Python関連のことを調べてみた2022年01月16日

超初心者が２週間でpythonエンジニア認定基礎試験に合格してみた

超初心者が２週間でpythonエンジニア認定基礎試験に合格してみた

★合格者のスペック★
・国公立大学文系卒業
・業務でpythonは全く使用しない
・2021年12月25日から勉強を開始して、2022年1月15日に合格

★勉強期間★
3週間
平日に２時間、休日は５時間程度実施

★勉強手順★
書籍スッキリわかるPython入門を2時間程度で流し読み
→この段階ではわからなくてもOK

書籍スッキリわかるPython入門から大事そうなところをノートにまとめる
→わからなくてもとりあえずノートに書くことを意識

Jupyter Notebookで遊んで動かしてみる。
→まとめてというよりも、読んでいる途中途中で書いて、動かして自分を感動させる

UdemyのPython初心者講座を購入し、2倍速で流し見＋コードを書く
→とにかく流れをつかむ

過去問サイトで繰り返し演習（合計１０回以上は回答した）
→ほかのみなさんがあげている某サイトを使用。演習はこれだけでＯＫ。

過去問の解説は、ググる、もしくはyoutubeで解説をあげてくださっている方がいるのでそれを見る
→この、自分に適した

最新の機械学習モデルはライブラリに集約されつつある Detectron2の使い方

#最新の機械学習は、Pytorchのラッパーライブラリを使うケースが多い

ObjectDetectionタスクのモデルであれば、mmdetectionやdetectron2などのpytorchラッパーを通して使われていることが多い。
例えば、FaceBookResearchのモデルは、FaceBookReseachが使いやすいdetectron2を通して発表している。
以下のモデルはdetectron2で使えるモデルである。
>DensePose: Dense Human Pose Estimation In The Wild
Scale-Aware Trident Networks for Object Detection
TensorMask: A Foundation for Dense Object Segmentati

UV インデックスセンサー (VEML6075) を Raspberry Pi で使ってみる

[VEML6075](https://www.adafruit.com/product/3964) という UV インデックスセンサーを入手して Raspberry Pi で動かしてみました。UV インデックスセンサーの比較は英語ですが[ここ](https://wolles-elektronikkiste.de/en/uv-sensors-and-sensor-modules) が詳しそうです。UV インデックスの数字の意味に関してはこのあたりが参考になります。

https://www.data.jma.go.jp/gmd/env/uvhp/3-50uvindex_manual.html

しかし Adafruit をはじめ既に VEML6705 の製品はほぼ売っていません。[SI1145](https://www.adafruit.com/product/1777) や [GUVA-S12SD](https://www.adafruit.com/product/1918) なら引き続き販売されているようですが Adafruit の SI1145 ページにも VEML6075 を推奨

DeepL API Freeを使用して翻訳してみる

# はじめに
新年早々、Netflexに加入しまして、以前からネットとかで海外ドラマのフレンズが英語の勉強にいいという噂は耳にしていたので、今年は素直にやってみようと思った次第です。
フレンズは1話あたり22分でシーズン1〜10まであり、全部で236話あるそうです。1日1話ずつ観ても8ヶ月くらいかかります。
フレンズの脚本のスクリプトも見ることができます。ただし、日本語訳はついていません。

https://dramadeenglish.com/friends_script_list/

http://livesinabox.com/friends/scripts.shtml

# DeepL API
DeepLは、口語に近い文章に訳してくれるということで、フレンズを訳すのにちょうど良いかなと思って、ちょっとしたアプリケーションを作る上でDeepL APIを試してみたくなりました。

## 準備
### 1.開発者向けのアカウントを登録
DeepLAPIを使うためにDeepLProアカウントを作ります。
https://www.deepl.com/pro#developer

姓名メー

APIを利用して住所から郵便番号を表示するための構築

##　はじめに
年があけ年賀状がちらほら届き「『さて郵便番号を書いて返信してやろうか』って、コイツ郵便番号書いてねぇぞ」となりましてググれば一発のところ、『住所を入力して郵便番号を逆引きできればな』と思い立ち、今回のハンズオン構築を行ってみました。

##　参考資料
参考リンクには今回利用したAPIのホームページURLです。『郵便番号から住所の検索するAPI』は日本郵便様始め結構見つかったのですが『住所から郵便番号』はなかなか見当たらなかったのですが大変助かりました。

__[HeartRails Geo API](https://geoapi.heartrails.com/)__
出典:「位置参照情報」(国土交通省)の加工情報・「HeartRails Geo API」(HeartRails Inc.)

##　構成図
![スクリーンショット 2022-01-16 10.18.28.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/694365/7449b5be-91b9-0e76-c018-2000f77

Dynamoで地震応答解析

#目次
[1. はじめに](#1-はじめに)
[2. ライブラリのインストール](#2-ライブラリのインストール)
[3. 地震応答解析](#3-地震応答解析)
[4. グラフの出力](#4-グラフの出力)
[5. おわりに](#5-おわりに)

#1-はじめに
構造系ではGrassHopperが人気ですが、Dynamoでも簡単な応答解析ができないか試してみます。あえてDynamoを使うメリットはとくにないです。

#2-ライブラリのインストール
Pythonで使う外部ライブラリをインストールします。

__1. はじめに Dynamo を起動し、下記のコードで CPython のバージョンを確認します。__

“`Python3:PythonScript
import sys
OUT = sys.version
“`

__2.

【モンティーホール問題】初心者が数学の問題をPythonで解く

#概要

数学の問題に「モンティーホール問題」というのがあります
これをPythonで統計を取って解いてみるということをします

注意）結構アバウトに検証します。

#モンティーホール問題とは

Wikipediaからの引用です

>モンティ・ホール問題（モンティ・ホールもんだい、英: Monty Hall problem）とは、確率論の問題で、ベイズの定理における事後確率、あるいは主観確率の例題の一つとなっている。モンティ・ホール（英語版）（Monty Hall, 本名：Monte Halperin）が司会者を務めるアメリカのゲームショー番組、「Let’s make a deal（英語版）[注釈 1]」の中で行われたゲームに関する論争に由来する。一種の心理トリックになっており、確率論から導かれる結果を説明されても、なお納得しない者が少なくないことから、本項～プロブレムの他、～ジレンマあるいは～パラドックスとも称される。「直感で正しいと思える解答と、論理的に正しい解答が異なる問題」の適例とされる。

プログラミング言語別のswitch文

#初めに
switch文に初めて触れたのは、業務改善でC言語を使った時です。
場合によってifの分岐より簡潔に記述できるswitch文は好きな処理です

ライブラリが豊富で汎用性があるpythonを使っていて
「switch文なぜなんでないんだ・・・。」と、ずっと引っかかっていました。

そんなことを忘れかけていた中、twitterを見ている時に
pythonのバージョン3.10.0にてswitchと同じ動作をする
matchが追加されていることを、先日知りました。（リリースが2021年10月の様です）

今まで長文まとめるの時間かかるな、そんないい記事書けないなと
アウトプットはすぐ投稿できるTwitterに逃げていましたが
switch文でQiitaデビューしようと思いました、暖かい目でご覧ください

###書くこと

– match関数とif関数の違い(python)
– プログラミング言語でのswitch文の違い(C言語・Ruby・VBA)

###書かないこと
– 言語ごとの深掘り（数値の場合どうなるか等）

###コード内容
– 色で英語の文字列を日本語で出力
–

FireStoreにデータを保存と応用

# はじめに
スクレイピングで集めた情報を、Firestoreに保存します。データを保存することで、アプリなどに応用することができます。

今回は、前回の続きで、ニュース記事のデータを例に用います。

前回の記事：[ニュース記事をスクレイピング](https://qiita.com/babmuclr/items/64a8833bfe7a7e32f09e)
前回の記事：[SeleniumでDeepL翻訳](https://qiita.com/babmuclr/items/41bed1261be4e1c73a06)

# 目次

1. 全体概要
1. 実行コード
1. アプリケーションへの応用
1. 参照文献

# 全体概要
イメージですが、Firebaseは、サービス全体を指しています。Firestoreは、Firebaseの中の一つのサービスです。

使い方ですが、前提として、Firebaseの使い方は、ドキュメントを参照することが、一番良いです。保存するコードは、少しずつ変化するからです。しかし、公式ドキュメ

pyenvによるPythonのバージョン変更方法 for Mac

# 参考

https://github.com/pyenv/pyenv

https://github.com/pyenv/pyenv/blob/master/COMMANDS.md#pyenv-local

# 概要
Pythonのバージョン切り替え方法について

# 内容
MacでPythonのバージョンを切り替える場合はpyenvを使用する

## インストール

pyenvのインストール

“`
% brew update
% brew install pyenv
“`

シェルの環境設定
(zshを使用している場合)

“`
% echo ‘eval “$(pyenv init –path)”‘ >> ~/.zprofile
% echo ‘eval “$(pyenv init -)”‘ >> ~/.zshrc
“`

## 使用方法

インストール可能なバージョンの確認

“`
% pyenv install –list
“`

指定したバージョンのインストール
(今回はバージョン3.7.12をインストール)

“`
% pyenv install 3

SeleniumでDeepL翻訳

# はじめに

DeepL( https://www.deepl.com/ja/translator) での翻訳を、Seleniumを用いて行います。

例として、ニューサイトから取得した記事（ https://news.google.com/rss?hl=en-US&gl=US&ceid=US:en ）のタイトルの英語の翻訳を行っていきます。前回の記事の続きのような内容ですので、スクレイピング部分は、下の記事を参照してください。

前回の記事：[ニュース記事をスクレイピング](https://qiita.com/babmuclr/items/64a8833bfe7a7e32f09e)

# 目次

1. 翻訳の全体像
1. 翻訳を行うコード
1. 参考文献

# 翻訳の全体像
Seleniumを用いてDeepL翻訳を行います。Seleniumのインストールは、下の記事などを参考にしてください。
参考：　[10分で理解する Selenium – Qiita](https://q

MySQL5.7でPolygonの内外判定

# はじめに

いままでポリゴンの内外判定はPythonでしかやったことがありませんでしたが、MySQLでもポリゴンの内外判定ができるらしく、使い勝手もよさそうなので試してみました。

# geometry型

MySQLではgeometry型という位置情報系のデータ型を用いることができます。

https://dev.mysql.com/doc/refman/5.7/en/gis-data-formats.html

これによってポリゴンなどのデータもデータベース側に持つことができます

# Polygonの内外判定

ST_Containsという関数を用いればポリゴンの内外判定ができます。

https://dev.mysql.com/doc/refman/5.7/en/spatial-relation-functions-object-shapes.html

たとえばgeometriesテーブルという、geometry型のpolygonカラムを持つテーブルがあったとして、以下のようなクエリを叩けば、緯度経度35.67405, 139.77250の位置を含むレコードが返ってきま

im2colの実装で出てくる式をわかりやすく視覚化してみます

有名な[「ゼロから作るDL」](https://www.amazon.co.jp/%E3%82%BC%E3%83%AD%E3%81%8B%E3%82%89%E4%BD%9C%E3%82%8BDeep-Learning-%E2%80%95Python%E3%81%A7%E5%AD%A6%E3%81%B6%E3%83%87%E3%82%A3%E3%83%BC%E3%83%97%E3%83%A9%E3%83%BC%E3%83%8B%E3%83%B3%E3%82%B0%E3%81%AE%E7%90%86%E8%AB%96%E3%81%A8%E5%AE%9F%E8%A3%85-%E6%96%8E%E8%97%A4-%E5%BA%B7%E6%AF%85/dp/4873117585/ref=pd_lpo_2?pd_rd_i=4873117585&psc=1)? 第7章に出てくる”im2col”。

im2colの定義式について問う問題が、某E資格対策講座の教材で出題されましたので、
図に書いて自分用にメモを取りました。
「視覚的に、なんとなく」　わかってもらえたら幸いです。

[im２colのソース

python で deepL API を使ってみる

# DeepL API Free
[DeepL](https://www.deepl.com/translator) は [API](https://www.deepl.com/ja/pro-api?cta=header-pro-api/) を提供している。
無償版の DeepL API Free と 有償版の DeepL API Pro があり, 無償版の API をプライベートで使う機会があったので本記事にまとめる。

無償版と有償版では以下のような違いがある。


なお無償版, 有償版に関わらずアカウント登録とクレジットカード情報の登録が必要となる。
登録するクレジットカードは3Dセキュア認証に対応していなければならず, 加えて JCB は利用不可。
無償版から有償版へは手動で切り替えを行わない限り切り替わらないのでそこは安心。

また

サイトのキャプチャや自動OGP画像生成、動的サイトのHTML取得のSaas「WebNium」を公開

# 出来ること
– WebページキャプチャAPI
– 動的HTML取得API
– OGP画像自動生成

Saasのページは下記

https://web-nium.web.app/

# 作ろうと思ったきっかけ

– 画像キャプチャや動的サイト(javascriptが動いてHTMLが生成されるサイトSPA等)のHTMLを取得したいということがよくあり、
しかし、そのためにseleniumを実行したりするのがめんどくさいなーってことで、簡単に扱えるWebApiをと思った
– SPAで動的OGPを実装したかった（後に、metaタグを切り替えられないからOGP生成が動的であっても、ページごとにOGPを設定することは不可能だと分かる）

# 技術スタック
– フロントエンド
typescript
Vue.js
Firebase Hosting

– バックエンド
python
Heroku

– データベース
Firebase RealtimeDatabase

– 認証
Firebase Authentication

# OGP画像自動生成
前述の通り本当はSPAで、各ページの

備忘録 2022年1月15日 EXCELVBA 命名規則 Markdown記法 matplotlibヒストグラム メタ構文変数についてなど

## Python
### matplotlibヒストグラムの縦軸と横軸をいい感じにする

https://qiita.com/maskot1977/items/0a077540bf38ed970c22

### Markdown記法 チートシート

https://qiita.com/Qiita/items/c686397e4a0f4f11683d#horizontal-rules—%E6%B0%B4%E5%B9%B3%E7%B7%9A

### matplotlibヒストグラムの使い方ガイド

https://www.yutaka-note.com/entry/matplotlib_hist

`range`でデータの最大値、最小値を設定する
これにより見やすい？ヒストグラムが作成できる

### matplotlib 軸回りの見た目を良くしたい

https://www.yutaka-note.com/entry/matplotlib_axis

### 命名規則

https://qiita.com/naomi7325/items/4eb1d2a40277361e898b

書籍「最短コースでわかる PyTorch &深層学習プログラミング」3値分類モデルの決定境界の表示

# はじめに
書籍「**最短コースでわかる PyTorch &深層学習プログラミング**」の著者です。
この本の姉妹版にあたる「**最短コースでわかるディープラーニングの数学**」の補足として、３値分類モデルの決定境界を求めるコードをアップしたところ、結構評判がいいようなので、調子にのってこちらの本でも同じことをやってみます。

—–

書籍のリンクは[こちら](https://www.amazon.co.jp/dp/4296110322)
2つの書籍は、まったく同じデータを例題で扱っており、こちらの本で３値分類モデルは７章に該当します。

Notebook全体のリンクは、[こちら](https://github.com/makaishi2/pytorch_book_info/blob/main/notebooks/ch07_multi_classifier_dec.ipynb)です。

# 考え方
決定境界とは、２つの確率値が等しくなる点の集まりです。つまり、　softmax関数の入力の時点で考えると、「*２つの１次関数の計算結果が等しい場所*」ということになります。
これを、

Pythonのリストのメソッドに慣れる

# はじめに

Pythonのリストメソッドの使い方を覚え書きです。
難しい事が書きません。

# 目次
– append(x)
– insert(i, x)
– pop(i)
– remove(x)
– clear()

# リスト作成（サンプル）
サンプルのリストを作成し、次から説明するメソッドを実行した時にどういう結果になるか、確かめながら進めます。
まず、11,12,13,14の４個の数値が入ったリストを作成します。

“`python:list
>>> list = [11,12,13,14]
>>> list
[11, 12, 13, 14]
“`

# リストのメソッド

###list.append(x) – リストの追加(最後に)

リストの最後にxを追加します。

“`python:append
>>> list.append(25)
>>> list
[11, 12, 13, 14, 25]
“`
はい、最後に’25’が追加されましたね。

###list.insert(i, x) – 指定の場所へ挿入

i番目の前に、Xを挿入します。

“`py

【日本株】Pythonで日本の株価＋主要指数を取得してDBへ格納する

#はじめに

以前以下のような記事を書いてましたが、題材としていた[株式投資メモ](https://kabuoji3.com/)が2021年の3月以降のサイト更新が止まってしまった模様。

https://qiita.com/ku_a_i/items/ab395c1cf4493517a1dd

そこで今回は代替え手段として自分で直接スクレイピングしないライブラリを使用した2パターン紹介します。

なお過去に**[PythonでWebスクレイピング①(スクレイピング事前知識)](https://qiita.com/ku_a_i/items/31311152723dd210d0b0)**なんて記事書いた手前一応触れますが、どちらのライブラリもグレーな可能性がありますのでもし使用する場合自己責任で。

* 動作環境
* OS : Windows10 pro
* Python : 3.8.3// Miniconda 4.9.1
* yfinance : 0.1.63
* investpy : 1.0.7
* sqlite3：2.6.0
* jupyter notebook

:::

白黒画像をカラーにしてくれるAPI DeOldify

#かんたんに使える自動着色
#昔の白黒写真をカラーに
昔の白黒写真をカラーにした動画などをみたことがないだろうか？
あれをかんたんにつかえたら良くないですか？

#DeOldify

かんたんに自動着色が行えるAPIである。

#使い方

これだけで実行できる。

“`python
colorizer = get_image_colorizer(artistic=False)
image_path = colorizer.plot_transformed_image_from_url(url=source_url, render_factor=35, compare=True, watermarked=False)
“`

https://colab.research.google.com/github/jantic/DeOl