- 1. ヤマト運輸「送り状発行システムB2クラウド」のAPIを開発してパッケージを公開した
- 2. 岸田総理のツイートをネガポジ判定→スコアを可視化する
- 3. PyTorch LightningとBERTを用いた文書多値分類
- 4. PLATEAUのLOD2有りのCityGMLがWin版のQGISでは読めるのに、Mac版では読めないので調査！
- 5. 【画像の次は3次元モデル生成】テキストから点群を生成するPoint-Eを試してみた
- 6. Databricks ( Spark ) にて `withColumn` メソッドを用いて処理を共通化する際の懸念事項
- 7. Delphi で作った複数のフォームを Python で呼び出す方法
- 8. 円形データ可視化パッケージ「pyCirclize」を開発してみた話
- 9. slackでずんだもんと話そう！（GPT-3.5によるキャラクター性をもった発話生成）
- 10. データクラスでpandasデータを設計しよう！pandas-dataclassesの紹介
- 11. AWS CodeArtifactにPythonパッケージを登録して、実際に使ってみた
- 12. Flask+SQLiteでSQL Alchemy構築+CRUD手順
- 13. Twilioやーる（Python 3.9）
- 14. 緯度経度から距離・面積の算出精度について
- 15. 【23日目】コードは非同期処理で。【PythonでDiscordBOTを作ろう！】
- 16. Pythonista3 と機械学習（Core ML） のVision Framework で、手を追っかけてもらう
- 17. discord.pyのslash commandでhelp表示
- 18. ターミナルとおしゃべり(風)してみたい
- 19. OpnenAIの音声認識器「Whisper」について調べてみた
- 20. Mac をリセットしたときの環境構築 (LaTeX, Python, VSCode)
ヤマト運輸「送り状発行システムB2クラウド」のAPIを開発してパッケージを公開した
## 結論
ヤマト運輸さんの「[送り状発行サービスB2クラウド](https://business.kuronekoyamato.co.jp/service/lineup/b2/index.html
)」のAPIパッケージをPythonで開発して公開しました。## 動機：APIがなくて不便だった
– データのやり取りは基本CSV
– シールに印刷してDMに貼る
シールを貼りに時間がかかる。直接印刷する方式は提供されていない。
– 宛先データに不備があるとリジェクトされる
自動補正の機能はない。## なのでAPIを開発しました
1. データの送受信はAPI経由で
1. 伝票毎にイメージが分割されるので、直接DMに印刷可能になった
1. 宛先を郵便番号、都道府県、市区、町村・番地に分割する### ちょっと宣伝
住所を都道県、市区、町、番地、ビル名に仕分ける機能は、自社開発した住所を正規化するサービスAddressianを使っています。
https://addressian.netlify.app/
## APIの機能一覧
### b2cloud
| functi
岸田総理のツイートをネガポジ判定→スコアを可視化する
Web系toC向けサービスを開発している新卒一年目サーバーサイドエンジニアです。
バックエンドはGoで実装し、クラウドはGCPを使っています。 部署配属されてから半年が経ち、ようやく業務以外の技術・分野に目を向ける余裕が出てきたので、以前より興味のあったデータ分析に挑戦します。# 概要
**Twitter API と GCP Natural Languageを使って岸田総理のツイートを分析していきます**
以下のステップで進めていきます
**[1.TwitterAPIを使って岸田総理のツイートを取得する](#1-twitterapiを使って岸田総理のツイートを取得する)**
**[2.GCP Natural Languageで岸田総理のツイートを感情分析する](#2-gcp-natural-languageで岸田総理のツイートを感情分析する)**
**[3.Matplotlibで感情値をグラフとして可視化する](#3-matplotlibで感情値をグラフとして可視化する)**#### 分析結果
①
に掲載しているライブドアニュースコーパスを利用した多値分類モデルのコードの解説になります。学習部分までを解説しており、予測部分は省略しています。
主に自分の勉強用になりますのでご了承ください。## 使用する環境・データ
GoogleColabを使用します。
データはLivedoorニュースコーパスを使用します。## 事前準備
自身のGoogleドライブにライブドアニュースコーパスを配置してください。
必要に応じてデータ数を削減してください。## コード解説
コード内に`#—1`のような形でコメントを入れ、コメントに対応したインデックス番号で該当のコードについて説明しています。### Googleドライブをマウント
“`python
from google.colab import drive
drive.mount(“/content/drive/”)
“`
まずGoogleColabに自分のGoogleドライブをマ
PLATEAUのLOD2有りのCityGMLがWin版のQGISでは読めるのに、Mac版では読めないので調査！
みなさん！PLATEAUで**GIS**やってますかー！！！！
PLATEAUに利用されているCityGMLは地理空間情報（GIS）データなのですが、2Dのデータと3Dのデータを混在させることができるため、今まで接点がなかった分野にも広がっている上、整備済みの都市もどんどん増えています。
また、先人が「[鼻血を出しながら](https://qiita.com/Yfuruchin/items/aa3a847db26c7f378d6e)」調査をしてくれたおかげでLOD1の建物データがQGISでもサクッと見れるようになっていますね！
どの段階から読み込めるようになっていたのかは検証していないですが、win版のQGIS v3.26の時点ではLOD2を含むCityGMLもドラッグ&ドロップでサクッと表示できるようになっています！素晴らしい！！！
（
【画像の次は3次元モデル生成】テキストから点群を生成するPoint-Eを試してみた
# はじめに
あのChatGPTを開発したOpenAIが、今度はテキストから3次元モデルを生成するAIをオープンソース化して公開しました。その名も「[Point-E](https://github.com/openai/point-e)」。
普段点群×DeepLearningを研究している私([@comapi5](
https://twitter.com/comapi5))としては触らない理由がありません。ということでGoogle Colabで動かしてみました！
# Point-Eのざっくり概要
Point-Eは二つのモデルで構成されています。「テキストから画像を生成するモデル」と「画像から点群を生成するモデル」です。
以下Point-Eの論文[^1]の図を見るとわかりやすいでしょう。
“A corgi”
Databricks ( Spark ) にて `withColumn` メソッドを用いて処理を共通化する際の懸念事項
## 概要
Databricks ( Spark ) にて `withColumn` メソッドを用いて処理を共通化する際に、懸念事項を共有します。`withColumn` のドキュメントにて、ループ処理により複数回呼び出すとパフォーマンスの問題が起こる可能性がある旨の記載がありますが、数百のカラムを持つテーブルへの処理や数百のカラムへの処理を行う場合を除き、過度におそれる必要はなさそうです。なお、Spark には遅延評価（アクションによりデータ処理が行われること）という特徴があるため、`withColumn`をループ処理で記述した場合と`withColumn`を複数回記述した場合で、基本的にはデータ処理自体の性能がかわらないようです。`withColumn` のドキュメントにて、下記のような記載があります。記述内容から、数回の利用で性能に問題がでてしまう可能性があると解釈できます。
> This method introduces a projection internally. Therefore, calling it multiple times, for instance
Delphi で作った複数のフォームを Python で呼び出す方法
# はじめに
以前の記事（Delphi Advent Calendar 2022 14日目）で [Delphi のフォームを Python から使う方法](https://qiita.com/iihi/items/9dc35a2435591b5d3bb1) を載せましたが、その続きとしてサンプルを元に２つのパターンで動かしてみました。その一つ目として Delphi で作った複数のフォームを Python で呼び出してみます。
## 前提条件
[Delphi のフォームを Python から使う方法](https://qiita.com/iihi/items/9dc35a2435591b5d3bb1) の記事の前提条件と Delphi FMX for Python, Delphi4PythonExporter のインストールが済んでることとします。詳細はそちらの記事をご確認ください。### 補足
基本的に情報が少ないため、模索しながら実施してますので、本来の想定された実装の仕方かどうかは分かりません。また、Python についての知識が乏しいため、使い方が正しいかどうか分かり
円形データ可視化パッケージ「pyCirclize」を開発してみた話
https://github.com/moshi4/pyCirclize
# はじめに
データ間のネットワークやフローのような相互関係を表現する際には円形でのデータ可視化がよく行われます。下記のような図は**Chord Diagram**と呼ばれており、各データの相互関係を分かりやすく美しく可視化することができます。
**↑ Chord Diagramプロット例** (https://jokergoo.github.io/circlize_book/book/the-chorddiagram-function.html)またバイオインフォマティクス(情報生物学)分野ではゲノム情報や遺伝子ネットワークの可視化表現に**Circos**という円形データ可視化ツール(Perlモジュール)が広く使われており、様々なデ
slackでずんだもんと話そう！（GPT-3.5によるキャラクター性をもった発話生成）
# はじめに
この記事は[QualiArts Advent Calendar 2022](https://qiita.com/advent-calendar/2022/qualiarts)の23日目の記事になります。昨今、様々な生成系AIが話題になっていますね。
特に画像の生成に関しては、今年8月に発表されたStableDiffusionを皮切りに、この半年で飛躍的に進化しており、もはや人間が描いたものかAIが描いたものかほぼわからないレベルに達していると言ってもいいレベルです。
その進化は今をもってとどまることを知らず、最近でも破綻していない人物画を描く技術や、テキストから3Dを生成する技術も発表されてきています。一方、発話生成に関してもつい最近OpenAIによってChatGPTが発表され、その能力について多くの人に驚きを持って迎えられました。
東京の観光地について聞けば夜の東京タワーの美しさについて話し、「口裂け女」を楽しい話にアレンジしてほしいというと子どもたちと楽しくキャンプをする口裂け女の話が生成され、どこが間違っているかわからないプログラムを見せるとnullが許容さ
データクラスでpandasデータを設計しよう！pandas-dataclassesの紹介
## はじめに
これは[Python Advent Calendar 2022]の23日目の記事です。[pandas]のDataFrameやSeriesの設計・生成を、Pythonの標準ライブラリの[データクラス]を使って簡単にできるようにする[pandas-dataclasses]を紹介します。詳しい使い方は[ドキュメンテーション][pandas-dataclasses]に書かれていますがこれは英語なので、日本語の解説記事ということで書いておきたいと思います（が、全ての内容は網羅できていません…）。
:::note info
pandas-dataclassesはPythonパッケージとして公開されています。最新版（記事公開時点ではv0.11.0）はPython 3.8-3.11に対応します。pipでインストールできますのでお気軽にお試しください！
:::ひとこと（ひとコード？）でまとめると、DataFrameやSeriesの設計がこんな感じでできるようになりますよ、というものです。
“`python
@dataclass
class Weather(AsFrame):
AWS CodeArtifactにPythonパッケージを登録して、実際に使ってみた
この記事は ハンズラボ Advent Calendar 2022 23日目の記事です。
Qiita初投稿となります。よろしくお願いいたします。# CodeArtifactについて
Node.jsのパッケージであればnpm、PythonのパッケージであればPyPIが有名なパッケージリポジトリとしてありますが、CodeArtifactはAWSがフルマネージドで提供する、プライベートリポジトリサービスになります。
# CodeArtifactにパッケージを登録して、使ってみよう！
### 1. CodeArtifactにドメインとレポジトリを作成する
マネジメントコンソール上からドメインとリポジトリを作成します。
ドメインはリポジトリを要素として持つ集合なので、ドメインの作成を先に行ってからリポジトリの作成を行います。ドメイン名をsample-domainとして作成します。
* 別途pipインストール必要になるもの
①flask
②flask_sqlalchemy
③pytz* 別途sqliteのインストール必要(winの場合)
[①sqliteインストール方法](https://www.javadrive.jp/sqlite/install/index1.html)
[②sqliteのpathを通す方法](https://hasethblog.com/it/programming/sql/6291/)
[③VSCode上でsqliteを確認する方法](https://qiita.com/ritya/items/098835a96f3fcf7c6661)# DB 新規作成手順
①プロジェクト直下にapp.pyを作成
②app.pyに以下を記載“`app.py
from datetime import datetime
# pythonでtimezone扱う場合のインポート
impo
Twilioやーる（Python 3.9）
# はじめに
Twilioやっていきまーすhttps://www.twilio.com/docs/libraries/python
# 開発環境
– Windows 10 PC
– Python 3.9# 導入
1．Twilioでアカウント作成https://console.twilio.com/?frameUrl=%2Fconsole%3Fx-target-region%3Dus1
2．コンソールからSIDとTokenをメモ
3．Trialの残高
4．Get a Twilio phon
緯度経度から距離・面積の算出精度について
# はじめに
緯度経度から範囲内か検出する処理について記述したturfpyは
公式ドキュメントを確認すると距離や面積のように他の算出もできることがわかる
その精度についてまとめるhttps://turfpy.readthedocs.io/en/latest/measurements/distance.html
https://turfpy.readthedocs.io/en/latest/measurements/area.html
# 確認方法
豊田スタジアムの縦と横の距離や面積を算出する
天然芝部分115m×78m
=面積:8970平方メートル
google mapで確認
縦115メートル
`とか使ったりしてませんか？
普通のPythonであれば別に何でもいいと思うんですけど、ここは非同期の世界です。## `aiofiles`
aiofilesというモジュールを使うと、ファイルの操作（読み込み/書き込み）を非同期で行えます。同期処理であれば
`
Pythonista3 と機械学習（Core ML） のVision Framework で、手を追っかけてもらう
この記事は、[Pythonista3 Advent Calendar 2022](https://qiita.com/advent-calendar/2022/pythonista3) の23日目の記事です。
https://qiita.com/advent-calendar/2022/pythonista3
一方的な偏った目線で、Pythonista3 を紹介していきます。
ほぼ毎日iPhone（Pythonista3）で、コーディングをしている者です。よろしくお願いします。
以下、私の2022年12月時点の環境です。
“`sysInfo.log
— SYSTEM INFORMATION —
* Pythonista 3.3 (330025), Default interpreter 3.6.1
* iOS 16.1.1, model iPhone12,1, resolution (portrait) 828.0 x 1792.0 @ 2.0
“`他の環境(iPad や端末の種類、iOS のバージョン違い)では、意図としない挙動(エラーになる)なる場合もあり
discord.pyのslash commandでhelp表示
# 前提
– WSL, Ubuntu22.04.1
– Python 3.10.6
– discord.py 2.1.0という環境で行っています．
# やりたいこと
全てのコマンドの名前とその説明を表示してくれるコマンドを作ります．そのbotで使えるコマンドが何かを全体的に表示してほしいってやつですね．利用するプログラムは以下に載せておきます．
プログラム
“`python: python
import os
import pprint
import discord
from discord import Interaction, app_commands
from discord.app_commands import CommandTree, Groupclass MyGroup(Group):
def __init__(self):
super().__init__(name=”group”)@app_commands.command(desc
ターミナルとおしゃべり(風)してみたい
12月22日のIPFactoryアドベントカレンダーです。
# はじめに
ターミナル君は普段真っ黒で口下手なので、かわいく会話できたらいいのになと思いやってみました# 日本語を返してくれるだけでかわいい
ターミナルで出力を確認するのはAtCoderに参加した時がほとんどなので、英数字や記号を吐き出す姿ばかり印象に残っています。普段無機質なものがこちらを認知して友好的に接してくれるのが癖なので、うちのターミナルくんにそうなってもらいます。
それはそうともう22日が終わりそうなのでめちゃめちゃ焦っています。## まずは挨拶から
クリスマスも近いので彼氏的なノリでいきましょう。
“`python
import timenow = datetime.datetime.now()
aisatsu_list= [“おはよう”,”こんにちは”,”こんばんは”]
aisatsu = input()
if aisatsu == aisatsu_list[0]:
if now.hour >= 22:
print(aisatsu_list[0] + “、おねぼうさ
OpnenAIの音声認識器「Whisper」について調べてみた
## はじめに
こんにちは。shoheiです。
[WINC(早稲田コンピュータ研究会) Advent Calendar 2022](https://adventar.org/calendars/8102) 21日目の記事です。(2日遅れました、、、すいません?)OpnenAIがリリースしているWhisperという音声認識サービスについて調査したので記事にします。
## Whisperとは
Whisper([GitHub](https://github.com/openai/whisper))とは、多言語において高精度な音声認識器で翻訳や言語認識の機能も搭載しています。
特に精度がとても良く、人間レベルで音声認識ができるのです。
精度と実行時間はトレードオフの関係にあるため、Whisperには以下のモデルが用意されています。(引用：https://github.com/openai/whisper)
|Size|Parameters|English-only model| Multilingual |model Required VRAM |Relative speed
|—|
Mac をリセットしたときの環境構築 (LaTeX, Python, VSCode)
# はじめに
たまに手持ちの Intel Macbook をリセットしたくなるときがあるので、そういうときにpython が実行できて LaTeX でレポートが書ける環境を作るために必要なことを書きます。
# すること
– Homebrew のインストール
– MacTeX のインストール
– Miniconda のインストール
– vscode のインストール・設定### 実行環境
– Macbook Pro 16-in. (2019) Intel コア
– macOS Monterey 12.6.2### 注意事項
コマンドを実行しても上手くいかない場合は、とりあえずターミナルの再起動を試してください。
それでもダメだったらごめんなさい。# homebrew のインストール
いろんなものをインストールする際に Homebrew は必須です。
Homebrew のウェブサイトからコマンドを拾ってきて実行します。https://brew.sh/
“`terminal
$ /bin/bash -c “$(curl -fsSL https://raw.github
