f@ctor

Python関連のことを調べてみた2022年11月15日

Python関連のことを調べてみた2022年11月15日
目次

Python で Qiitaの投稿記事に対するView数を取得してみました ー 改訂版（Over100）

## 概要

[この記事](https://qiita.com/turupon/items/99f501a86d911f9304bb) の改訂版です。個人毎に投稿数が100件超えの場合に対応いたしました。

### 実行環境
macOS Ventura 13.0
python 3.8.12

### 個人トークンの取得

Qiitaアカウントの個人トークンを以下の手順で取得します

1. 個人アカウントでログイン
2. アカウント → 設定 → アプリケーション → 個人用アクセストークン → トークンを発行する

### 実行プログラム

“`python:QiitaAPI_GetView_Over100.py
import time
import argparse
import requests
import json
from tabulate import tabulate
from math import ceil

# メンバー全員の投稿アカウント毎の個人トークンの定義
tokens = {
# “yamahiro”: “xxxxxxxxxxxxxxxxxx

元記事を表示

PyConJP2022で印象に残ったトーク6+1をご紹介

# はじめに
初めまして、[みずほリサーチ&テクノロジーズ株式会社](https://www.mizuho-rt.co.jp/index.html) の @fujine です。AIやクラウドの技術研究を主業務としております。
Qiita初投稿になります。どうぞよろしくお願いいたします。

# PyConJP2022に参加してきました
先月の2022/10/14-15に、Pythonの国内最大カンファレンスである [PyConJP2022](https://2022.pycon.jp/) が有明とオンラインでハイブリッド開催されました。

https://pyconjp.connpass.com/event/255827/

カンファレンスでは、Pythonのコアな話、Webフレームワーク、機械学習、テストなどの各カテゴリにて、多様なトークが多数発表されました。
現地ではトークを視聴する方の他にも、スポンサーブースで交流する方、知り合いと親睦を深める方など多くのPythonユーザーが一堂に会し、会場全体が活気に満ち溢れているのを感じました。

## 個人的に面白かったトーク
ここからは、

元記事を表示

abtemを使ってTEM simulation

abtemを使ってTEM simulationをやってみよう

abtemを使うことで簡単にTEM関連のシミュレーションができる。
TEMシミュレーションの手法としては大きく、Multislice法とBethe法の二つに分けられるが、abtemは前者の方。
Multislice法のシミュレーションといえばで有名な[HREM Reserch Inc.](https://www.hremresearch.com/ja/)のxHREMが有名だが、ただで使うにはabtemを選択肢に入れてもいいだろう。

ここではabtemを使ったTEM像のsimulationの方法を簡単に説明する。
流れは、
1. 結晶構造を入力←これはaseを使って簡単にできる。単結晶ならcifファイルを[atom works](https://atomwork-adv.nims.go.jp/)からダウンロードしてきて、x,y,z方向に拡張するだけで済むだろう。
1. 結晶を通り抜ける電子線の計算
以下の計算パラメータを設定する。
（まずは難しいことを考えずにabtemのWalkthroughで使われている程度のパラメ

元記事を表示

【Python】法人名と郵便番号からインボイス登録事業者番号を取得してみた

## はじめに
はじめまして、aliceです。
初投稿です。ドキドキ。

PythonでExcelに登録されている法人名と郵便番号を使って、取引先のインボイス登録事業者番号を取得してみました。

## やりたいこと
Excelの取引先一覧シートにこのようなデータがあります。
![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/2953149/3af6495e-fd66-0656-3fd1-dcad47da776f.png)

ここに登録されている取引先についてWeb-APIを使用して、インボイス登録事業者として登録されていたら、登録番号等をExcelに出力します。
![image.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/2953149/aa0de2b5-07eb-5f63-8f9d-259fb5a77c74.png)

## 動作の流れ
* Excelの取引先一覧シートにあるデータをPandasデータフ

元記事を表示

Heroku上のPythonからRedisを使う 開発環境Mac

Redis to Goがadd onから削除されたことによってしばらく混乱していたのですが、やっとすっきり解決したので備忘録として公開。

## 何が書いてあるか
– Heroku上のPythonからHeroku Data for Redisを使うための方法が書いてある
– Macのローカルで同じ環境を実現して開発する方法が書いてある

## Let’s go

HerokuのPythonからバックグラウンドタスクを処理しようとする場合のオフィシャルドキュメントはこちら

https://devcenter.heroku.com/ja/articles/python-rq

ただし、これはRedis to Goがadd_onに存在していたときの情報で、若干変わっているので英語版を見る必要がある。

https://devcenter.heroku.com/articles/python-rq

そして、worker.py にはこう書けと書いてあるのだが、それだと動かない

“`python worker.py
redis_url = os.getenv(‘REDIS_URL’, ‘r

元記事を表示

PySide6 デジタル時計を作ろう

### はじめに
ここ最近Pyside6を使ってGUIアプリの作成をしました。
その際に、複数の機能の一つとしてデジタル時計を作成しました。
そこからデジタル時計の作成した学びとして
二つのデジタル時計の作り方を説明付きで紹介したいと思いました。

#### 作成した時計
– 7セグメントディスプレイ表示デジタル時計 <- 公式リファレンス推奨 - ラベルを使ったデジタル時計 <- 投稿主推奨 ### 開発環境 Python==3.8.9 PySide6==6.4.0.1 PySide6-Addons==6.4.0.1 PySide6-Essentials==6.4.0 ### 公式リファレンス推奨の7セグメントディスプレイ表示デジタル時計 [公式リファレンス](https://doc.qt.io/qtforpython/overviews/qtwidgets-widgets-digitalclock-example.html)を元に QLCDNumberを呼び出して作成する方法になります。 QLCDNumberウィジェットは7セグメントLCDに映し出されるような数字を表示する

元記事を表示

Seleniumをローカルで動かす (python)

記載日：2022/11/14
pythonでseleniumを実行してみます。

#### 目標（7分）
pythonでSeleniumを実行し、Webサイトの画面を開く。

#### 環境
OS : Ubuntu22.04
Chrome：107.0.5304.110。インストール済。
Chrome Driver：107.0.5304.62。
VSCodeインストール済。
pythonインストール済。
（私の環境ではpyenvをインストールしたので、python使える状況。）
※pyenvのインストール方法は[こちら](https://qiita.com/middle_aged_rookie_programmer/items/0eb574e92a52c923e7ec)

#### 作業
#### 0.プロジェクト作成（1分）
プロジェクトフォルダへ移動し、プロジェクトファイルを作成する。
VSCodeを開く。
~~~command
cd ~/Desktop
mkdir python-test
cd python-test
touch main.py
code .
~~~

####

元記事を表示

Gensim Dictionaryで高頻度語の方を取得する

## 環境
– Python 3.7.15
– Gensim 3.6.0

## Gensim Dictionaryで高い頻度の語を上位n語をしゅとくする
`gensim.corpora.Dictionary`には、出現頻度の最も高い指定個数の語を省く`filter_n_most_frequent`メソッドがあります。

“`python
from gensim.corpora import Dictionary

corpus = [
[“ビール”, “寿司”, “焼肉”],
[“ハンバーグ”, “寿司”],
[“焼肉”,”ビール”, “寿司”]
]
dct = Dictionary(corpus)

for id, c in dct.dfs.items():
print(dct[id], c)
“`

“`:出力
ビール 2
寿司 3
焼肉 2
ハンバーグ 1
“`

`filter_n_most_frequent(2)`すると、上位2語が除外されます。

“`python
dct.filter_n_most_frequent(2)

fo

元記事を表示

【Python】QGISで、細々としたポリゴンを大きいポリゴンに融合してみた。

# はじめに
QGISで小さな面積のポリゴンを大きな面積のポリゴンに融合(dissolve)する方法をPythonで実装した。
もっと良い方法や、なにかプラグインがあれば教えていただけると幸いです。

# できること
以下の左図のような細々としたポリゴンを、右図のように大きなポリゴンに融合しまとめることができる。
　　　

# ソースコード
それぞれのポリゴンの面積を計算し、その面積ごとに順位を決定し、設定した閾値より高い順位のポリゴン(つまり面積の小

元記事を表示

Wordleで最適解での平均手数を概算してみた

# wordleとは

wordleとは5文字の英単語あてゲームである.
ユーザーは5文字の英単語を入力すると, 答えの単語との一致度から文字が色分けされる
* 緑=答えの英単語とその文字が位置も含め一致
* 黄=答えの英単語にそのアルファベットが含まれる
* 灰色=答えの英単語にそのアルファベットが含まれない
この入力→色づきを繰り返すことで最終的に答えの単語(緑緑緑緑緑)を引き出すゲームである.

入力できる単語には制限があり, 答えに選ばれる単語は約2300語, 質問に入力できるのは約13000個である.

元記事を表示

地理空間分析(teradataml)

[Teradata® Package for Python User Guide](https://docs.teradata.com/r/Teradata-Package-for-Python-User-Guide/May-2022)[リリース番号：17.10　リリース日付：2022/8/18]の翻訳です。

> Python用ライブラリ(teradataml) シリーズのコンテンツです。

## 主なユースケース
GeoSpatialユースケース一</p></blockquote> </blockquote> <aside class='widget widget-post'> <div class='tag-cloud-link'>Python</div> <div class='tag-cloud-link'>teradata</div> <div class='tag-cloud-link'>地理空間情報</div> <div class='tag-cloud-link'>Geospatial</div> <div class='tag-cloud-link'>Vantage</div> </aside> <div><a style='width:100%;' class='btn__link' href='https://qiita.com/hchd/items/8dbfe5ee8280b4ca8703'>元記事を表示</a></div> <h3 id=クラウド分析ツールとのAPI統合

[Teradata Vantage™ – API Integration Guide for Cloud Machine Learning](https://docs.teradata.com/r/Teradata-VantageTM-API-Integration-Guide-for-Cloud-Machine-Learning/April-2022) [リリース日：2022/8　リリースバージョン：1.1]の内容をもとに作成しています。

> Vantageアナリティクス シリーズのコンテンツです。