が一つ

入力

“`
abc # 文字列
12

SinGANのSuper-resolutionにフリー素材を突っ込んでみた

# はじめに
今回は，SinGANを用いてぼやけた画像から綺麗な画像を生成する超解像度化タスクに触れてみたいと思います．
予め宣言しておきますが，この記事の作者は画像処理系はほぼ素人なので，間違いがあれば指摘してもらえると助かります．

以下，今回やりたいことのイメージ図

# SinGANとは？
一言でいえば，様々な研究タスクをこのSinGANでやると出来ちゃうという優れもの．
あと，一枚の画像で学習することが可能なので，巨大なデータセットはいらないのが特徴です．

Paper: [SinGAN: Learning a Generative Model from a Single Natural Image](https://arxiv.org/pdf/1905.01164.pdf)
GitHub: [Official pytorch imple

[光-Hikari-のPython]06章-03 関数（引数と戻り値2）

#[Python]06章-03 引数と戻り値2
前節では引数と戻り値について触れていきましたが、引数の指定方法にはほかにも存在します。
今回は、実引数と仮引数が複数ある場合について少し深く見ていきたいと思います。

##キーワード引数
まずは、キーワード引数の説明になります。いきなりですが、chap06の中に、samp06-03-01.pyというファイル名でファイルを作成し、以下のコードを書いてください。
なお、**last_name**は苗字を、**first_name**は名前を表します。

“`samp06-03-01.py
def yamada_func(last_name, first_name, age):
print(f’氏名：{last_name} {first_name}、年齢：{age}歳’)

yamada_func(‘山田’, ‘一郎’, 19)
yamada_func(‘山田’, ‘二郎’, 17)
yamada_func(‘山田’,

画像の色(RGB)を抽出する

## はじめに

画像から使用されている色(RGB)を抽出する機会があったので、そのメモです。

## 環境

## 言語、パッケージ

|言語、パッケージ|バージョン|
| — | — |
| Python | 3.7.4 |
| numpy | 1.16.4 |
|OpenCV| 3.4.2 |

## 画像

lena.jpg

## 画像のサイズを確認

使用する画像を確認します。

“`python
import cv2
import numpy as np

bgr_array = cv2.imread(‘lena.jpg’)
print(bgr_array.shape)
# (512, 512, 3)
“`

OpenCVを用いて画像を読み込むと、色は**BGR**の順番になります。
そのため、各

StudioLibraryをPythonから操作してみる。【Anim Save編】

StudioLibraryでのアニメーション登録をPythonから操作する方法を紹介します。

製作者様のGitHubにサンプルが公開されているので、まずはこちらを確認して頂くのがオススメです。
https://github.com/krathjen/studiolibrary/blob/master/src/studiolibrarymaya/README.md

# 環境
– python2.7
– maya2019.2
– studiolibrary2.7.1

#Animationの登録
選択しているリグのアニメーションをDドライブにTanuki.animとして保存する場合。

## スクリプト
“`python
# studiolibrary2.7.1
import os
import maya.cmds as cmds
from studiolibrarymaya import animitem

path = os.path.join(“D:/studiolibrary/root/dev”, “Tanuki.anim”)
objects = cmds.ls(sel