Python関連のことを調べてみた2020年09月28日

Julia早引きノート［01］変数・定数の使い方

###変数・定数の使い方(書き方例)

“`ruby:note01
◆変数の宣言

　整数
　　x = 1
　　y = -100

　実数
　　a = 2.0
　　b = 3.14
　　c = -5.0

◆定数の宣言
　const t = 2020

◆文字式
　x = 2
　y = 2x + 1
　h = sin(pi / 2)

“`

##解説

Juliaでは、JavaScriptやPythonと同じように変数の型を明示しなくても良い仕組みとなっています(実際には内部的に型を持っています)。
数値は直感的に値を設定すれば良いです。

####(1)整数同士の足し算、引き算、掛け算
計算結果も整数となります。
####(2)整数同士の割り算
割り切れる数、割り切れない数とも計算結果は実数となります。
![image.png](http

農家経済シミュレーション②（net-seller,自給的農家,net-buyerの効用最大化行動）＿コードを見る回

この記事は[「農家経済シミュレーション①」](https://qiita.com/kuru_kirino/items/489b357cedc0d9afa965)の続きなので、先にそちらの記事の導入部分だけでも見ていただければ幸いです。
「……①」では、シミュレーション内部のモデルや、最終的に目指すところを説明しました。

ということで、
この「……②」では、自前で作った農家経済シミュレーションのコードを紹介します。
さっそく、「モデルの概説」「コード」「シミュレーション結果」を見ていきましょう！

#環境情報
この記事は
python 3.8.3
scipy 1.5.0
をjupyter notebook上で使ってます。
（この書き方であってますか、、、？）

#モデルの概説
##農家行動の説明
農家は「労働力」と「農地」を有しており、それらを使って穀物Aを生産し、自分で食べたり、売ったり、買ったりします。

なお、穀物Aは飼料用トウモロコシをイメージし、場所はメキシコ農村部をイメージしてます。

同時に、農家は消費者でもあるので、自らの効用を最大化するように「余暇」と「その他の財」

農家経済シミュレーション①（net-seller,自給的農家,net-buyerの効用最大化行動）＿説明の回

こんにちは。農業経済学を勉強している大学院生です。

いきなりですが、経済学の研究をしていて尚且つプログラミングにも興味がある人の中で、
政策評価などで用いられるCGE（computable general equilibrium）やSAM（Social Accounting Matrix）を研究で使った人はいますか？
僕はそういったシミュレーション手法に憧れてはいたものの、いろいろな理由^**注1**から研究で使えませんでした。

しかし、どうしても自分でもやってみたかったので、それならもう研究で使えなくてもいいやと思い直し、趣味として農業経済シミュレーションソフトを作ってみることにしました。
また、普通に作るだけだとつまらないので、最終的にゲームみたいな形にして、STEAMでインディーズゲームとして売れたらいいなと思っています。
最悪、youtubeやniconicoで動画にできたら面白いなぁ（biimシステムみたいな感じとかで、、）。

以上のモチベーションの下でいろいろ試行錯誤していたら、農家経済シミュレーションゲームの型となる農家の効用最大化シミュレーショ

Djangoを使ったWEBアプリケーションの開発【テンプレート追加編】

[リクエスト処理編の続き](https://qiita.com/tesla1017/items/7da9dca7528797b98b68)

テンプレート
–
現状、/posts/へアクセスするとurls.pyが呼び出され、views.pyから「Hello, World!」を直接返して表示する処理を記載しています。ここでテンプレートを作成し、それを表示させるようにします。

テンプレートを追加
–
これからテンプレートを作成しviews.pyを書き換え、ルーティング→ビュー→テンプレートという処理に変更していきます。

まずは、アプリケーションフォルダ（今回は「posts」フォルダ）に「templates」フォルダを作成し、さらにその中にアプリケーションフォルダと同じ名前のフォルダを作成します。
※Djangoのルールとしてtemplatesフォルダ内にアプリケーションフォルダと同じ名前のフォルダが必要。

次にtemplates内のpostsフォルダにHTMLファイルを作成します。

“`index.html

【MNIST】データをPNG変換 for keras

# はじめに
学習データやテストデータの把握は必要かなと思っています。mnistのデータをPNGに変換するツール(Google Colab用)を作成しました。

# mnist_data2img
mnist_data2imgツールをGithubに公開しており、環境構築手順などはこちらのREADME.mdに記載していますので、こちらを参照してください。

>
> Github : https://github.com/PoodleMaster/mnist_data2img
>
>

Django　シフト表に希望シフトを登録機能を追加

最初は、管理者が希望シフトの連絡がきたら登録しておいて、月に1回シフト作成を実行するときに先に希望シフトからスケジュールを作成後に、シフトがない場合は、前月同日のシフトをいれるようにしようと思います。

まずは、希望シフト

“`python:schedule/models.py
class KibouShift(models.Model):
id = models.AutoField(verbose_name=’希望シフトID’,primary_key=True)
user = models.ForeignKey(User, on_delete=models.CASCADE, verbose_name=’社員名’)
date = models.DateField(verbose_name=’日付’)
shift_name_1 = models.ForeignKey(Shift, verbose_name=’1シフト名’, related_name=’kibou_shift_name1′,on_delete=models.SET_NULL,null=

ColabでKaggleAPIを使うまで

# はじめに

なんだかいろんな記事がありましたが，
この方法がうまくいったので備忘録がてら誰かの役に立てばと思います．

## 誰向け？

Colabは触ったことあるけど，Kaggleにまだ馴染みのない人（わたし）とかです．

## 手順
– KaggleのAPIキー取得
– Colabにアップロード
– Colabでコマンド実行

## KaggleのAPIキー取得

1. Kaggleに登録：Googleアカウントで登録できます
2. My Accountに移動：右上のアイコンタップするとモーダルメニューでます
3. APIキーの作成：My Accountのページ下部に「API」というセルがあり「Create New API Token」というボタンがあるのでクリック→kaggle.jsonがダウンロードされる

## Colabにアップロード

1. 適当にColabファイルを開きます
2. 左のペインのファイルをアップロードかドラッグアンドドロップでkaggle.jsonをアップロードします
3. 左側のペイン内にkaggle.jsonと表示される（はずです）

## Col

機械学習手法とその実装言語をQiitaのタグ情報から考察してみた

#初めに
初めての投稿。

大学時代、SVM（サポートベクターマシン）で旅行サイトのレビューのポジネガを判別するプログラムを作っていました。
当時はPythonを使っていましたが、他の機械学習手法だと違う言語が多いのかな？今はPython以外が人気なのかな？とか思ったので、Qiitaのタグ情報を集めることで考察してみました。

まずは、機械学習手法（SVM,Logistic regressionなど）がタグ付けられている記事をAPIで100件抜き出して、その記事の他のタグを見ることで、どの言語で作られているか確認します。
（言語も一緒にタグ付けするやろ、のノリです。）

QiitaAPIの練習なので、正しいかどうかは問題ではないですね。
ちなみに検索名は↓です。

|手法|検索名|
|:-:|:-:|
|線形回帰|Linearregression|
|ロジスティック回帰|Logisticregression|
|サポートベクターマシン|SVM|
|決定木|decisiontree|
|ランダムフォレスト|randomforest|
|ニューラルネットワーク|NeuralNetwork|

FlaskにAjaxリクエストのFetch APIを組み込んだシンプルなアプリを作成してさくっと説明する

# はじめに
・Flask と JavaScript を勉強し始めた方向けとなります
・[TheCatAPI.com : Beta](https://api.thecatapi.com)を使用して、猫の画像をAjaxリクエストで取得するアプリを作成します

# Fetch API で猫の画像を取得するFlaskアプリを作成する

Flaskを用意します。
Flaskがまだちょっとよくわからないという方は以下の記事を確認してください。
[【Pythonで多分人気2位のWebアプリケーションフレームワーク】Flaskの基本をわかりやすくまとめる](https://qiita.com/gold-kou/items/00e265aadc2112b0f56a)

構成は以下です。

“`
app.py
templates
└─hello.html
“`

“`app.py
from flask import Flask, render_template
app = Flask(__name__)

@app.route(‘/’)
def hello_world():
return

AtCoder Chokudai Contest 005 参戦記

# AtCoder Chokudai Contest 005 参戦記

参加しなくていいかなあと思いつつ、結局参加してしまうやつ.

結果は49,656,737点で、AC 528人中240位でした. 最終コードは以下で Go 言語で提出しました.

“`go
package main

import (
“bufio”
“fmt”
“math”
“os”
“strconv”
)

func min(x, y int) int {
if x < y { return x } return y } func fill(d [][]byte, i, j int, x, y byte) { q := [][2]int{{i, j}} for len(q) != 0 { m, n := q[0][0], q[0][1] q = q[1:] d[m][n] = x if m > 0 {
if d[m-1][n] == y {
q = append(q, [2]int{m – 1, n})
}
}
if m < N-1 {

【Python】AWS-CDKを利用してBatch環境を作成する

# 1. はじめに

今回は、AWS Batchの環境をCDKを利用して実装していきます。
よくTypeScriptでの実装例は多いのですが、Pythonはあまりなかったので記事にしました。

## 1.1 実行環境

実行環境は以下の通りです。
特にインストールやaws-cliとaws-cdkの初期設定については触れません。
ただ、注意点としてaws-cdkは非常にバージョンの更新頻度が高く、現在書かれている内容でも動かない可能性があります。

* MacOS: Catarila (10.15.6)
* Python (brew): 3.8
* aws-cli (brew): 2.0.50
* aws-cdk (brew): 1.63.0 (build 7a68125)
* docker: 19.03.12

## 1.2 料金

気になるのは、料金ですよね。
以下の条件で動かしたところ、課金されたのはEC2の料金のみで`0.01 [$/日]`程度でした。
（Batchだと、毎回ジョブにキューが追加されてからインスタンスの作成が行われ、ジョブが完了すると削除されるためです。）

*

PythonでYouTubeのコメントを取得

YouTubeのAPIを使って、動画のコメントを取得します。YouTubeのAPIについては割愛します。

## やり方

“`python:getYouTubeComments.py
import requests
import json

URL = ‘https://www.googleapis.com/youtube/v3/’
# ここにAPI KEYを入力
API_KEY = ‘API KEYを入力’

def print_video_comment(video_id, next_page_token):
params = {
‘key’: API_KEY,
‘part’: ‘snippet’,
‘videoId’: video_id,
‘order’: ‘relevance’,
‘textFormat’: ‘plaintext’,
‘maxResults’: 100,
}
if next_page_token is not None:
params[‘pageToken’] = next_page_tok

Tensorflowが動かない！

新しいノートPCに機械学習環境を一からセットアップして
いざ動かそう！って時に動かなかった…

色々と調べてみると結構設定がめんどくさかったです。
経験者からすればなんて事はないと思いますが
初心者だとなかなかハードル高い現象でしたので
メモ書きとして残します。

###PC環境
OS：Windows10 home 64bit
環境：Anaconda Navigator
　　　Jupiter Notebook
GPU：Nvidia GTX1650

###初期設定
普通に[Anaconda Navigator](https://www.anaconda.com/products/individual)をインストール
この辺りは多くの情報がありますのでさほど難しくなかったです。

GPU用のCUDAやcuDNNのセットアップも実施していますが
そこは割愛します。(別途メモ書き予定)

###仮想環境作成
仮想環境を作成して作成した環境からコマンドプロンプトを立ち上げて必要分をインストール
`pip install tensorflow`や`pip install keras`等々のCN

pythonのクライアントアプリから AWS Batch起動方法

## 概要

[前回](https://qiita.com/dmikita/items/ec0a6961a21c5df7b812)作成したLambdaから実行する処理を流用してクライアントアプリから起動するように設定します。

## 準備

* AWS Batchは[前々回](https://qiita.com/dmikita/items/af33d64f4d6aef556439)のものをそのまま使います。AWS BatchのジョブさえできていればいいのでCodeCommitなどはこのためだけに準備しなくても大丈夫です。
* バッチを実行できるIAMユーザを作成します。
* AWS CLIをインストールして `aws_access_key_id` `aws_secret_access_key` `Default region` を設定します。
* このあたりの手順は[公式](https://docs.aws.amazon.com/ja_jp/cli/latest/userguide/cli-configure-quickstart.html) などを参考にしてください。
*

PyTorch+GPUをDockerで実装

# はじめに
最近やっとDockerを使い始めました。
Dockerを使えば、いろんなPCでお手軽に深層学習できます。

# 環境（ホスト）
OS：Ubuntu 20.04
GPU：NVIDIA GeForce GTX 1080

# GPUドライバをインストール
まず、ホストでGPUが使える環境にします。
$ nvidia-smi ですでにドライバがインストールされていれば、ここはスルーでいいです。
インストールの一例なので、参考までに

“`
$ sudo add-apt-repository ppa:graphics-drivers/ppa
$ sudo apt update
$ sudo apt install ubuntu-drivers-common
$ sudo apt dist-upgrade
$ sudo reboot （再起動）
$ sudo ubuntu-drivers autoinstall
$ sudo reboot （再起動）
“`
$ nvidia-smiで Driverのバージョンやメモリの使用状況などが出ればOK！

# Dockerをインストール

SenseHAT でプログラミング教育用ゲーム

で、[また](https://qiita.com/atorii/items/e35212b2aae1c558c27c)ゲームを作ったので投稿します。楽しくなってきた。

最近流行りの、子供向けプログラミング教育用ゲームを作ってみました。
指定された場所へ移動するための経路を指示（プログラミング）するというあれです。
橙から青へ移動します。が、動かすだけだと縦横一直線になるので、障害物（緑）もつけてみた。

こっちは完全に逐次処理なので、イベントハンドラは使っていません。
ただ、慣性で動かす、というのはアリかも。

一応、小学生の娘は気に入ってくれた。ヨカッタ。
これでプログラミング学習ができるかは未検証。。


“`python
from sense_hat import SenseHat
from time import sleep

Pythonでフォルダ内の～.xlsxの中身をHTMLに出力する

# やりたいこと
フォルダ内に大量にExcelで作ったファイルがありどれがどれかわからないようになったときに「一つずつ調べるのはだるいな」という気持ちになりません？
そこでフォルダ内の～.xlsxのファイルすべての頭のほうだけHTMLにして出力してやります。

これで探しているファイルがどれかわかって手間も多少は省けるはず…
# 利用するライブラリなど
Windows 10上でPython 3.8で実行しています。

os

フォルダ移動のために利用

glob

フォルダ内のファイルを調べるために利用

io

ファイルへの書き込みのために利用

pandas

.xlsxの読み込み・HTMLへの変換

<

主要4社のクラウド音声認識精度の比較

# Amazon, Google, IBM, Microsoftの音声認識精度を比較してみました
– 今回使用した音声データは私の研究に関するミーティング(大学院でのゼミ)をAirPodsで録音したものを使用しています．ミーティングの参加者は3~5人です．音声には個人情報も含まれるため公開することはできませんのでご了承ください．
– データ量:300発言(約27分)
– 音声の質は生活音やノイズがかなり含まれています．音声の質としては良くないです(CSJなどの音声認識用コーパスに比べて)
– Googleなどの音声認識精度は論文に掲載されているようにかなり良い精度(日本語でもWER一桁)です．
– 研究用の質の良い音声を使用しているので精度がかなり良い
– ***日常生活での音声に対してはどの程度の認識精度なのかはあまり報告されていない***
– 今回は***日常生活の中の音声をどれだけの精度で認識できるのか***を調べてみました．加えて，研究に関する音声なので専門用語も多く含まれます．どれだけ専門用語に対応しているのかも気になるところです．
– [Am

主要4社のクラウド音声認識サービスの使い方

# Amazon, Google, IBM, Microsoftの音声認識サービスを使用
各社の音声認識サービスのAPIの名称です(呼び方は人によって違いますが間違っていたらすいません)

– Amazon:
– ***Transcribe***
– Google:
– ***Cloud Speech-to-Text***
– IBM:
– ***Watson Speech-to-Text***
– Microsoft:
– ***Azure Speech-to-Text***

Speech-to-TextというAPIを探せば見つかるはずです．AmazonだけはTranscribeと呼ばれていますが…

***本記事では各APIを使うための準備(アカウント登録など諸々)は済ませてある前提の内容です***
***アカウント登録の方法は，検索すればわかりやすく説明してくれているサイトがあるので頑張って登録してみてください***

– [認識精度を比較した記事もあります](https://qiita.com/kamikennn/items/6af

ゼロから始めるDjango(part:2)

# 前回
[ゼロから始めるDjango\(part:1\) \- Qiita](https://qiita.com/taninao1122/items/1ec0de78307ecd89432a)

# 参考文献
[はじめての Django アプリ作成、その2 \| Django ドキュメント \| Django](https://docs.djangoproject.com/ja/3.1/intro/tutorial02/)

# DataBaseの設定
## mysite/setting.py
– jangoの設定をいろいろ書いてあるPythonモジュール
– データベースのサポートなどもデフォルトで入っている

### INSTALLED_APPS
アプリケーションの重要部分の設定。詳細は以下
– `django.contrib.admin` – 管理（admin）サイト
– `django.contrib.auth` – 認証システム
– `django.contrib.contenttypes` – コンテンツタイプフレームワーク
– `django.contrib.sessi