Python関連のことを調べてみた2021年09月02日

python3でコーディングテストに受かるための自分メモ[9/2] (break, continue, pass)

### ループから抜けたい
pythonでループから抜けたり、処理をスキップする処理について
##### break
pythonでループ処理そのものからから抜け出したい場合は
breakが使える
##### continue
ループ処理の現在のループを抜けて次のループに移動したい場合は
continueが使える

####新情報
##### pass
処理が決まっていない時などに、passを使うことで
通常if文の中は1行何かしらの処理がなければいけないが
passを書くことができる。
passは名前どうり処理をpassするだけなので
passの後に処理を書くとその処理は実行されてしまう。
使い方として、処理が確定していないときに書くのが良いだろう。

#### goto系のジャンプはできないのか
結論できる。
moduleをインポートする必要があるのでバニラのpythonではできないので、
今回のテスト対策では必要ないだろう。

量子情報理論の基本：マジック状態蒸留

$$
\def\bra#1{\mathinner{\left\langle{#1}\right|}}
\def\ket#1{\mathinner{\left|{#1}\right\rangle}}
\def\braket#1#2{\mathinner{\left\langle{#1}\middle|#2\right\rangle}}
$$

## はじめに

誤り訂正符号を使ってユニバーサル量子計算を行うためには、「(1)論理パウリ演算」「(2)論理CNOT演算」「(3)論理アダマール演算」「(4)論理位相シフト演算」の各々を誤り耐性がある形で構成する必要があります。このうち、(1)(2)(3)は1量子ビットに対する（単体の）クリフォード演算(X,Y,Z,H,CNOTゲート)だけで実現できます[^1]。が、(4)については単体のクリフォード演算(X,Y,Z,H,CNOTゲート)以外に、十分に精度の高い特別な状態「マジック状態(magic state)」をアンシラとして用意しないと実現できません[^2]。今回の記事では、このマジック状態を作成する手法である「マジック状態蒸留(magic

Jupyter Notebookで作業する際の注意点(備忘録)

#1.この記事の内容

Jupyter Notebookで作業しない期間が空いたりすると忘れることがあるので，本記事に集約していく予定です．

#2. 備忘録
##2-1. 自作モジュール更新の自動反映方法
Jupyter Notebookで自作モジュール使用する際に，下記autoreloadの設定をしておかないとモジュールの更新が自動反映されないので，注意が必要です．

“`
%load_ext autoreload
%autoreload 2
“`

[2016年の古い記事(stackoverflow)](https://stackoverflow.com/questions/40407090/nameerror-name-pd-is-not-defined)では，メニューバーの[Kernel] → [Restart & Clear Output]を実行する回答がされていますが，[iPython公式](https://ipython.readthedocs.io/en/stable/config/extensions/autoreload.html)にも書かれているautore

エ□ゲーマーのための機械学習

どうも、**fripSideは南條さんよりnaoさん派**
白金御行＜プラチナ☆みゆき＞です。


ところで、皆さん好きな曲ってどうやって見つけていますか？

簡単に思いつくのは、

– 好きなアーティストの過去の曲を調べる
– 同じゲームやアニメの収録曲を調べる

くらいかと思いますが、これでは**偶発的な発見**が期待できませんね。
好きなアーティストや、好きなゲームがすでに存在していないといけないですし、新しい発見も好きなアーティストやゲーム内に閉じてしまいます。

そこで今回は偶発的な発見に有効な**リコメンドシステム**について書いていこうかと思います。

AmazonやYoutubeなどがおすすめ欄に搭載しているアレですね。
アニメや書籍のリコメンドシステムを作った人はいくらでもいると思いますが、過去にエ□ゲソングのリコメ

pyusb 1.0 ドキュメント日本語訳(2021年)

#ブツ
ブツはコチラ。

https://pyusb-docs-ja.readthedocs.io/ja/latest/index.html

## 本家とちょっと違います
本家のドキュメントはapiはdocstringを自分でpydocなりして読んでねということでapiリファレンス載せなくなっちゃったので、autoapiして掲載しました。

#以下作り方メモ
興味ある人だけどうぞ。

## sphinx-intlまで
本家(?)pyusbをforkします。

名前をpyusb-docs-jaにしました。

branch切ります。docs-ja 以降docs-ja branchで作業します

venv環境造ります。 `python3 -m venv venv`

activateしてpip -U pip, sphinx, sphinx-intl, sphinx-autoapi

元々あるdocsフォルダにsphinx環境造ります。

READM.rstを `ln -s ../README.rst` しておきます。

conf.py編集してsphinx-intl対応しておきます。

.g

Mediapipeで手の形状検出を試してみた(Python)

画像を取り扱う練習として面白そうなものを探していたところ、Mediapipeを使った検出が面白そうだったので、下の公式ガイドを見ながら手の検出をPythonで実装してみました！

https://google.github.io/mediapipe/solutions/hands.html

#準備

作業環境のファイル構造は下記のようにしています。コードはJupyter Notebookで行っています。

“`
file/
├─ notebook.ipynp
├─ hands/
│ └─ hand1.jpgなどの静止画データ
├─ annotated_hand/
└─ hand_movie/
└─ hand_movie.mp4などの動画データ
“`
notebookを開いて必要なライブラリをインポートしました。

“`python
#ファイル名の取得に使用
import os
#画像処理に使用
import cv2
import mediapipe as mp
#静止画表示に使用
import matplotlib.pyplot as plt
%matpl

AI Quest2021のアセスメントでfolium使ってみました

###はじめに

現在、自動車部品メーカーでエンジニアをしております。
今年の5月からAidemyを受講し、Pythonの機械学習を学び始めた初学者になります。
最近データビジュアライゼーションを勉強中で、2021/8/9に締め切られたAI Quest2021アセスメントのデータをfoliumを使ってみました。
今回foliumを使ってみると思ったよりも色々考察できそうなところがありましたので、投稿しました。

アセスメントの解法については、shu421さんが、ご丁寧解説されているので、そちらをご参考ください。

https://qiita.com/shu421/items/b77a16817372e8be87ec

###foliumを使ったEDA

“`python
train_df= pd.read_csv(‘../input/train.csv’)
test_df= pd.read_csv(‘../input/test.csv’)
““

“`python
#各都市にデータを振り分け
train_LA = train_df.loc[train_df.city ==

AtCoderでPythonを使ってTLEするときにやることリスト

どんな改善点があるかを思い出すためのリストです。細かい説明はしません。

– PyPy として提出する
– 逆に Python として提出する（再帰、文字列、タプルが多いコードで有効？）
– `input` を `sys.stdin.readline` に置き換える
– `in List` を `in Set` に置き換える
– 累乗の計算は `pow` を使う
– `2**n` を `1<)` も書く
– `heapq` に追加する要素はリストでなくタプルにする(ダイクストラとか)
– `bisect` が遅いときは二分探索を書く
– 二次元リストを作るとき外側のリストの方が小さくなるようにする
– `Counter+Counter` を `Counter.update(Count

Pythonでデータ分析（回帰分析と決定木）

##～連続量もしくは 0/1データ の結果を予測する～
– 2020/9/2：決定木の分析過程の説明を追加

　
##はじめに
Pythonでデータ分析・・・私にとってはマダマダ夢物語に近いが、こんな私でも「見よう見まねでできるようにはなるかも？！」という気にさせてくれるのが、『データサイエンス塾!!』さんの動画だ。

https://www.youtube.com/c/nishimaki

多くの動画をアップしておられるが、再生リストのなかに「とてもよくわかる機械学習の基本」というタイトルの再生リストがあり、

このなかで「重回帰分析」「ロジスティック回帰分析」と「決定木」が取り上げられた動画#4～#6について、私が倣って実施してみた備忘を記録するもの。

　
***
###実行条件など
>・**Google colab**で実行

https://toukei-lab.com/google-colaboratory

***
###概

Pythonでデータ分析（特異値分解とクラスタリング）

###～複数の評価尺度で点数づけされたデータをシンプルにしたり、グルーピングしたりする～

***
###はじめに
Pythonでデータ分析・・・私にとってはマダマダ夢物語に近いが、そんな状況の私でも「見よう見まねでできるようにはなるかも？！」という気にさせてくれるのが、『データサイエンス塾!!』さんだ。

https://www.youtube.com/c/nishimaki

多くの動画をアップしておられるが、再生リストのなかに「とてもよくわかる機械学習の基本」（全11の動画）というタイトルの再生リストがあり、

同じデータが扱われている動画#1～#3について、私が倣って実施した備忘として記録するもの。

　
***
###実行条件など
>・**Google colab**で実行
・**一部のコードだけ変更**させていただいています
※あるグラフをseaborn+層別で描きたかった等によるものです。**データサイエンス塾!!さん、すい

pandasで気象庁のアメダスデータをスクレイピング

気象庁ホームページのの過去のアメダスデータから、Pythonでデータを取り出すことを考える。例として[福岡県八幡の1983年の月ごとの値のページ](https://www.data.jma.go.jp/obd/stats/etrn/view/monthly_a1.php?prec_no=82&block_no=0780&year=1983&month=&day=&view=)の合計降水量を取得してみる。

Pythonでデータを取り出す(スクレイピングする)方法は色々あるが、ここでは[pandas](https://pandas.pydata.org/)の[read_html](https://pandas.pydata.org/docs/reference/api/pandas.read_html.html)を使って簡単にやってしまおう。HTMLを解

コロナワクチン予約システムに自動ログインして予約可能会場があったら音を鳴らす

#ログインしてチェックボックスにチェックを入れるだけの簡単なコード
– こんなURLの自治体じゃないと対応してないと思います
– https://vaccines.sciseed.jp/${市とか区が入るっぽい}
– [澁谷だとこんな感じの予約サイト](https://vaccines.sciseed.jp/shibuya/login)
– これをurl1に入れてね

##コード

“`python
import time
from selenium import webdriver
from selenium.webdriver.chrome.options import Options
import winsound

# 接種券番号とか入れてね
account = ”
password = ”
url1 = ”
url2 = f'{url1}department/search’

def login_kakunin():
driver.get(url1)
time.sleep(5)
# login
id = drive

議事録ファイルをPython正規表現置換でDBに突っ込むINSERT文を作る

例えば、こんな文章

第１回 スーパーシティ型国家戦略特別区域の区域指定に関する専門調査会（議事要旨）

https://www.chisou.go.jp/tiiki/kokusentoc/supercity/senmonchyousakai/dai1/gijiyoushi.pdf

（議事本題の前の部分や、フッタの「第１回 スーパーシティ型国家戦略特別区域の区域指定に関する専門調査会」は削除、前半数ページ抜粋）

“`
○喜多参事官 ただいまより「スーパーシティ型国家戦略特別区域の区域指定に関する専
門調査会」を開会いたします。
会議の出席者はお手元の資料を御覧ください。
初めに、坂本大臣より発言をよろしくお願いいたします。
○坂本大臣 本日は、お集まりいただき誠にありがとうございます。
近年、AIやビッグデータを活用し、社会の在り方を根本から変えるような都市設計の動
きが国際的に急速に進展しています。しかしながら、世界において、いまだ「丸ごと未来
都市」は実現されていません。我が国のスーパーシティは住民が参画し、住民目線で2030
年頃に実現される未来社会の先行実現を目指す

[PyTorch1.9.0]LSTMを使って時系列(単純な数式)予測してみた

# 0. はじめに
初めてLSTMの実装をしていく中で苦労した点をまとめてみました．
LSTMがどういう仕組みで予測を行っているかというところは，本を読む方が良いと思いますので，私はLSTMの実装方法を中心に書きました．
特に私はデータセットの作り方やLSTMに入力するデータの形をどうするかというところに苦労したので，各処理で扱っている配列の形と中身をしっかりと書くことでデータの流れを分かりやすくなるように意識しました．
コードの説明は，基本的にコードのブロックの上で説明するようにしています．したがって説明が見たいコードのブロックがあったらその上の文章を読んでいただければ良いと思います．
## 事前知識
全てのコード1行ずつ説明するのは中々困難ですので，以下の知識があることを前提に書かせていただきました．

– PyTorchの基礎的な書き方
– `torch.Tensor().to()`　の使い方
– `train()`, `eval()`で学習と推論のモードを切り替えること(このプログラムではdropoutやbatch normalizationを使っていないのであ

国会議事録を可視化するツールをつくってみる

# やりたいこと
最近、コロナ禍のあれやこれやを背景に、国会ではいったいどんなことが話されているのだろう、と色々気になるようになりました。
調べてみると、国会議事録はAPIを用いて比較的容易にアクセスが可能とのこと。
せっかくなので、色々と勉強しながら**スクレイピング**⇒**加工**⇒**ツール上で可視化**をやってみました。

# 出来上がったもの
スクレイピングで国会議事録データを取得したのち、
こんな感じ↓で国会ごとの発言をワードクラウドで可視化しています。
対象：今年6月に行われた第204期国会党首討論会（国家基本政策委員会合同審査会）
ボタンを押すと次（前）の発言に移ります。

（ボタン押した後のラグがちょっと気になりますね）

ワードクラウドだけだと文脈が分かりにくいので、タブ切替で原文も見れるようにし

Algorithmためのデータ構造をPythonで実現しましょう。

Data Structureはいろいろありまして、それはどうやってPythonで実現できますかをシェアしていきます。
あまりにも多くて、これからどんどん更新していきたいと思っています。

今回はLinear Structureについて、(簡便のため今後LSと書きます。)

LSは簡単に言うと、電車や新幹線みたいな感じですね。また、LSには4種類に分けられて、
– Stack
– Queue
– Deque
– List
があります。今後一個一個で説明しますが、ざっくりって言うと、dataの増減方式が違います。どんなイメージというと、


例えば、あるデータがこのLSの頭からしか入れない、またはtailしか入れないなどがあります。

では、今回はStackというデータ構造、そしてpythonならどうやって実現するのかを説明します。

## St

【Django】Djangoで静的ファイルをS3に保存する一番簡単な方法【AWS S3】

# Djangoで静的ファイルをS3に保存する一番簡単な方法

調べたらカスタムストレージクラスを作る方法がいろいろ出てきたけど意味不明だったので自分用に。
多分これが一番簡単だと思います。

**【参考】**
– [Django mediaファイルとAWS S3](https://qiita.com/sand/items/b897aa47c304b7fbdcb5)
– [django-storages](https://django-storages.readthedocs.io/en/latest/backends/amazon-S3.html)

## pyをいじっていく

### 1. models.py , forms.py

一般的な方法でPhotoモデル,Photoformモデルを作成する
自分はDjnagoBrosというサイトで紹介されている写真投稿サイトを作って、それを改造する形で実装しました。

### 2. project_name/urls.py

本番環境想定の設定にしてみる

“`py
if settings.DEBUG:
urlpatterns

Python を Selenium の ChromeDriver でドロップダウンリストを指定する

## スクレイピングでドロップダウンリストを指定したい
### 1. 環境

| 内容 | バージョン |
|:-|:-|
| OS | Windows 10 Pro (64bit) |
| Chrome | 92.0.4515.159 |
| ChromeDriver | 92.0.4515.107 |
| Python | 3.9.0 |
| selenium | 3.141.0 |

+ Visual Studio Code

| アイテム | バージョン |
|:-|:-|
| バージョン | 1.59.1 (user setup) |
| コミット | 3866c3553be8b268c8a7f8c0482c0c0177aa8bfa |
| 日付 | 2021-08-19T11:56:46.957Z |
| Electron | 13.1.7 |
| Chrome | 91.0.4472.124 |
| Node.js | 14.16.0 |
| V8 | 9.1.269.36-electron.0 |
| OS | Wind

【discord.py】VCに入ってるメンバーの一覧を取得する方法【python】

コード自体はかんたんだったんですけど、ちょっとだけハマったのでメモ。

“`python
members = [i.name for i in message.author.voice.channel.members]
“`

これで`members`変数にVCにINしているメンバーが入ってきます。

例えば組分けしたい場合は、

“`python
members = [i.name for i in message.author.voice.channel.members]
random.shuffle(members)

party_num = 2
team = []
# チーム分け
for i in range(party_num):
team.append(“=====チーム”+str(i+1)+”=====”)
team.extend(members[i:len(members):party_num])

print (‘\n’.join(team))
“`

こうすることで、

“`
=====チーム1=====
homo
チャット
reaper

python kerasダウンロードエラー　解決　（記録）

##pip install kerasで発生したエラー
問題：インストールできない

“`
ERROR: Could not install packages due to an OSError: [Errno 2] No such file or directory: ‘C:\\Users\\spide\\AppData\\Local\\Packages\\PythonSoftwareFoundation.Python.3.9_qbz5n2kfra8p0\\LocalCache\\local-packages\\Python39\\site-packages\\tensorflow\\include\\external\\com_github_grpc_grpc\\src\\core\\ext\\filters\\client_channel\\lb_policy\\grpclb\\client_load_reporting_filter.h’
HINT: This error might have occurred since this system does not have