Python関連のことを調べてみた2021年03月18日

Python PyAutoGUIを使ってスクリーンショット

# Python PyAutoGUIを使ってスクリーンショット

## PyAutoGUIをインストール

https://github.com/asweigart/pyautogui

“`
pip install pyautogui
“`

## スクリーンショット

“`
import pyautogui

def main():
# 全体
screenshot = pyautogui.screenshot()
screenshot.save(“/tmp/samp1.png”)
　　
# 範囲指定
screenshot = pyautogui.screenshot(region=(100, 200, 1500, 875))
screenshot.save(“/tmp/samp2.png”)

if __name__ == “__main__”:
main()
“`

## 結果

*全体*
![samp1.png](https://qiita-image-store.s3.ap-northeast-1.amazo

Python PyAutoGUIを使って自動マウス操作

# Python PyAutoGUIを使って自動マウス操作

## PyAutoGUIをインストール

https://github.com/asweigart/pyautogui

“`
pip install pyautogui
“`

## マウス移動

### 相対座標移動

現在の場所から指定したピクセル分、マウスを動かす方法
`duration=5`は5秒かけて移動
tweenも設定可能
easeOutQuad・・・最初を遅く、最後を早く
easeInOutQuad・・・最初と最後を早く、道中は遅く
easeInBounce・・・最後に跳ね返る
easeInElastic・・・最後にゴムバンドのような動き

“`Python
import pyautogui

def sample1():
p = pyautogui.position()
print(p)
pyautogui.moveRel(500, 500, duration=10, tween=pyautogui.easeOutQuad)
p = pyautogui.posit

探索的データ解析（EDA）のためのautovizを試してみた

* 製造業出身のデータサイエンティストがお送りする記事
* 今回は、探索的データ解析（EDA）の一つであるautovizを試してみた。

##はじめに
探索的データ解析（EDA：Exploratory data analysis）は、機械学習などのデータ分析業務を実施する際に、データの理解を目的として実施する作業を指します。
つまり、現場の問題を解決する際に、どのようなデータセットを扱っているのか、どのような状況にあるのかを、しっかりと理解するのが重要であり、探索的データ解析は上記を目的とした作業です。
過去には下記ライブラリーを使用した方法を整理しておりますので、参考にしてください。
* [Pandas-profiling](https://qiita.com/DS27/items/033193b452a17739b952)
* [sweetviz](https://qiita.com/DS27/items/178416f5ccf3a86db4e6)

##autoviz実行例
今回は、探索的データ解析ツールの一つである「autoviz」を使ってみようと思います。

今回もUCI M

Pythonのクラスを理解する【備忘録】

Pythonのクラスを学習したんで、その備忘録をつけていく

## クラスの書き順

1. `class クラス名:` でクラスを定義する
2. `def __init__(self,引数)` で初期設定？設計書？を定義する
3. `self.属性名` で属性(プロパティ)を与えていく

### クラスの書き方例

“`python
class Persson00:
def __init__(self,name,age):
self.name = name
self.age = age
“`
これで実行すると、クラスが定義される。
まだ定義しただけなので、特に何も起きない。
なので、定義したクラスを使える処理をしていく。

## インスタンスの作り方

1. `インスタンス名 = クラス名(引数)` でインスタンスを定義。
2. `インスタンス名.属性名` でインスタンスを実行できる。

### インスタンスの実行例-その１-

“`python
#上で書いたクラスを使ってます

mittsu00 = Persson00(“みっつ”

今日からPYTHONやめます

これまでPython一辺倒でやってきましたが、いろいろあって辞めることにします。

# 理由
* flask,djangoは十分に使えるスキルを得ており、いつでも最終手段を講じれるから
→　これまでのEXCEL+VBA+ACCESSの置き換えとして、完全にPandas+SQLAlchemy+WEBが使えるようになったからです

* DeepLearningのためにPython一択で考えてきたが、AIフレームーワークという枠組みの中でのCording自体は、非常に単純なライブラリコールに過ぎず、その程度のPythonであれば、読み書き自在のレベルに達したため

* WEB-APP開発においては、Pythonはフロントエンドには成れず、結局はHTML+CSS+JSの習得が必須なため　→ バックエンドがREST-API開発に特化されていく現状では、Python一択の意味が無くなってきている。

* VUE.JSによるWEBフレームワークの充実により、PythonのWEBフレームワークのニーズは、ますます減ってくると予想され、いっそうJavaScriptのスキルが重要になってきている。

*

GNU Radioを使用した周波数変調方式（FM）レシーバのデザイン

入門ガイド(https://reference.digilentinc.com/reference/programmable-logic/b205mini/getting-started)ではGNU Radioを使用したFMラジオレシーバのデザインについて簡単に順を追って説明します。ソフトウェアドライバーとGNUラジオのLinux OSへのインストール方法、リアルタイムDiscrete Fourier Transform（DFT:離散フーリエ変換）の実行例、FMラジオレシーバをゼロから作成する方法についてそれぞれ学ぶことができます。


FMレシーバは変調信号（つまりVHF帯域の電波）の入力から20 Hz〜20 kHzの幅のオリジナルの音声信号を生成します。まず初めに、ターミナルでGNU Radio Companionが開きます。それからSamp

Python: PyShorteners で短縮URLを簡単に作る

https://dev.to/theinsightfulcoder/create-your-very-own-url-shortener-expander-using-python-4nfd

PyShorteners というやつで非常に簡単にURL短縮ができるらしい、というメモ。
[記事の筆者のソースはこちら](https://github.com/SaiAshish-Konchada/Python-Projects-for-Beginners/tree/main/URL%20Shortener%20%26%20Expander)。

## PyShortenersとは

https://pyshorteners.readthedocs.io/en/latest/
`pip install pyshorteners` して使う。

>pyshortenersは、最も有名なURL Shortenersを使ってURLを短縮したり拡張したりするのを助けるPythonライブラリです。pyshortenersを使うと、短いURLを生成したり、別のURLを拡張したりすることが、次のように

JuliaからPyCall.jlを使ってPythonのModellerパッケージを動かす

最近プログラミング言語のJuliaを勉強し始めていて、JuliaからPyCall.jlを使ってPythonのModellerをimportして使えたらいいな〜と思ったので、その時の作業記録を残します。また、`pycall`や`pyimport`を使う必要性があったことについても述べます。

Modellerのサンプルスクリプトは公式のものを含め色々存在していますが、ここでは私のMDシミュレーションのチュートリアル記事である[MDシミュレーションのチュートリアル〜PDB: 1LKEの場合〜](https://qiita.com/Ag_smith/items/2fe20010915ace67ed0a)で使われている`align.py`をJuliaから使えるようにしてみます。動作に必要な`1LKE_truncated.pdb`, `alignment.ali`は事前に用意しておきます。

## 動作環境

– Julia 1.5.3
– Conda v1.5.1
– PyCall v1.92.2

## 元となるpythonのコード

以下の`align.py`を題材にします

CSVファイルでPythonからC++への行列データの受け渡し

#はじめに
Pythonで計算した結果の4×3の行列を,C++から読みたいと思い、その方法をまとめました。

#書き込み(Python)

“`Python:write.py
import csv

data = [[1,2,3,4],[5,6,7,8],[9,10,11,12]]

with open(‘test.csv’, ‘w’) as file:
writer = csv.writer(file, lineterminator=’\n’)
writer.writerows(data)

“`

#読み込み(C++)

“`c++:read.cpp
#include
#include
#include
#include
#include

std::vector split(std::string& input, char delimiter)
{
std::istringstream stream(input);
std::s

UbuntuにCUDA, Python対応したdlibを入れる

# 概要
下記の良記事とやってる内容はほぼ同じですが、Ubuntu & pip 限定で少しだけ手順を簡略化。

https://qiita.com/FXsimone/items/4864ff695d7599491ca8

違いとしては

+ CUDA のインストールは “`apt“` でやる
+ dlib のコンパイルは “`pip“` でやる
+ gcc-8 を使う （cuDNN8 が gcc-9 以上に対応してなかったため）

# 依存パッケージのインストール
まずは

“`
sudo apt install nvidia-cuda-toolkit cmake gcc-8
“`

次に、cuDNN は “`apt“` で導入できないので、[公式サイト](https://developer.nvidia.com/rdp/cudnn-archive)から入手する。上で入れた nvidia-cuda-toolkit のバージョンを確認し、それに対応した deb パッケージをダウンロードしてインストールする。例:

“`
sudo dpkg -i libcudnn8_8.

日時でラグ特徴量を作る（日付でシフトと集計）

テーブルデータにおける時系列予測では, ラグ特徴量 (shift & rolling)を作る事がよくある.
これまでは, 単純に行数でシフトすればよい場合のみを扱ってきたが, 日付でシフトして日付で集計する需要が出てきた.
これが案外苦労したのでメモとして残しておく.

次のデータを例に説明する.

“`python
df = pd.DataFrame({
“date”: [“2021-04-01 10:04”, “2021-04-01 12:03”, “2021-04-02 14:40”, “2021-04-03 2:01”
, “2021-04-05 5:02”, “2021-04-07 1:16”, “2021-04-10 11:20”, “2021-04-14 23:30”],
“target”: [1,5,7,2,3,7,9,3],
})
df[“date”]=pd.to_datetime(df[“date”])
“`

![table.png](https://qiita-image-store.s

経済は難しいが役に立つ　～経済インデックスを集めてみよう

0. 何を使う
————-

Language: Python
IDE: repl.it (https://replit.com/)
DB: pyrebase (flask + firebase)
framework: flask

1. 環境設定
————-
https://replit.com/　
から言語をpythonに設定して新しいreplを作成する。

2. パッケージインストール
————-
パッケージアイコンをクリックして requests (Python HTTP for Humans)をクリックしてインストールする
![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/1070645/0e

【PyTorch】VAE + Wasserstein-GAN

今回はいつも以上にPyTorchよくわからん！けどなんとか動かす！感が満載です。

#目次
飛べます
・[今回はVAE+GAN](#今回はVAE+GAN)
・[GAN](#GAN)
　- [Wasserstein-Gan(W-GAN)](###Wasserstein-Gan(W-GAN))
　- [識別器の学習](###識別器の学習)
　- [生成器の学習](###生成器の学習)
　- [超ポイント1](###超ポイント1)
　- [超じゃないけどまぁまぁポイント](###超じゃないけどまぁまぁポイント)
・[実装](#実装しまーす)
　- [パラメータと最適化関数の設定](###パラメータと最適化関数の設定)
　- [FeedForward](###FeedForward)
　- [目的関数](###目的関数)
　- [識別器の学習](###識別器の学習)
　- [VAEの学習](###VAEの学習)
　- [敵対学習](###敵対学習)
・[超ポイント2](#超ポイント2)
・[超ポイント3](#超ポイント3)
・[動かしてみた](#動かしてみた)

#今回はVAE + GAN

tqdmでメモリリークにハマった話（機械学習）

# 事件

PytorchのResNetモデルを使って画像の訓練をしていたら、エポックのループ毎に、CPU / GPUメモリ両方の使用率がガンガン上がっていく事件に遭遇した。

# 解決方法（tqdmの使い方）

tqdmは、進捗をプログレスバーで表示してくれる便利なライブラリだが、そこに落とし穴があった。

“` python
import tqdm

# 訓練画像の data loader をループを回す
for x in tqdm(loader):
y = model(x)
“`

このような書き方をすると、tqdmがloaderを参照したままになり、メモリが解放されない。

正解はこれ。

“` python
tqdm(loader) # ダメ
enumerate(tqdm(loader)) # ダメ
tqdm(enumerate(loader)) # OK
“`

enumerateでラッパーしてからtqdmを噛ませるのが正解。

更にイテレータの長さを渡して、

“` python
tqdm(enumerate(loader)

Dockerfileにmatplotlibで日本語表記ができる設定を書いた

## はじめに
docker環境でwebアプリ開発をしていたのですが、そこに図を表示してみたくなってmatplotlibを入れました。しかしなぜか日本語表記が出来なくて手こずったので、その記録として残します。
他の記事をいろいろ探しましたが、jupyterのdockerイメージを使っているものが多く、ubuntuを使っているものが見つからなかったので、誰かの役に立てば嬉しいです。

参考にさせていただいた記事:
[Docker環境のPythonで日本語を使用できるように](https://qiita.com/e4Rl97/items/2b940b4354670ead3eb9)

## Dockerfile

“`dockerfile:dockerfile
FROM ubuntu:18.04
RUN apt-get -y update \
&& apt-get -y upgrade \
&& apt-get install -y locales curl python3-distutils \
&& apt-get install -y unzip\
&

linebotとyoutube_dlとpydriveを連携させてみた

#Linebotの活用法を考える
youtubeなどの動画をダウンロードするときなにつかってますか？
スマホからだとダウンロードしにくいし、広告多くて…ということでLineからダウンロードするbotを作ってみました。
くそ適当なコードです。
※著作権等に配慮してください。
※技術目的であり、違法DLなどの助長目的ではありません。

##必要なもの
PyDrive
google-api-python-client
youtube-dl
ffmpeg
httplib
mutagen
もしかしたらまだ必要なのあるかも。。

##youtueから動画を取得する
youtubeから動画を取得するにはyoutube_dlというものを使用します。
>https://github.com/ytdl-org/youtube-dl

こちらを使い適当にコードを書きます。

“`python:hoge.py
url = “hogehoge.jp”
outtmpl = ‘%(title)s.%(ext)s’
down_dir = “download/”
os.makedirs(down_dir, exi

Pythonで定数を宣言したい（n番煎じ）

# TL;DR
– [1] Constantクラスを定義する（下記のコードコピペ）．

“`Python
class ConstantError(Exception):
“””Constantクラスの例外”””
pass

class MetaConstant(type):
“””Constantクラスのメタクラス”””

# __init__関数置き換え用の関数
def _meta__init__(self, *args, **kwargs):
raise ConstantError(“Can’t make instance of Constant class”)

def __new__(cls, classname, bases, dict):
# 定数クラスのインスタンス生成を禁止
dict[“__init__”] = cls._meta__init__

# 継承時の定数再定義を禁止
const_names = [name for name in

【Python】 Worksheet.column_dimensions列幅(行の高さ)を調整する。

pythonを使用してExcelファイルの操作を勉強しています。
本日の気づき(復習)は、罫線に関してです。
pythonでExcelを操作するため、openpyxlというパッケージを使用しています。

今回は前回の復習(日報作成)から約一か月ということで(適当)
いままでの勉強内容を含め再度の復習もかねて、表に罫線を引きたいと思います。


上記のようなブック「商品リストを」


この様な表に変更したいです。

# Worksheet.column_dimensions

“`python
# 列の幅を

【個人開発】ライブのタイムスケジュールを自動作成するサービスを作りました

##概要
こんにちは。
この度、**ライブイベントのタイムテーブルを自動で作成するサービス**を開発しました。

↓作ったサービス
**[Stagio(ステージオ)](https://www.stagio.jp)**

【業界初】

遂に「アカペラライブのタイムスケジュールを自動で組む」機能を実現しました！
出演可能時間やメンバー被りを考慮して最適な出演順を計算できます。
タイムスケジュール組みに苦労している全てのライブ運営スタッフに届け！https://t.co/QU8eNz43Iy#アカペラ Pythonでアナログ時計を作る

# はじめに
なぜか急にアナログ時計アプリが欲しくなったので衝動的に作りました。せっかく作ったので、作り方を紹介しようと思います。
言語はタイトルにある通りPythonです。

コード全体はgithubで公開しています。

できあがりはこんな感じです！

# 環境
– Python3.7

# 必要なモジュールのインストール
事前にpyqtgraphとnumpyをインストールします。

“`
pip install pyqtgraph numpy
“`

# ウインドウを定義する
以下のコードを実行すると真っ黒なウインドウが表示されます。このウインドウにアナログ時計を描画していきます。

“

元記事を表示