- 1. seleniumを利用してGoogle認証を通す方法
- 2. 初めてQiskitを使ってからQiskitで量子機械学習ができるようになるまで 〜パート2〜
- 3. 初めてQiskitを使ってからQiskitで量子機械学習ができるようになるまで 〜パート1〜
- 4. B – Shiritori AtCoder
- 5. Djangoのmodelを用いたレコード挿入で起きたエラー
- 6. 【python】ezdxfを使ってみよう#2～図面描画編～
- 7. Qiitaの記事からコードブロック部分だけ抽出して表示するPythonスクリプト
- 8. [python] バイト数指定でテキスト切り出し
- 9. [AtCoder]Pythonにおける配列のコピー
- 10. NDLOCRのWebアプリを作ってみた【Gradio】
- 11. Githubに100MB以上のファイルをプッシュする方法
- 12. Apache AirflowのDAG設定値についてまとめてみる
- 13. DropboxAPIのAccessToken&RefreshToken備忘録
- 14. 【Pythonで作図】忙しい人のための Matplotlib【初心者向け】
- 15. データフレーム同士の結合(merge関数) について
- 16. 『Python2年生 スクレイピングのしくみ』で勉強中（その1）
- 17. requestsで非同期Asyncリクエスト【HTTPX】
- 18. Python3エンジニア認定基礎試験の勉強でつまずいたところ【ユーザー定義関数編】
- 19. 【Django】インストール方法
- 20. 競馬予想AI 勉強メモ#1 pandas DataFrameの特定行の抽出方法
seleniumを利用してGoogle認証を通す方法
## やりたいこと
Googleアカウントで認証されるサイトにログインしたい。■実行環境
jupyter notebook（Chromeで実行）
■言語
python
■ライブラリ
selenium## ぶちあたった壁①
下記のコードでchromeが起動され、Googleのアカウント入力画面が表示されるところ
まではいいのですが、入力後「ログインできませんでした」メッセージが表示されます。
機械による操作と判断されたときのGoogle側の対処のようです。“`python:
from selenium import webdriver
browser = webdriver.Chrome(r’C:\Users\[ユーザ名]\chromedriver.exe’)
browser.get([目的のURL])
“`
## ぶち
初めてQiskitを使ってからQiskitで量子機械学習ができるようになるまで 〜パート2〜
# Qiskitであそぼ
某子供向け教育テレビ番組のパクリです。今回はQiskitを使って実際の量子コンピュータの代表的な問題である、「Deutsch-Jozsa(ドイチュ・ジョサ)のアルゴリズム」を取り扱ってみましょう。[前回のおさらい](https://qiita.com/Hiroki_Akita/items/88028c3f400476473d62)
## まずは実行環境の準備
“`python
!pip install qiskit
!pip install qiskit[visualization]
“`これでColabでQiskitを動かせますね。続いて諸々のインポートをしましょう。
“`python
import numpy as np
from numpy import pi
import math
import matplotlib.pyplot as plt
import qiskit
from qiskit import QuantumCircuit, execute, Aer, IBMQ, ClassicalRegister, QuantumR
初めてQiskitを使ってからQiskitで量子機械学習ができるようになるまで 〜パート1〜
# Qiskitチュートリアル
こんにちばんわ、東京理科大学大学院で修士課程の院生をしています、秋田と言います(以後お見知りおきを)。
今回はQiskitについての解説をしていくので、ポップコーンでも食べながらゆっくりしていってください！
Qiskitとは、IBM社の量子コンピューティング用Pythonライブラリのことで、これを用いて量子コンピュータの(現在の)挙動を確認してみましょう。## Qiskitの実行環境の準備
本記事ではGoogleのサービス”Colaboratory”、通称”Colab”で実行を行います。まずはColabでもQiskitが使えるように実行環境を整えましょう。“`python
!pip install qiskit
!pip install qiskit[visualization]
“`次に、IBM Quantumのアカウントにアクセスします。まだアカウントを作っていない方は是非この機会に！
)
w = [input() for _ in range(s)]flag = True
if len(w) != len(set(w)):
flag = Falsefor i in range(1,s):
if w[i-1][-1] != w[i][0]:
flag = Falseprint(“Yes” if flag else “No”)
“`
## ポイント
“`w[i-1][-1] != w[i][0]:“`の部分で文字列内のアルファベットを抽出できる。
これが思いつかず。文字列のみの配列でも連想配列的に抽出できることを忘れていた。
Djangoのmodelを用いたレコード挿入で起きたエラー
## 概要
今回はDjangoを学習している際に詰まったエラーの備忘録を記載したいと思います。## 環境
Django: ‘4.0.4’
Python: ‘3.10.4’## 前提
まず前提として下記状況を想定しています。
* nameとageのカラムを持ったPersonテーブルにデータを挿入したい“`~/model_app/models.py
from django.db import modelsclass Person(models.Model):
name = models.CharField(max_length=10)
age = models.IntegerField()
“`## エラー概要
テーブルにデータを挿入するために下記ファイルにて処理を記載し実行しました。
“`~/main.py
import os
from django import setup
from model_app.models import Person# 環境変数をセット
os.environ.setdefault(‘DJANGO_SETTINGS_MOD
【python】ezdxfを使ってみよう#2～図面描画編～
本章では実際に**図形を描画するコード**をまとめます。
[前章はこちら：#1～図面作成と設定編～](https://qiita.com/Rai-see/items/aebf4587f7a9b30e3ab1)
ezdxfで作図可能な図形は、以下で紹介されています。
[参考：ezdxfで扱えるエンティティ 公式ドキュメント](https://ezdxf.readthedocs.io/en/stable/dxfentities/index.html?highlight=entit#module-ezdxf.entities)
ここでは以下の基本的な図形を紹介していきます。
1. **Line 線**
1. **Text 文字**
1. **Point 点**
1. **Circle 円**
1. **Arc 弧**
1. **poliline ポリライン（連続線・多角形）**
1. **hatch ハッチング**“`Python:共通条件
doc = ezdxf.new(‘R2010’, setup=True)
msp = doc.modelspace
Qiitaの記事からコードブロック部分だけ抽出して表示するPythonスクリプト
Qiitaの記事に書かれたコードを動作確認することが多いので、Qiita記事のURLを指定してコードブロック部分だけを表示するスクリプトを作りました。
### 使用例
“`text:すべてのコードブロックを表示
$ python3 qiitacode.py https://qiita.com/shiracamus/items/556ff8d916712a9f7055
“`“`text:c言語部分だけ表示
$ python3 qiitacode.py https://qiita.com/shiracamus/items/556ff8d916712a9f7055 c
“`“`text:Python(py)部分だけ表示
$ python3 qiitacode.py https://qiita.com/shiracamus/items/556ff8d916712a9f7055 py
“`### プログラムコード
“`py:qiitacode.py
#!/usr/bin/env python3“””
download a Qiita article and p
[python] バイト数指定でテキスト切り出し
以前、python2系で作成していたテキストファイルの一部を切り出して別ファイルにしていた処理が、python3系で切り取りに使っていた len がバイト数じゃなくて文字数カウントになってしまったので修正が必要になったメモです。
“`python
text = “012345あいう67890”
charcode = ‘cp932′ # 文字コード指定
byte_text = text.encode(charcode) # 文字列エンコード
clip_text = byte_text[6:12].decode(charcode, errors=’ignore’) # バイト単位で切り取った文字をでコードで戻す
“`ちょっと面倒だけど、できました。
もっといい方法は無いのかしら。
[AtCoder]Pythonにおける配列のコピー
追記(2022/5/2)
コメントにてpythonの配列の処理について、分かりやすく図にて説明いただきました。
具体的な内部の処理について知りたい方はぜひご覧ください。
# 目的
pythonを使用すると、配列を代入した際に値が書き換わってしまい困ってしまうケースがあると思います。
そこで、どのような場合に値が書き換わるのか、どのように対処できるのかをまとめました。
# 環境
AtCoderでの使用を前提としているため、AtCoderのコードテストで実行しています。
言語は実行速度を考慮しPypy3(7.3.0)としています。
# 一次元配列
## 代入される例
~~~python
A = [0,1,2]
B = A
B[0] = 3
print(A)
#[3, 1, 2]
~~~
上記の例では、BにAを代入するとBの要素を変更してもAの配列が書き換わります。
これはBへはAの配列のコピーでなく、Aの配列の参照を代入しているからと考えられます。
よって、AとBはともに同一の配列を参照しているため、配列の値を書き替えるとA、Bともに変化します。## 代入されない例
~~~python
NDLOCRのWebアプリを作ってみた【Gradio】
https://huggingface.co/spaces/tomofi/NDLOCR
NDLOCRを試せるWebアプリ作ってみました。
“`python
import os
import torchprint(torch.__version__)
torch_ver, cuda_ver = torch.__version__.split(‘+’)
os.system(f’pip install mmcv-full==1.4.0 -f https://download.openmmlab.com/mmcv/dist/{cuda_ver}/torch{torch_ver}/index.html –no-cache-dir’)
os.system(‘cd src/ndl_layout/mmdetection && python setu
Githubに100MB以上のファイルをプッシュする方法
# はじめに
– GitHubでは100MB以上のファイルをプッシュすると拒否され、50MB以上のファイルをプッシュすると警告される仕組みとなっています。
– 今回はGitHubに100MB以上のファイルをプッシュする方法を考えてみたいと思います。# Githubに100MB以上のファイルをプッシュする方法
– 100MB以上のファイルをそのままプッシュするとGithubに拒否されてしまうため、ファイルを分割してプッシュしようと思います。
– また、50 MBより大きいファイルを追加または更新しようとすると、Githubから警告が表示されるので、49MBでファイル分割しようと思います。
– 具体的には、ZIPファイルをbase64にエンコードして、49MBのテキストファイルに分割してプッシュします。
– 元のファイルに戻すときは、分割したテキストファイルのテキストを結合して、デコードすればZIPファイルに戻ります。# 実装
Pythonで実装したコードが以下です。### フォルダ構成
“`
ディレクトリ
├─main.py
├─setting.json
├─input
Apache AirflowのDAG設定値についてまとめてみる
前回Cloud Composerを利用して、BigQueryへのデータの取り込みについて記事を書きましたが、DAG実装の詳細（特に各パラメータの役割）については、記事が長くなりすぎるので割愛しました。なので今回から複数回に渡って、以下の内容を深堀りしていこうと思います。
– DAGの設定値について（今回分）
– テンプレート内で利用可能な変数について## DAGとオペレータについて
細々した話をする前に、まずはDAGとオペレータの概略からまとめてみました。
|構成要素|概要|
|—|—|
|オペレータ|処理を定義するための関数。クラウド操作毎に細かく用意されているため、自身がやりたい処理のオペレータの利用方法を調べる必要がある。前回BigQueryへのデータ取り込みで使用したオペレータは、「GoogleCloudStoragePrefixSensor」、「GoogleCloudStorageToBigQueryOperator」、「DummyOperator」です。|
|DAG|オペレータから定義された処理＋処理同士の前後関係の情報をもった処理のグループのことです。|
DropboxAPIのAccessToken&RefreshToken備忘録
# 結論
DropboxAPIのAccessTokenは一定期間でリセットされアクセス出来なくなる。
毎回AccessTokenを発行しなおすのは面倒なので、RefreshTokenを発行し接続することで回避する。## AccessTokenの発行方法（一応）
https://www.dropbox.com/developers/
ここにアクセスし、**アプリを作成** or **右上のAppConsole**から選択
permissonから必要な権限を有効化し、ダッシュボードの“`setting/Oauth2/GenerateAccessToken“`で発行する。
### AccessTokenでの利用方法
“`
import dropboxdbx = dropbox.Dropbox(`
‘)
“`## RefreshTokenの発行方法
まずはauthorization_codeを取得する。（後で“`“`に入力する） ダッシュボードの“`setting“`にある**App key
【Pythonで作図】忙しい人のための Matplotlib【初心者向け】
# ✨Python って作図がカンタン！✨
**「Pythonで作図」**…。ネットにはたくさん記事があるけど、どれも**ややこし**くて**難しい**ですよね。
そんな方々のために、**手っ取り早く**て**分かりやすい**「Python 3分クッキング」をやっていこうと思います！# 0. 完成目標
これを作ります。
“`python:完成コード
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(-100,100,0.1)
y = np.sin(x)/x
plt.plot(x,y)
plt.show()
“`
**結果**
では、始めます。
# 1. これをコピペ
“`python:【必須】おまじない（計算と作図に必要な道具を準備
データフレーム同士の結合(merge関数) について
「このデータは、数学のテストの結果で」
「このデータは、英語のテストの結果で」このようなデータフレームはまとめたいデータだと思います。
このようなデータを一つに結合させることができれば、情報がより分かりやすくなりますよね。
その時に用いる関数が`merge`関数ですこれはそれぞれのデータを横方向に結合させることができる関数です。
ちなみに今回の記事の範囲外になりますが、同じ種類のデータを結合させたいとき
つまり縦方向にデータを結合させたいときは、pandasライブラリにある`pandas.concat`メソッドです。では実際に、merge関数を使用していきましょう。
“`Python
import pandas as pd
import numpy as np
“`
“`Python
df01 = pd.DataFrame( {‘name’:[‘A’, ‘B’, ‘C’],
‘math’:[60, 70, 80]})
df01
“`“`
name math
0 A 60
1 B 70
2 C 80
“`“`
『Python2年生 スクレイピングのしくみ』で勉強中（その1）
## この記事について
『Python2年生 スクレイピングのしくみ』（以下、書籍）でPythonを学習する超初心者の記録です。
『Python1年生』は人工知能を題材に、Pythonの基本的な文法等を解説していましたが、
こちらの書籍ではスクレイピングということで、人工知能とは別の題材になっています。■ バックナンバー
– [『Python1年生』で勉強中（その1）](https://qiita.com/megrim_q/items/c1417f507e96c1fb7015)
– [『Python1年生』で勉強中（その2）](https://qiita.com/megrim_q/items/333be033e5b4637d0eed)
– [『Python1年生』で勉強中（その3）](https://qiita.com/megrim_q/items/904f83c6a7e8594b7212)## 実行環境
| OS・MW・ライブラリ | バージョンなど |
|:-:|:-:|
| OS | Windows 10 Pro 21H2 19044.1645 |
| Pytho
requestsで非同期Asyncリクエスト【HTTPX】
https://colab.research.google.com/drive/1O7v-OLPpb0yG56n1PjkvuBDH0HsYl3-8?usp=sharing
# requestsをインストール
“`bash
pip install httpx
“`# requestsをインポート
150個のリクエストを作成します。
“`python
import httpx as requests
from asyncio import run, gatherurls = [f”https://pokeapi.co/api/v2/pokemon/{n}” for n in range(1, 151)]
“`# 同期(Sync)リクエスト 処理時間8.8秒
“`python
def sync_func():
print([requests.get(u) for u in urls])sync_func()
“`:
L.append(teacher)
return Lprint(dive_into_code(‘Noro’))
print(dive_into_code(‘Nakao’))
print(dive_into_code(‘Miyashita’))
“`
***正解***がこちら。
“`console:console
[‘Noro’]
[‘Noro’, ‘Nakao’]
[‘Noro’, ‘Nakao’, ‘Miyashita’]
“`
こ
【Django】インストール方法
## インストール方法
インストール方法は、ディストリビューション固有のパッケージをインストールするのか、 最新の公式リリースをダウンロードするのか、あるいは最新の開発版を取得するのかに よって、若干異なります。
以下はpipにてインストールする方法になります。1. pip で公式リリースをインストールする。
これは Django をインストールするのにお勧めの方法です。
2. pip をインストールします。最も簡単なのは、スタンドアロンの pip インストーラを使うことです。ディストリビューションに既に pip がインストールされている場合、それが古ければ 更新する必要があるかもしれません。古い場合、インストールが失敗します。
3. 仮想環境の作成と起動が完了したら、コマンドを入力します。“`
$ python -m pip install Django
Collecting Django
Downloading Django-4.0.4-py3-none-any.whl (8.0 MB)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
競馬予想AI 勉強メモ#1 pandas DataFrameの特定行の抽出方法
競馬予想AI作成中にpandasのDataFrameの特定行を抽出したくなった際のメモです。
（参照：https://www.yutaka-note.com/entry/pandas_access#DataFrame%E3%81%AE%E8%A1%8C%E5%88%97%E5%80%A4%E3%82%92%E6%8A%BD%E5%87%BA%E3%81%99%E3%82%8B%E6%96%B9%E6%B3%95）特定の行を指定｜df.loc[インデックス名, : ] または df.loc[インデックス名]
以上。これだけ！！
