- 1. Python,Ruby,PHP,Java,JavaScript,Perlの文字列処理の比較
- 2. エラーが日本語表示される Python オンライン実行環境
- 3. 日大文系卒が学ぶ時系列解析③ ~モデル~
- 4. 日大文系卒が学ぶ時系列解析④ ~様々な時系列データの実装~
- 5. #9 Confluent for Kubernetes を使用して AKS 上に Confluent Platform を構成してみました – データストリーミング編
- 6. 【Selenium】よく使う処理についてまとめた
- 7. Cshellで複数のPYTHONPATHの設定
- 8. 【競技プログラミング】0-1ナップサック問題Ⅱをやってみた【組合せ最適化】
- 9. 【読書】『独学プログラマー』の心得
- 10. ファイナンス分野でInfluxDB+Grafanaを使う
- 11. Python3 エンジニア認定データ分析試験で求められる知識を整理する
- 12. GakuNin RDMデータ解析機能の使い方
- 13. Pythonメモ
- 14. Discord.py 2.0 がリリースされたようです
- 15. 画像認識を用いたトマトの葉の病気診断アプリ作成
- 16. PycaretでCalifornia housingの回帰問題を解く
- 17. macos + python +「￥n」を用いてうまく改行できない事象
- 18. 【Python】Slack API を使用してチャンネルの全メッセージとファイルをダウンロードするコード
- 19. 【初心者が教える超入門】Pythonによるデータサイエンス②（合計値・代表値の算出）
- 20. Python,Ruby,PHP,Java,JavaScript,Perlの変数の比較
Python,Ruby,PHP,Java,JavaScript,Perlの文字列処理の比較
Python,Ruby,PHP,Java,JavaScript,Perlの文字列処理の比較
# Python
https://qiita.com/tomotaka_ito/items/594ee1396cf982ba9887
# Ruby
https://qiita.com/kyohei-horikawa/items/b3308601931c20074c31
# PHP
https://qiita.com/chimayu/items/9b9cb14548aa7dd8da1b
# Java
https://qiita.com/suema0331/items/a3c947076ee1a0c6037a
# JavaScript
https://qiita.com/saka212/items/11ce1f1d6316c1fbf15b
# Perl
https://perlzemi.com/blog/20161003147558.html
エラーが日本語表示される Python オンライン実行環境
# 要約
– [ブラウザ上で動作し、エラーが日本語表示される Python 実行環境](https://nodai2hitc.github.io/pythonja/) を作りました。
– [エラーが起きるスクリプト例](https://nodai2hitc.github.io/pythonja/#IjEyMyIgKyA0NTY.) を実際に実行してみてください。
– 学校でのプログラミング教育等に使えるのではないかと思います。
– 保存機能はありませんが、現在のスクリプトを URL の形で保存・受け渡しすることは可能です。
– 例：[FizzBuzz](https://nodai2hitc.github.io/pythonja/#Zm9yIGkgaW4gcmFuZ2UoMSwgMTAxKToKICAgIGlmIGkgJSAxNSA9PSAwOgogICAgICAgIHByaW50KCJGaXp6QnV6eiIpCiAgICBlbGlmIGkgJSAzID09IDA6CiAgICAgICAgcHJpbnQoIkZpenoiKQogICAgZWxpZiBpICUgNSA9PS
日大文系卒が学ぶ時系列解析③ ~モデル~
## 初めに
今回はサラッと時系列データで使用されるモデルについて説明致します。
正直メインパートだけあってここは難しいです。私もそれなりに色々なサイトから説明を参考にさせて頂きましたが、正直まだピンと来てない事も多い。
サラッと確認して次の実装に行って勝手を試してみるのも良いかもしれません。
(正直この回は次回への助走パートです)### バックナンバー
– [日大文系卒が学ぶ時系列解析① ~概念と用語紹介~](https://qiita.com/The_Boys/items/40233521bf8d7fe82093)
– [日大文系卒が学ぶ時系列解析② ~自己相関関数/定常性/波形分解~](https://qiita.com/The_Boys/items/0224076f1cd722d8bca3)
– [日大文系卒が学ぶ時系列解析③ ~モデルの紹介~](https://qiita.com/The_Boys/private/deabab92dfb89f05e697)
– [日大文系卒が学ぶ時系列解析④ ~SARIMAの実践~](https://qiita.com/The_Boys/
日大文系卒が学ぶ時系列解析④ ~様々な時系列データの実装~
## 初めに
タイトルの通り､日大私文卒が時系列解析を学んでいきます。
今回は実際に実装していこうと思います。
ひとまず理論は理解していなくても確認だけして頂ければ結構です。沢山のデータに触れて実装と理論を双方バランスよく補強できればと思います。
#### 環境
今回は簡単なデータを扱うのでgoogle colabで十分です。
扱うcsvデータはこちら。#### 前知識
バックナンバー記事の確認又はそれに付随する知識。
pythonやpandasの扱い。ごく簡単な機械学習(数値予測)の実装経験や知識。RNNとLSTNを扱っているものもあります。
こちら解説が済んでいなかったので、現在作成しております。バックナンバーはこちら。
– [日大文系卒が学ぶ時系列解析① ~概念と用語紹介~](https://qiita.com/The_Boys/items/40233521bf8d7fe82093)
– [日大文系卒が学ぶ時系列解析② ~自己相関関数/定常性/波形分解~](https://qiita.com/The_Boys/items/0224076f1cd722d8bca3)
–
#9 Confluent for Kubernetes を使用して AKS 上に Confluent Platform を構成してみました – データストリーミング編
## 概要
Confluent for Kubernetes （CFK）は、プライベートクラウド環境（今回は Azure Kubernetes Service（AKS））に Confluent をデプロイして管理するためのクラウドネイティブのコントロールプレーンです。宣言型 API で Confluent Platform をカスタマイズ、デプロイ、管理するための標準的で簡素なインターフェイスが備わっています。
[この記事](https://qiita.com/turupon/items/0036a035b017f8424e94) にあるように、CFK を使用して AKS上に Confluent Platform（以下、CP） をデプロイし、ksqldb-cli を利用してKSQLの設定を施した以下の図の構成において、Producer側のCosmosDBにデータを流し込み、CP の CosmosDB Sink Connector から topic001 を経由して、KSQLのクエリ処理によりデータが抽出されたものが、topic002 にストリーミングされることを確認します。
で時系列データベースinfluxDBにyahoo financeから取得した株価を投入する所までやりました。
本記事では、可視化のためのオープンソースのwebアプリケーションである[Grafana](https://grafana.com/)を使い、influxDBに登録した株価のグラフを表示させたいと思います。
# Grafana設定
ここではdocker-composeを使います。influxdbとgrafanaをまとめてdocker-composeで起動する設定とします。
## フォルダ構成
.
├─ docker-compose.yml
├─ influxDB ─ influxdb2 ─ …
├─ ssl
│ ├─ influxdb-selfsigned.crt
│ └─ influxdb-selfsigned.key
└─ grafana ─ grafana ─ …
Python3 エンジニア認定データ分析試験で求められる知識を整理する
# ■0.はじめに
以下の資格を取得しました。
[Python3 エンジニア認定データ分析試験](https://www.pythonic-exam.com/exam/analyist)
本記事は、資格取得の過程で得た自身の知識の整理、定着化を狙って作成したものです。
今後、資格取得を目指している方のお役に立てれば幸いです。なお、章立ては主教材に沿っていますが、試験勉強始めた時点で知っていた個所などは内容が薄くなっております。
ご了承ください。## ★試験内容★
– 概要：Pythonを使ったデータ分析の基礎や方法を問う試験
– 問題数：40問（すべて選択問題）
– 合格ライン：正答率70％
– 出題範囲：主教材である[翔泳社「Pythonによるあたらしいデータ分析の教科書」](https://www.shoeisha.co.jp/book/detail/9784798158341)より以下の範囲と割合で出題>に詳しく書いてありますので、興味のある方は、まずはそちらを参照して下さい。
ここでは自分が使ってみて分かりづらかった点などを中心にまとめます。
# GakuNin RDMとの関係
GakuNin、GakuNin RDM, GakuNin RDMデータ解析機能はそれぞれ別物です。以下の表にまとめます。
| 名前 | 内容 |
|—————-|————|
| GakuNin (学認) | 認証サービス |
| GakuNin RDM | データ管理基盤 |
| GakuNin RDMデータ
Pythonメモ
# 初めに
Pythonメモ（自分用）
動作環境：WindowsOS– [Python準備](##Python準備)
– [スクリプト作成](##スクリプト作成)
– [開発環境用意](##開発環境用意)
–## Python準備
1. ダウンロード
https://www.python.org
2. インストール
Add Python x.x.x to PATH にチェックを入れること
3. インストール確認
コマンドプロンプトで以下を実行
“`:問題なし
>python -V
Python x.x.x
“`
※Pythonとしか表示されない場合うまくいってない
“`:問題あり
>python -V
Python
“`
解決策
https://www.out48.com/archives/5720/
⇒OS再起動は不要■補足
Python実行環境
・ローカル（自分のPCなど本体にインストールする。今回はこっちを実施）
・クラウド（ブラウザでプログラミングできる環境を提供しているサービスがある。無料のものもあり）## スクリプト作成
１. テキストファイルにコ
Discord.py 2.0 がリリースされたようです
> やったー！
どうもbeatbox4108です。
今日の日本時間12:50分、discord.pyのdiscordサーバーにてバージョン2.0のリリースが発表されました！
一応discordの全文を翻訳して掲載します。
– – –
> v2 が PyPI でリリースされました!
> ## お詫び
> まず、このリリースを出すのに時間がかかったことをお詫びしたいと思います。残念なことに、IRL で慌ただしく忙しくなってしまったのです。v2をもっと早くリリースするつもりだったのですが（7月頃、あるいはそれ以前かもしれません）、改築や仕事、そして全体的に忙しい生活関連の事柄に巻き込まれたのです。それに加えて、他の参加者も自分のことで忙しかったり、新しい仕事を見つけたり、ただ単に仕事が忙しかったりしました。
>
> それでも、このリリースを気に入
画像認識を用いたトマトの葉の病気診断アプリ作成
# はじめに
はじめまして。新しいことを始めようと最近機械学習を学び始めたプログラマーです。
この度、Aidemyさんの機械学習講座の課題として、ブログの作成をいたします。
内容は、画像認識を使ってトマト葉の病気の診断をやってみるというものです。
時間の都合もあり今回はkaggleにあるトマト葉の病気のサンプル画像を用いてモデルの構築を行いました。
それでは早速本題に入ります。よろしくお願いいたします。# 内容・・・
1.画像収集
2.モデルの作成
3.学習データと検証データの作成
4.モデルの学習と保存
5.HTML
6.main.py
7.実装結果# 実行環境
・Visual Studio Code
・Google Colaboratory# 作成課題
[Tomato_Leaf Disease Diagnosis](https://tomato-leaf-identification-app.herokuapp.com/)# 1:画像収集
今回は時間の都合もありkaggle以下URLにある画像を利用させていただきました。
[Tomato|Kaggle](https:
PycaretでCalifornia housingの回帰問題を解く
# 1.初めに
本記事も回帰問題に関する内容である。
[PyCaret](https://pycaret.org/)は機械学習手法の比較⇒ハイパーパラメータのチューニング
⇒モデル構築までをローコードでほぼ自動化できる便利なライブラリである。
私もよく使うため、解説する。回帰問題の設定は、sklearnのCalifornia Housingのデータセットを使用し、
全体の20％を未知データとして設定。
全体の80％のデータの内、2割：testdata、8割:traindataとして設定。
トレーニング後、未知データのMedHouseValの予測精度をRMSEで評価することとした。# 2.データの前処理
この章は[前回の記事](https://qiita.com/shimokame777/items/46c401b8575c40c0911
macos + python +「￥n」を用いてうまく改行できない事象
# 事象
windows側からソースコードをそのままmacにコピーして実行したら、文字列に「￥n」があるのに出力には改行がありませんでした。あれ、と思って「os.linesep」を「￥n」に入れ替えてから予想通り出力されましたが、少し気になって色々調査しました。
# 原因
以下のリンクが参考になりました。
windowsと異なり、macでは「￥」（円マーク）と「\」（バックスラッシュ）が別の文字と扱われるとのことです。[円サイン(￥) とバックスラッシュ (＼)：追記](https://memo.koumei2.com/%E5%86%86%E3%82%B5%E3%82%A4%E3%83%B3%EF%BF%A5-%E3%81%A8%E3%83%90%E3%83%83%E3%82%AF%E3%82%B9%E3%83%A9%E3%83%83%E3%82%B7%E3%83%A5/)
# 解決策・回避策
上記の「os.linesep」を改行文字のところに入れることも可能ですが、最も簡単な方法は「⌥」（オプションキー）＋「￥」（円マークキー）の組み合わせで「\」（バックスラッシュ）を入
【Python】Slack API を使用してチャンネルの全メッセージとファイルをダウンロードするコード
2022/9/1から Slack 無料版のデータ保持期間が90日になりますね。
90日前以前のデータが消える前にメッセージとファイルをダウンロードしておきたかったので、自動でそれを行うコードを作成しました。この記事はその時のメモです。
以下の記事の方法をベースに、全メッセージを取得したり、ファイルをダウンロードするようになっています。
https://qiita.com/yoshii0110/items/2a7ea29ca8a40a9e42f4
“`python
import requests
import os
import json# Slack API の conversations.history を利用して、
# チャンネルの全てのメッセージとファイルを取得・保存するクラス
#
# トークンの作成方法は、この記事に書いてある：
# https://qiita.com/yoshii0110/items/2a7ea29ca8a40a9e42f4
# ただし、この記事の内容に加えて、ファイルをダウンロードできるようにするために、
# User Token Scop
【初心者が教える超入門】Pythonによるデータサイエンス②（合計値・代表値の算出）
# はじめに
こんにちは！
技術・プログラミング初心者のTim（てぃむ）です。
自身で学び始めて分かったこと・習得したこと等を初心者ならではの視点でお伝えできればなという思いで発信しております！
記事をご一読いただいた上で、意見/指摘/アドバイス等々いただけるととても嬉しいです！
よろしくお願いいたします。# 本題
前回は「[要素数、ユニーク数の確認](https://qiita.com/Tim_Beginner/items/a64a7e506842c2648e88)」を行いました。
第2弾の今回は、データ集計を行う際に必要な「合計値・代表値の算出」について書いていこうと思います！
また、随時投稿していきますのでフォロー等していただけるとありがたいです。# 合計値の算出
## df[“カラム名”].sum()
“`python
import pandas as pd#csvファイルの読み込み。test.csvの箇所には各自のcsvファイル名を記入。
df = pd.read_csv(‘test.csv’)#df[“カラム名”].sum()
print(“生徒数の合計
Python,Ruby,PHP,Java,JavaScript,Perlの変数の比較
Python,Ruby,PHP,Java,JavaScript,Perlの変数の比較
# Python
https://qiita.com/G-Rape/items/854a51ef188cd5933bcc
# Ruby
https://qiita.com/Hashimoto-Noriaki/items/d705a3fb92db14de4742
# PHP
https://qiita.com/tokutoku393/items/72d2f3f8986c97c36a27
# Java
https://qiita.com/takahirocook/items/52298e13281e26e576ab
# JavaScript
https://qiita.com/andota05/items/238ff472a0e711b65275
# Perl
https://perlzemi.com/blog/20161107147852.html
