Python関連のことを調べてみた2023年02月08日

BERTで自殺ツイートを検出する試み　～②EDAとルールベースでの検出～

# はじめに
皆さんこんにちは。今回は前回作った自殺ツイートデータセットを用いてBERTモデルを作成する前に、
EDAと自殺ツイートに特徴的なワードからルールベースでも検出できるのか試してみたいと思います。
▼前回記事はこちら

https://qiita.com/harunan0913/items/a1081abc593d7248b22a

# 自殺ツイートのEDA
EDAの流れとしては
データの分布、文字数の確認
↓
ginzaで形態素解析
↓
自殺ツイート・無関係ツイートに頻出する名詞、動詞、形容詞の確認していきます。
環境はgoogle colabです。

①まずは必要なライブラリをインポートします。
“`Python
# 必要なライブラリのインストール
!pip install -q ginza ja_ginza datasets transformers[ja]

import spacy
import pandas as pd
import numpy as np
from tqdm.auto import tqdm

from sklearn.model_select

VSCodeでPylanceのreportPrivateImportUsageを無視する

Pylanceのtype-checkingモードはとても便利なのですが、意図しない`reportPrivateImportUsage`の警告を出してきます。たとえば、

“`python
from dask import array as da

da.from_array(…) # <- 警告! ``` とかです。この場合`dask`が`__all__`を定義していないためです。 ## 解決策 ファイルのどこかに ```python # pyright: reportPrivateImportUsage=false ``` を書けばOK。

[Python] PyAutoGUI 複数画像のどれかが表示されたらクリックする

作ったプログラムの備忘録

# はじめに
PyAutoGUIで画像認識でクリックさせる場合に、ソフトウェアの前回使用時の設定によって表示される画像が異なる状況が発生したので、複数画像のどちらか一方が表示された場合にクリックできるようにした。

単純な待機処理とクリック処理は以下に記載。

https://qiita.com/takafi/items/48f146e1315ff19444bb

## 動作テスト環境
OS: Windows 10 Pro 64bit
言語： Python 3.9.13
ライブラリ：PyAutoGUI 0.9.53

# ソースコード
“`Python:
import pyautogui
from time import sleep

def plural_search_click(images):
for i in range(300):
for img in images:
try:
if pyautogui.locateOnScreen(f’./img/{img}’,

Twitterでの情報収集を RSS へ（一部）移行

# はじめに

Twitterは情報発信者の多さやUX、即時性の点で優れている点も多く、メインの情報収集ツールとして利用してきた。しかし、アプリ経由ではタイムライン情報が2～7日間程度しか見ることができず、以前からどうにかできないかと考えていた。

今回、Twitter APIの**有料化**が公表[^アナウンス]されたことで、やろうと思っていたTwitterデータの自動収集はいったん諦めて、一部ではあるがRSSに移行することにした。

[^アナウンス]: [@TwitterDevによるツイート（2023/2/2）](https://twitter.com/TwitterDev/status/1621026986784337922)

# 背景

Twitterのタイムラインには自分が興味があるにせよ、情報の重要性や情報鮮度がバラバラな情報が時系列に流れてくる（もちろん広告も）。とりあえず全部目を通しておきたいのだが、あっという間にタイムラインからはアクセスできなくなってしまう。（経験則だと、iOSアプリだと最長6日間程度、Androidアプリだと最短2日間～最長4日間程度）

特にメ

condaってなんですか？帰ってきたよpart3(くらい)

お久しぶりです墨色レイです。
完全に忘れていたqiita投稿。condaってなんですかです。多分パート3です。
本日はcondaの環境管理についてです。

—-
はい環境管理についてです。
まず環境ってなんですか、最近流行りのSDGsですか？ってなるかとも思いますが、少なくともpythonにおける環境管理とは仮想環境の管理を指します。
python japanでは
「Python を使って開発や実験を行うときは、用途に応じて専用の実行環境を作成し、切り替えて使用するのが一般的です。こういった、一時的に作成する実行環境を、「仮想環境」 と言います。」
と説明されています。
なんか小難しいですが、これの一番わかり易い例がWindowsの仮想デスクトップ(多分macもあった)ですね。
こちらWin＋tabを押すと下の方で
新しいデスクトップ
と開くとまるで別のPCを持ってるかのように新しい画面が表示されます。そしてそこで開いたりするアプリは最初に使っていたデスクトップには反映されません。
これと同様にpythonでは仮想環境ごとに別の設定やpythonの

symbol ブロックチェーン上のアドレスの受信制限の有無を調べる。(23年2月)

– 【概要】
前回、symbolブロックチェーンの[アグリゲートトランザクション](https://qiita.com/ULUNTA2/items/96b45dd6765b96ebeb49)について書きました。このアグリゲートトランザクションは便利なんですが、1件でもアドレスに不備があると、うまくいきません。タイプミスやコピペミスだけでなく、アドレス自体に制限がかかっていて送れない場合があります。今回はアドレスの受信制限やコピペミスを判定する内容を記事にします。

– 【環境・前提条件】
windows10
Python 3.10.9
requests 2.28.2
beautifulsoup4 4.11.1
symbol-desktop-wallet 1.0.13

– 【コード(testnet_address_scan.py)】
ノードにアクセスして受信制限を調べます。
受信制限あり、受信制限なし、アドレス間違いの判定をしています。
まず、pythonのライブラリであるbeautifulsoup4のインストールをします。
“`
pip install beautifulsoup4

Webサービスでどうやって稼ぐのか？ [広告モデル編]

# 広告モデル – 最も手軽なマネタイズ方法　

マネタイズで最も簡単で手間がかからないのが、この広告モデルと言えるでしょう。広告モデルには、さまざまな種類のものがる。それは**クリック報酬型**、**成果報酬型**、**インプレッション報酬型**の３つです。これらは総じて、アフィリエイトと呼ばれ、アフィリエイト業者が用意したタグを、Webサービスに貼り付けるだけで、収入を得ることができます。　

### 広告モデル　>　クリック編　
有名なクリック報酬型の広告には、**Googleアドセンス**があります。自動でWebサイトにマッチする広告を選んで表示してくれるため手間がかからないのがポイントです。サイトの訪問者によって広告がクリックされると報酬につながります。　

### 広告モデル　 > 成果報酬型　
次に、成果報酬型があります。これは、商品の広告を掲載し、商品が実際に購入されると、商品の数%が報酬うとして支払われる方式のアフィリエイトです。**Amazonアソシエイト**や、**楽天アフィリエイト**などが有名です。　

### 広告モデル　> インプレッション型　
広告の表

Webサービスでどうやって稼ぐのか？[ECモデル編]

# ECモデル – 堅実なマネタイズ手法　
これは、実際に商品を販売することです。ECモデルの代表例が、大手販売サイトのAmazonや楽天です。また、商品の販売を主なサービスとするのではなく、Webサービス自体は無料で提供するものの、そのサービスのファンのためにグッツを販売したり、特別企画として記念グッツや別企画とのコラボ商品を販売する方法もあります。

Webサービスでどうやって稼ぐのか？[課金モデル編]

# 課金モデル
Webサービスを利用するために、利用料や年会費を受け取るのが、この課金モデルです。最初から有料のサービスを打ち出しても、なかなか使って貰えないため、体験版を出したり、フリーミアム方式で最初は無料で使ってもらい、サービスの一部だけを有料にするなど、さまざまな方法があります。　

### 課金モデル　>　フリーミアム　　
オンラインストレージの**Dropbox**やメモアプリの**Evernote**などのWebサービスは基本的に無料で使えるものの、保存量が大きいプランを選ぶには有料で年会費を払う必要があります。このように普段は無料で使えるが、付加価値のあるサービスを利用するにはお金を払う必要がある課金モデルを**フリーミアム**と言います。　

### 課金モデル　>　サブスクリプション　
従来型では、アプリやサービスを売り切り型で販売するのが普通でした。しかし、最近では、サブスクリプションの方式で提供するサービスが増えてきています。　これは、利用期間に応じて使用料を徴収する課金スタイルを指します。定期的に利用するアプリケーションに向いてます。　
ユーザーにとっても

Webサービスでどうやって稼ぐのか？

## キーワード
– マネタイズ
– アドセンス
– フリーミアム
– サブスクリプション　
　
# どんなWebサービスを開発するにしても、お金は必要

いきなりですが、皆さんはなぜWebサービスを開発しようと思っているのでしょうか。色々な目的、野望があることでしょう。しかし、残念ながらどんなに大きな志があったとしても、Webサービスを無料で運営することはできません。例えば、毎月のサーバー費用、電気代、インターネットの接続代、、、パッと思いつくだけでもこんなにに、、、つまり、お金を稼がないことには、サービスを安定に運営することはなかなかできないというのが現状です。しかし、Webサービスをつくって、それが大衆に気に入られて使われるようになれれば話は別です。ここではどうやってお金を稼ぐことが出来るのか代表的なマネタイズ方法を具体例を挙げながら紹介していきたいと思います。　

追記：ここでは本などの参考文献をはじめとする確かな情報を元に発信していますが私個人のアウトプットも含みます故、温かい目でこの記事に目を通していただけたらなと思います。　

この記事は以下のような情報を参考にして執筆

Djangoで本番(DEBUG=False)でCSSとFaviconが読み込めなかった件

## 目次
[1.問題](#問題)
[2.解決方法](#解決方法)
[3.振り返り](#振り返り)
[4.参考記事](#参考記事)

## 問題
### urls.pyの書き換え
pythonのDjangoフレームワークで、
“`python:settings.py(抜粋)
# SECURITY WARNING: don’t run with debug turned on in production!
DEBUG = True
“`
開発時は上記のようデバッグモードになっているところを、
“`python:settings.py(抜粋)
# SECURITY WARNING: don’t run with debug turned on in production!
DEBUG = False
“`
と書き換えるとデバッグモードが解除されます。
解除されることによりWebサービス(アプリ)上でエラーが起きてもその詳細な内容がブラウザ上に吐き出されなくなるようです(セキュリティ上はこちらが良いですよね)。

デバッグモードでは下記のような表示だったサイトが、
![スクリーンショ

Python の学習を始めました

# はじめに
今回、新たなプログラム言語を学習しようと思い、その対象として`Python`を選びました。
選んだ理由としては、新興のIT分野で活用されている事。
　→IoTのデバイス制御、AIの機械学習、投資関連の分析など。
また、それらのサンプルコードやライブラリが多く公開されている（らしい）ので、学習し易そうとの想定で選びました。
自分の学習の記録ならびに備忘録になればと思い、暫く投稿していこうと考えています。
そして、これから同じ様に`Python`を学習される方にとって、有意義な情報になれば良いな～とも思っていますので、宜しくお付き合いください。
# 学習を始める
`Python`について、全く分からないので、会社の同僚から学習用のサイトを教えて貰ったので、そのサイトを参考にして進めました。
（その同僚も`Python`の学習を始めたので、勉強仲間として情報交換させて貰っています。（今の所、教えて貰う一方。）:sweat_smile:）

「Python japan」のサイトで公開している[「ゼロからのPython入門講座」](https://www.python.jp/tra

G-coordinatorで3Dプリント＃1

# G-coordinator とは
3Dプリンタを使用するためには，基本的には3Dモデルを用意し，それをスライスソフトにかけてG-codeを作成してプリンタに読み込ませる必要があります．今回開発した[G-coordinator](https://github.com/tomohiron907/G-coordinator)はpythonで直接G-codeを作成するためのオープンソースフトウェアです．(URL:https://github.com/tomohiron907/G-coordinator)

直接G-codeを作成することにより，従来の3Dモデルを作成する方法では実現が困難であった形状や造形を，容易に作り出すことができます．例えば，下のような編み形状を実現できます．

【AtCoder】ABC251E Takahashi and Animals Python解説

# はじめに

ABC 251 E 問題 Takahashi and Animals を解くために考えたこと、ACできるPython3(PyPy3)コードを紹介します。

# E.Takahashi and Animals

[問題ページ](https://atcoder.jp/contests/abc251/tasks/abc251_e)
難易度 ： 水色 1227

# 考察

$Ai$ すべてについて 払う,払わないを考えられれば簡単ですが、計算量が $2^N$ となるので間に合いません。

ここで、餌やりがどういうルールであるか理解するために可視化してみます。
つまり **$\ i ≦ k ≦ N\ $ 番目までの動物への餌やりが完了している状態** からは、$i-

Kaggleに挑戦 Tabular Ordinal Regression with a Wine Quality Dataset?

# はじめに
DNNの回帰タスクをやっています．

特徴全部そのまま放り込んだら下から数えて10番くらいでした(´；ω；`)ｳｩｩ
Kaggleは前処理コンペみたいな感じありますね～

というかDeepはモデルより前処理がすっごく大事であるという話ですわ．
前処理を制すものは，Deepを制すってね．さぁ，やっていきましょう．

Kaggele上で公開しているコードは[こちら](https://www.kaggle.com/code/shiraeharuto/dnn-regression/notebook)から．

# Import
必要なライブラリのインポートと，Deviceの指定です．
~~~
import torch
import torch.nn as nn
import torch.nn.functional as F
import torch.optim as optim
import torchvision
import torchvision.transforms as transforms
from torch.utils.data import TensorDatas

【FDUA】第一回 金融データ活用チャレンジをやってみている

ひょんなことから[【FDUA】第一回 金融データ活用チャレンジ](https://signate.jp/competitions/841)に参加しているので、個人の活動記録を兼ねてやってることを書いてみます。
正直、あまり分析の助けにはならないと思いますが、学習回してる間の読み物にでもなれば。。。

https://signate.jp/competitions/841

## 自身の背景知識

– コンペ初参加。Kaggle覗いたことがある程度。
– 機械学習はちょっと触ってる程度。
– コンペの分析基盤であるDatabricksは業務で利用中。プラットフォーム自体の知識はそこそこある・・・かな？
– 金融のドメイン知識は全く無い。

普段はデータエンジニア・アナリティクスエンジニア的な仕事を事業会社でやっていて、
コンペ参加は勉強のためという理由です。

## 参加にあたってのコンセプト（自分への縛り）

– せっかくなので、「**Databricksらしい(?)**」やり方でやってみて、どこまでいけるか試す。
– モデル訓練は頑張らない。頑張らない方法でやる。
– 前処理や特

Google AdSenseのレポートをPythonで取得する

# やること
僭越ながら、Google AｄSenseで広告収益を得ているのですが、毎日いくら稼げたかな〜と[Google AdSense](https://www.google.com/intl/ja_jp/adsense/start/)にログインして確認していました。
これをプログラムで取得して、毎日Slackなどに投稿することができれば面白いなと考え、[AdSense Management API](https://developers.google.com/adsense/management?hl=ja)を触り始めました。
本記事では、PythonでAdSense Management APIを使用して、Google AdSenseのレポートを取得する手順を記載したいと思います。
ハマりにハマったので、備忘録として残そうと考えたのも書くきっかけです。

# 事前確認
手順に入る前に、まず現状を共有しておきます。
* Google AdSenseのアカウント作成は完了しています。
* Google AdSenseで収益を得ていて、レポートを作成できる状態です。

# 手順
##

Python 初学者が買い物リスト作成アプリを作った（データ収集編:2）

おいしそうな料理のレシピって沢山ありますよね。
しかし、ネットサイトのレシピは投稿者が不特定多数なので、何人分の材料表記かまちまちです。

４人分のレシピでも、自分が作るのは２人分となると、
レシピの材料をすべて　×1/2　しなければなりません。

それに合わせて、材料も買うとなると・・・
さらに複数のレシピ分のお買い物となると・・・
**面倒くさい！** となることもあります。

このアプリでは、ユーザーが何人分の材料を買いたいかに合わせて量を表示したいので、そもそも、レシピが何人分のものであるかの情報が必要になります。

**この記事は以下の記事の続きです**

https://qiita.com/yuuauuy1/items/a27f6af14540f188191d

**買い物リスト作成アプリの概要はこちら**

https://qiita.com/yuuauuy1/items/5bb4a53ab15bde354297

**★このページは以下項目で構成されています★**

| 項番 | ページ内リンク |
|:—-:|:————-|
| 1 | [何人分

機械学習を用いて麺類分類器をつくってみた

# [目次]
[1.はじめに](#1-はじめに)
[2.実行環境](#2-実行環境)
[3.準備](#3-準備)
[4.画像収集から学習モデル](#4-画像収集から学習モデル)
[5.分析](#5-分析)
[6.結果](#6-結果)
[7.考察](#7-考察)

# 1. はじめに
はじめまして！
プログラミング未経験な私、思いつきてAidemyさんのAIアプリ開発講座、6ヶ月コースを受講してみました。飽きっぽくて期限内に終了できるか不安でしたがなんとか終われそうです。
[Aidemy Premium Plan](https://aidemy.net/grit/premium/?utm_source=google&utm_medium=cpc&utm_campaign=brand_brand_PPLP&gclid=Cj0KCQiAic6eBhCoARIsANlox876mQXJNdoEgRJ5hoddAY0pbQ0brbQEyI0HB4VUsA0VrMOuUo8fHf4aAh8aEALw_wcB)

はじめて作成した機械学習の成果を供覧します。

`テーマ：『麺類を分類してみた』`:

PyCaretのevaluate_model()実行時にフォントエラーとなる場合の対処方法

手持ちのデータセットを用いてPyCaretで機械学習モデルの比較検討を行い、evaluate_model()関数を実行すると以下の様なエラー表示が連発します。


“`bash:エラー文(抜粋)
findfont: Generic family ‘sans-serif’ not found because none of the following families were found: Arial, Liberation Sans, Bitstream Vera Sans, sans-serif
“`

# 対処方法
`japanize-matplotlib`をインストールします。これは元々`matplotlib`を手軽に日本語表示に対応させるためのライブラリです。

“`bash
pip install japanize-matplo