Numpy1.19.4のエラー RuntimeError: The current Numpy installation fails to pass a sanity check due to a bug in the windows runtime.

Numpyを使おうとしたら見慣れないエラーに遭遇しました．意外とあっさり解決できましたが，遭遇する方が多そうなので一応残しておきます．

# 環境
– Windows10
– Python 3.8.2
– Numpy 1.19.4

# エラー

“`sh
RuntimeError: The current Numpy installation (‘C:\\Users\\ … \\venv\\lib\\site-packages\\numpy\\__init__.py’) fails to pass a sanity check due to a bug in the windows runtime. See this issue for more information: https://tinyurl.com/y3dm3h86
“`

# 解決法

調べてみるとStackOverFlowに[同じエラーについての質問](https://stackoverflow.com/questions/64654805/how-do-you-fix-runtimeerror-packag

[翻譯] 構造化された並行処理に関するメモ..というかgo文は有害と思われる

– 著者 [Nathaniel J. Smith](https://vorpus.org/)
– 原文 [Notes on structured concurrency, or: Go statement considered harmful](https://vorpus.org/blog/notes-on-structured-concurrency-or-go-statement-considered-harmful/)
– 原文の投稿日時 2018年04月25日

# 本文

並行処理のAPIには当然コードを並行して走らせる手段がある。以下に様々なAPIの例を載せるので見て欲しい。

“`
go myfunc(); // Go言語

pthread_create(&thread_id, NULL, &myfunc); /* C言語 と POSIX threads */

spawn(modulename, myfuncname, []) % Erlang

threading.Thread(t

Python 3.8.6をpyenvを使ってmacOS BigSur にインストールする

# 問題
* macOS BigSur 11.0 beta
* Xcode 12.2 beta 3
* Command Line Tools for Xcode 12 beta 3

上記の環境で`pyenv install 3.8.6`を実行すると、下記のようにビルドに失敗する

“`:$
..
BUILD FAILED (OS X 11.0 using python-build 20180424)
..
“`

# 解決策

## Step1: コマンドラインツールの設定
1. `Xcode-beta.app` を開く
2. Preference > Locations
3. Command Line Tools を 目的のバージョンに変更

## Step2: インストール
シェルで下記を実行

“`:$
LDFLAGS=”-L

zsh環境のAnacondaをアンインストールする

# やること

以前`Jupyter Notebook`学習用にインストールした `Anaconda`環境がいらなくなったので、
アンインストールしていきます。

今後しばらくはPython環境を`pyenv`と`pipenv`で管理するようにするので、その前提のお片付けです。

zsh環境といってもやることはbashと一緒です。

# 手順
Step1: `anaconda-clean`をインストール
Step2: `anaconda-clean`を実行
Step3: ライブラリの実体をフォルダごと削除
Step4: zsh, bashに通っていたパスを削除

## Step1: `anaconda-clean`をインストール
condaのライブラリが生成したデータファイルを自動で削除を行うパッケージをインストールします。

“`:$
conda install anaconda-clean
“`

途中インストールしてもいいか確認がでるので `y`
![image.png](https://qiita-image-store.s3.ap-northeast-1.amazona

Pythonで湯婆婆を実装してみる

# はじめに
@Nemesisさんの[Javaで湯婆婆を実装してみる](https://qiita.com/Nemesis/items/c7192a7c510788d2cba2)がランキングに載っているのを見たので、Pythonで実装してみました。
Python初めての人でもできると思います。（というかこのために初めてPython3でプログラミングしました。）

# コード
“`python3:yubaba.py
print(“契約書だよ。そこに名前を書きな。”)
name = input()
print(“フン。”, name ,”というのかい。贅沢な名だねぇ。”)
import random
num = random.randint(0,len(name)-1)
newName = name[num]
print(“今からお前の名前は”, newName ,”だ。いいかい、”, newName ,”だよ。分かったら返事をするんだ、”, newName ,”!!”)
“`

これがコードです。なお私はPython3で書いています。Python3が実行できる環境であれば動くはずです

Youtube Data API使って動画検索してみた（初心者）

# はじめに
データ分析の勉強はインプットも大事だけど実践が1番ってことで、練習になるいいデータはないかなーと思っていました。Youtubeのデータがいいものなのかは、正直今の僕には判断ができません。でも、よくYoutube見るし、興味のある分野なので**「Youtube Data API」**を使って分析用のデータ抽出ができるようになることを目標に使い方をまとめてボチボチまとめて行こうかと思います。APIの学習には以下のページ（APIリファレンス）を利用しました。
[https://developers.google.com/youtube/v3/docs?hl=ja](https://developers.google.com/youtube/v3/docs?hl=ja)

# 検索処理
今回は手始めに以下の条件で動画を検索し、結果をcsvファイルに出力します。

– 指定したキーワードで動画を検索（キーワードは第1引数で指定）
– 検索結果は再生回数で降順に表示

また、検索結果の動画がどのチャンネルのものかを度数分布化し、csvファイルに出力します。

# ソースコード
ソース

DNA配列を相補鎖にするpythonコード どのやり方が速いのだろう？

#はじめに
pythonでDNAを相補配列に変換する関数を作ってみます。4通り作ってみてどれが早いか比較してみます。

#相補鎖にするということ
AはTに、CはGに、GはCに、TはAに変換します。その上で並び方を逆にします。
ACGTTTTTの相補配列はAAAAACGTです。
#ACGT以外もある
RはAまたはGのことです。YはCまたはTのことです。DはC以外(つまりAかGかT)。大文字と小文字もあります。

DNA配列の長さは例えば10 Mb(1000万塩基)などです。

#辞書
置き換え方法を指定する辞書を作ります。

“`py
compDic = {“R”:”Y”,”M”:”K”,”W”:”W”,”S”:”S”,”Y”:”R”,”K”:”M”,”H”:”D”,”B”:”V”,”D”:”H”,”V”:”B”,”N”:”N”,”A”:”T”,”C”:”G”,”G”:”C”,”T”:”A”,”r”:”y”,”m”:”k”,”w”:”w”,”s”:”s”,”y”:”r”,”k”:”m”,”h”:”d”,”b”:”v”,”d”:”h”,”v”:”b”,”n”:”n”,”a”:”t”,”c

GCPのCloud Shell EditorでPythonの開発環境ぐちゃって詰んだので更地にして再構築したらなんとかなった件

# 概要

2019年末くらいからGCPのCloud Shell上でPython開発してCloud Functionにデプロイする作業してました。
ある程度開発終わって数ヶ月放置した後、最近新しい開発案件が発生したのでちょろっといじってデプロイしてテストするかーと思ったらデプロイ時に色々エラーを吐き始めてしまいます。
エラー見つつ対処進めたけどまあうまくいかず、最終的に環境リセットしたらうまく行ったのでまとめます。

Pythonとpipのアップデートとバージョン切り替えが一番手詰まりポイントでした

# 手順

1. バックアップをとる
2. 公式の手順にしたがって環境をリセットする
3. Pythonをpyenvでアップデートする
4. pipをpip3に切り替えてアップデートする
5. 公式の手順にしたがってgcloudをアップデートする
6. 作業ファイルを復元する
7. requirements.txtから更新する
8. あとはdeployして適宜バグを潰す

## 1. バックアップをとる
`pip freeze > requirements.txt`でインストール済みパッ

AWS lambda を使ってTwitterに定期投稿しよう！

# 概要
AWSのLambdaを使ってTwitterに定期投稿できればいろいろ応用できそうで便利だなと思ったのでまとめてみました。

# 作成手順
## 作成の流れ
1. Dockerで環境構築
2. PythonからTwitter投稿

## 詳細
### 1.DockerでLambdaの環境構築
lambadaで標準以外のライブラリーを使うためにDocker を使いました。
lambdaでdockerを使うには[lambci/docker-lambda](https://github.com/lambci/docker-lambda)使うと便利です。
こちらの記事が参考になりました。
[AWS Lambda x Pythonでのローカル開発環境の再現について](https://qiita.com

Chainerチュートリアル Step1演習問題の解答1　

##背景

データサイエンスを始めるにあたり、[Chainer Tutorial](https://tutorials.chainer.org/ja/tutorial.html)をやりました。
初学者にもわかりやすい文章で、数学やpythonの基本から教えてくれるので、機械学習の入門にはおすすめだと思います（しかも無料！）。
準備編の最後に演習問題がついていますが、復習がてら解答をまとめ、投稿しようと思った次第です。

Chainerチュートリアル Step1演習問題の解答1（本記事）　→ 問題2, 4
Chainerチュートリアル Step1演習問題の解答2　→ 問題5, 6

##問2.1（組み込み関数）

“`python

a = [4, 8, 3, 4, 1]

#リストaの長さを求める
res = len(a)
print(res)

#リストaに含まれる値の最大値を求める。
res = max(a)
print(res)

#リストaに含まれる値の最小値を求める。
res = min(a)
print(res)

#リストaに含まれる値の合計値を求める。
res = s

argparse のヘルプでオプションの書式とその説明が被って読みづらい現象をどうにかする

# はじめに

こんにちは rtanpo440 です。

Python の標準コマンドラインパーサ argparse はいいですね! 自分は Python を最近はじめたばかりでまだ慣れていないところもありますが、コマンドラインパーサはこんなに簡単に書けるんだなぁと思いました。

そして argparse はヘルプを自動で生成してくれます。自分で `add_argument` しなくても `-h` `–help` オプションは自動的に追加され、いい感じに表示できます。

ドキュメント : https://docs.python.org/ja/3/library/argparse.html

# 問題点

しかし 1 個だけこまったことがあります。それは、各オプションの書式と説明が被ってしまい、読みづらい状態になってしまうことです。

“`python:before
#!/usr/bin/python3

import argparse

parser = argparse.ArgumentParser()
parser.add_argument(‘-m’, ‘–foo’,

そもそもPythonで依存性逆転の原則(DIP)を実現できるのか？

# はじめに

最近設計やアーキテクチャについて悩むことが多いのですが、動的型付き言語であるPythonでも依存性逆転の原則について実現できるのかについて自分なりの意見を書いてみました。私の意見が絶対正しいというわけではないのですが、少しでも参考になれば幸いです。

※Pythonの解説記事ですがC++のコードも出てきますのでご了承ください(内容は難しくありません)

# ポリモーフィズムとは？

まず、依存性逆転の原則を理解する前に**ポリモーフィズム**についての理解が必要です。
説明をWikipediaから引用します。

> ポリモーフィズム（英: Polymorphism）とは、プログラミング言語の型システムの性質を表すもので、プログラミング言語の各要素（定数、変数、式、オブジェクト、関数、メソッドなど）についてそれらが複数の型に属することを許すという性質を指す。ポリモルフィズム、多態性、多相性、多様性とも呼ばれる。

内容が分かりにくいので詳細に解説します。本質は「**それらが複数の型に属することを許すという性質を指す**」の部分です。Pythonなどの動的型付き言語の場合は

Codility lesson time complexity と 自分の回答メモ (Python)

#Task: Maxcounters
個人の感想です。

##①Speed N*M

def solution(N, A):
anslist = [0] * N
maxvalue = 0
for i in A:
try:
anslist[i-1] += 1
except:
maxvalue = max(anslist)
anslist = [maxvalue] * N
return anslist

#####感想と学び
毎回tryの中でmaxやるとN*2になってしまうと思ったので、
必要な時だけ限定してmaxすることを試みた。が、当然ながらN+1の登場頻度に依存してしまうのでN*Mになるよなと。納得。

##②Speed: N+M

def solution(N, A):
anslist = [0] * N
maxchecker =

画像認識の環境構築とOpenCV基礎

PCをしょっちゅう初期化するため、（あと普段別の業務をしていることもあってかなり忘れっぽいこともあり）画像認識用の環境構築を自分用の備忘録として残します。
minicondaを使用してpythonでOpenCVで簡単な画像認識の処理ができる環境構築をします。

概要

+ minicondaで仮想環境を作成
+ jupyter notebookを使用
+ 画像認識の基礎部分(OpenCVについて)

—

##minicondaで環境構築
####miniconda をダウンロード
Anacondaでもいいですが、低スペPCならminicondaをお勧めします。
デフォルトでインストールされているパッケージが少なく容量を食わないため。
https://docs.conda.io/en/latest/miniconda.html
次へ次へと進めていけばOK。特別な設定は不要です。

—

####Pytonの仮想環境を作成

“`conda:AnacondaPronpt
(base) >conda create -n py36 python=3.6

AOJ プログラミング入門 トピック#7, トピック#8

#トピック#7
##[ITP1_7_A](https://onlinejudge.u-aizu.ac.jp/courses/lesson/2/ITP1/7/ITP1_7_A)
###成績

“`Python:Python
def PointCheck(m, f, r):
if m==-1 and f==-1 and r==-1:
return ‘End’
elif m==-1 or f==-1:
return ‘F’

if m==-1:
m=0
if f==-1:
f=0

if m+f>=80:
return ‘A’
elif m+f>=65:
return ‘B’
elif m+f>=50:
return ‘C’
elif m+f>=30 and r>=50:
return ‘C’
elif m+f>=30:
return ‘D’
else:

PythonでPDFからOCR

#１．はじめに
素晴らしい先人達の真似をしてPythonでPDFからOCRするコードを書いてみた。
とを使います。
やってることは、PDFをpopplerでjpg化してからTesseract OCRでtxtファイルに文字起こし

初心者なので、コードに変なところあればコメに指摘もらえると嬉しいです。
引用していないサイトも、たくさん参考にさせていただきました。ありがとうございます。

#２．概要

こちらのサイトを参考に、フォルダ構成を以下の通りにしました。
[PythonでPDFを画像ファイル（JPEG、PNG）に変換する方法](https://gammasoft.jp/blog/convert-pdf-to-image-by-python/)

|親フォルダ|子フォルダ|
|:—|:—|
|¥カレント|¥image_file|
||¥pdf_file|
||¥poppler|
||¥txt_file|

※まずはフォルダにある古いファイルを削除

“`python
import os
import pathlib
from pathlib import Path
from

音楽チャートをスクレイピングした（ほぼ日記）

ただコードをおいておくためだけに。

“`{python}
import pandas as pd
import time
from selenium import webdriver
from datetime import date
from datetime import timedelta

driver = webdriver.Chrome(“****/chromedriver”)
driver.implicitly_wait(30)

url = “http://www.billboard-japan.com/charts/detail?a=sales&”
data = pd.DataFrame(columns = [“year”, “title”, “artist”, “num”])
for i in range(60):
d = date(2020, 10, 5) – timedelta(days = 28*i)
day = d.strftime(“year=%Y&month=%m&day=”) + str(int(d.strftime(“%d”)))
d

[Python]所要時間で見るDataFrameの強さと弱点

はじめに

Pythonではpandas.DataFrameで二次元の表データを扱うことができます。
他言語の配列相当であるlist,tuple以上に表データを扱いやすいのですが、その処理速度も基本的にはlist,tuple以上に速いのです。
そんなDataFrameの強さと弱点を実際にプログラムを動かしながら見ていきましょう。

実行環境・条件

実行環境
・windows10 Home 64bit
条件
・使用データ：10000行のCSVデータ
・使用データの列：index,学生ID,A-E 5教科の点数(0-10000)
　※ある試験を受けた学生10000人の成績一覧をモデルとしています

DataFrameの強さ

DataFrameの強さは簡単な処理で、かつ高速でデータを処理できる点です。

平均値を求める場合

後ろに列を追加して、平均値を代入する処理を実装します。
listだと下記の処理を組むことになります。

“`python
for idx, row in enumerate(list):
row.extend

オープンソースのpipパッケージにloggerを入れて動作解析する

# 概要
– ソースが公開されているpipパッケージの動作を調べるため、logger入りのパッケージを作って、ローカルからインストールします。

# 今回の対象
– django-allauth 0.44.0

# 準備

– 現在インストールされているバージョンを確認
– `pip list | grep django-allauth`

– ソースコードをGitHubからclone
– `mkdir django-allauth-with-log && cd django-allauth-with-log`
– `git clone https://github.com/pennersr/django-allauth.git`
– `cd django-allauth`

# ローカルからpipでインストールする手順の確認

## バージョン番号の変更

– `vi allauth/__init__.py`

“`
#VERSION = (0, 44, 0, “dev”, 0)
VERSION = (0, 44, 0, “dev”, 99)

【手順メモ】Python3+OpenSSLをUbuntu上でローカルインストールする

管理者権限がなくてもOpenSSLエラーを解決しつつPython3をローカルインストールする手順。

目次

• 動機
• 環境・条件
• 手順
  1. 必要ファイルのダウンロード
  2. OpenSSLのインストール
  3. tcl, tkのインストール
  4. pythonのインストール
  5. 最終確認
• エラー集
• 参考・関連ページ