Python関連のことを調べてみた2023年09月21日

Pythonで為替レートの履歴でデータ分析してみた

# はじめに
ドル円レートはメディアで「円高で」「円高の影響で」という耳にタコができるくらい上昇しています
新発売のiPhohe15はアメリカドルで799ドルで14と変化ないですが、日本円だと14から値上がりして発売されます（2023/09/18時点)

一方で、対ユーロの為替はどうなのか見てみました
ここでユーロ円の為替レートを見れます

https://www.ecb.europa.eu/stats/policy_and_exchange_rates/euro_reference_exchange_rates/html/eurofxref-graph-jpy.en.html

このサイトがXMLで日付毎の為替レートを提供しているのでこれを使用してデータ分析していきます

https://www.ecb.europa.eu/stats/policy_and_exchange_rates/euro_reference_exchange_rates/html/jpy.xml

# 環境構築
“`
pip install requests pandas matplotlib japani

[Python / 音声認識入門] 学習内容まとめ 1

このパートには Python に関する記述はありません。次のパートから含む予定です。

# 概要
### 音声認識とは
– 音声信号から発話した内容を認識すること
– 音声: 人が出す声
– 音源分離（雑音除去など）→ 音声認識（発話の認識）→ 自然言語処理（発話内容の解析）
– ヒトの音声認識は 知覚（耳） → 認識（脳）
– 知覚 ＝ 特徴量抽出、認識にとって都合をよくする前処理
– 認識 ＝ 妥当性評価、音声認識モデルを基にした判定など、事前学習が必要

### 音声認識モデル
– 入力特徴量 から 認識結果の確率 を返す計算規則のこと
– 以下の３つのモジュールで順序的に構成・実装される
1. 音響モデル: 音声特徴量 から 音素（a/na/ro/gu など） の確率を計算するモデル
1. 発音辞書: 音素 と 単語 の対応リスト
1. 言語モデル: 文脈を考慮し 単語が現れる確率を計算するモデル
– デコーダはこれらの出力を統合する
– 歴史
– 1980-2010: 隠れマルコフモデル ＋ 混合正規分布
– 2010-現在: 隠れマルコフモデル

Discord.pyでモーダルを使用したい。

DiscordにてModal機能を使用したいと思っています。
以下のように入力しましたが、中々解決できません。

≪目指す目標≫
Discord内で必要な情報をmodalで収集して管理したい。

≪流れ≫
/modalでフォーム(モーダル)を呼び出す。
↓
メールアドレス、住所、名前など、指定した項目を入力してもらう
↓
送信
↓
送信されたデータをスプレッドシートで受け取る
※CSVなどでも可

入力したPythonコード
“`
import discord
from discord.ext import commands
from discord import Interaction

bot = commands.Bot(command_prefix=’.’, intents=discord.Intents.all())

class FavoriteFoodModal(discord.ui.Modal):
def __init__(self):
super().__init__(
title=”好きな食べ物は何ですか？”,

データフレームのデータスライス時に発生するエラー

本記事は個人用のメモ書きである。
あくまで、似たようなエラーで引っかかってしまった初学者の方向けの記事になるので、一般的な内容を期待されている方は回れ右をしていただきたい。

# 事象

今回の発生したエラーは、とある記事通りにコードを実装していた際に発生した次のエラーである。

“`python
single_image = pixel_values[1,:].reshape(28, 28)
“`
> InvalidIndexError: (1, slice(None, None, None))

このコードでやりたかった処理としては、pixel_valuesというリスト（画像がいっぱい格納されている三次元のイメージ）から、一つ目の画像を引っ張ってこようと1行目のレコードをスライスしようとした形である。
しかし、この初めて見るエラーが出てきたため、面食らってしまった。

# 原因
こんなことを言うのは「お前いくらなんでもいい加減すぎるだろう」と馬鹿にされそうで憚れるのだが、結論原因はデータ理解の不足である。
pixel_valuesをリスト（或いはnumpy系のやつかな～）という

Mayaで特定のreferenceEditを削除したい

アセットをリファレンスしてアニメーション付けてもらっていたら、
予期せぬアトリビュートにキーフレームが入ってしまい・・・
なんとかそれを除去したいのだけれども・・・・
いやーロック忘れちゃって・・・

※追記
通常命名規則がしっかりしてるDAGノードのアトリビュートであれば、決め打ちでdisconnectAttrとかで対応します。
が、今回の場合は　DAGノードのアトリビュートロックしわすれて、そのアトリビュートにconnectされていたchoiceノードに対してキーフレームが入ってしまったので、こんな対応をしてみました。

さてどうしよう

とりあえず reference editの確認
–
Reference Editor > file > List Reference Edits
でreferenceEditを表示させてみる
うーん　リフ

【Python】wikipediaライブラリで指定したページと異なる結果が返ってくる

# 概要

pythonで[wikipediaのライブラリ](https://pypi.org/project/wikipedia/)を用いてスクレイピングしてた時に、__正しいページタイトルを指定しているのに異なる結果が返ってくる__ という事象に出くわしたので、その時に調べたことをまとめます。

# 事象

例として下記の[アイカツ!](https://ja.wikipedia.org/wiki/%E3%82%A2%E3%82%A4%E3%82%AB%E3%83%84!)の取得例を見てみます。

“`python
import wikipedia

target = “アイカツ!”

wikipedia.set_lang(“ja”)
wikipedia.search(target)
“`

“`
実行結果
[‘アイカツ!’,
‘アイカツ! (アニメ)’,
‘アイカツプラネット!’,
‘アイカツフレンズ!’,
‘アイカツスターズ!’,
‘アイカツオンパレード!’,
‘アイカツ!の登場人物一覧’,
‘BEST FRIENDS!’,
‘AIKATSU☆STARS!’

Azure OpenAI 「DALL-E」APIで作成した画像をOneDrive for Businessに保存する方法

# はじめに
先日Qiitaで、[Azure OpenAIで画像生成AI「DALL-E」のAPIを利用して、Power Appsで画像生成を楽しむ方法](https://qiita.com/DEmodoriGatsuO/items/a57779789de38add4b22)をご紹介しました。

https://qiita.com/DEmodoriGatsuO/items/a57779789de38add4b22

この方法で取得できるデータは、`画像の参照先URL`になります。

https://learn.microsoft.com/ja-jp/training/modules/generate-images-azure-openai/1-introduction

**一時的に画像が保存されているURLであり、永続的な保管場所ではありません。**

:::note warn
筆者が試したところ、数日も保管されていないURLではないかと

参考までに先日生成した画像URLはアクセスできない状態です
`https://dalleproduse.blob.core.windows.ne

カウント画像のランダムサンプリングによる超解像度化の実装方法

# はじめに
カウント画像は、天文学や光学顕微鏡の画像など、様々な分野で幅広く使用されています。カウント画像の空間スケールを詳しく知るために、画像の実ピクセル以下の空間情報が必要となる場面があります。その一つの手段として超解像があり、古典的な手法であるニアレストネイバー法やバイリニア補間から、最新の機械学習手法まで、さまざまな手法が研究されています。

本記事では、その中でカウント画像の超解像化に広く使われる、非常にオーソドックスなランダム化に基づいた手法について実装方法等を紹介します。

# ランダム化による高解像度化
ランダム化による超解像化は以下のようなイメージで実装されます。

1. 観測されたイベントの空間情報が与えられます。
1. 本来は、手順1のように無限に細かい情報がありますが、観測時に実ピクセル単位でサンプリングされます。
1

【2023年9月】0円で読めるオススメ技術書5選

# はじめに
みなさん、こんにちは。高校生エンジニアの[Raio](https://twitter.com/Raio14f)です！
平日は公立高校に通いながら、放課後や休日はIT企業のエンジニアとして働いています??‍?

↓筆者について↓

https://qiita.com/Raio14f/items/ef0fb67685b36298bcb0

今回の記事では、**0円で読めるオススメ技術書5選**を紹介します！
無料で読む方法も紹介してるので、是非最後まで見て頂けると幸いです??

# 技術書を無料で読む方法
[KindleUnlimited](https://amzn.to/3t3n5sY)を使うことで、**沢山の技術書を無料で何冊でも読むことが可能です**?

– 200万冊以上の書籍が何冊でも読み放題
– 月額980円が今なら1ヶ月無料
– 場所に囚われず、様々な端末で使用可能

勿論、技術書以外にもビジネス書や漫画など種類豊富です！

**今回の記事で紹介する技術書も、全てKindleUnlimitedで読むことができるので是非** ?

**↓入会したい方は画像をクリッ

Pythonで複数の画像ファイルにつけたIPTCのキーワードを集計する（pyexiv2を使用）

## はじめに

画像ファイル（JPEG）にIPTCのヘッドラインやキーワードを付けて管理しているのですが（管理は主にAdobe Bridgeを使用）、画像ファイルに付けた情報をPythonで表示・編集する方法はあるのかと思い、調べてみました。

個々の画像ファイルのIPTC情報を操作するなら、Adobe Bridgeを始めとする画像管理アプリを使えば良いのですが（それでも、IPTCやExifを操作できる使い勝手の良いアプリは少ない）、複数の画像ファイルに付けたキーワードの総数や、キーワードごとの使用回数を調べる、それも再帰的に調べたいとなると、Adobe Bridgeではできそうになかったので、Pythonでやってみることにしました。

## 画像ファイルに付けた情報の例


参考: IPTC

https://ja.wikipedia.or

ポートフォリオ作成時学んだことまとめ

### プライマリキーについて

重複がある可能性があるフィールドに設定してはいけない！

[Djangoでmodelのプライマリキーを設定する](https://qiita.com/ekzemplaro/items/377adfb74fa3517f98df)

:::note
Djangoで普通にmodelを作成すると「id」がプライマリキーになる（特に意識してなかった）
“`python:
primary_key=True
“`
にするとその設定したカラムがプライマリキーになりidは生成されなくなる

:::

Djangoには複合主キー設定はできず、unique_togetherは「ユニーク制約」。あくまで制約らしい。

設定の仕方としては
“`python:models.py
user_id = models.AutoField(primary_key=True)
“`

### 選択肢をもたせたモデルの作成
“`python:
class User(AbstractBaseUser,PermissionsMixin):
LANG_TYPES = (

pythonの変数と値のコピーについて

## 記事の目的

pythonで代入とコピーの違いとか、ディープコピーって何？とかの質問がよくあって、その度に、うまく説明された資料がないなぁと思っていたので作ってみた。

うまく説明されたとは思わないけど、伝えたいことは書けた。参考になれば。

## pythonの値(オブジェクト)と変数

pythonではいくつかの方法で値を作ることができます。作った値を置いておく場所がありますが、ここでは**作業領域**と呼ぶことにします。

いくつか値を作ってみます。
“`python
# 数値
3.14
# 文字列
‘円周率’
# 最初の3つの素数のリスト
[2, 3, 5]
# 辞書
{‘円周率’: 3.14, ‘究極の疑問の答え’: 42}
“`
このように書くと、下図のように作業領域に対応するデータが作られます。(このときのデータはクラスのインスタンスで、本当は値だけでなくいろいろな属性も持っているというのは別の話で。)
![001.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/3931/b33

[SIGNATE] MUFG Data Science Champion Ship 2023 コンペティション終了後のレポート

# はじめに
SIGNATEのMUFG Data Science Champion Ship 2023 コンペティションが先日終了しました。このコンペティションでは、クレジットカードの顧客登録情報や決済手段・利用場所といった定量及び定性データを元に分析モデルを構築して、[カード不正利用]の予測を目指して多くの参加者が競い合いました。データ分析の学習の一環として初めてのコンペティションとしてこのコンペティションに参加し、多くの学びと経験を得ることができました。
**評価指標:f1score**

https://signate.jp/competitions/1088

この記事では、コンペティションの過程で行ったデータ分析、モデルのトレーニング、および結果について詳しく共有します。また、振り返りとして自分が取り組んだ方法の長所と短所、今後の改善点や学びを述べます。

ちなみに、筆者は **38位/参加者303人中** でした。
順位としては手放しで喜べるほどの順位ではなかったものの、初めて挑んだコンペティションとしては**ブロンズメダル**も受賞でき、まぁまぁの成績なんじゃないでしょう

【電子工作】I2C通信を利用したSO1602AW(キャラクタディスプレイ)を使ってみる

今回はI2C接続の16×2有機ELキャラクターディスプレイSO1602AWWB-UC-WBを使ってみます。

秋月電子で1580(税込み)でした。
[有機ＥＬキャラクタディスプレイモジュール　１６×２行　白色 | 秋月電子通商](https://akizukidenshi.com/catalog/g/gP-08277/)

– [取扱説明書](https://akizukidenshi.com/download/ds/akizuki/so1602awwb-uc-wb-u_akizuki_manu.pdf)
– [データシート](http://www.kyohritsu.jp/eclib/OTHER/DATASHEET/LED/sp1602awwbuawbu.pdf)

# ■ ピン

「sympyのMathML」を調べました。ChatGPT先生に、変換をみてもらいました。

# DOC
MathML＜

https://docs.sympy.org/latest/tutorials/intro-tutorial/printing.html#mathml

# 1 と 1+1
#### 入力
“`python
from sympy import *
print_mathml( 1 ,printer=’presentation’)
print_mathml( 1 )
print_mathml(“1”,printer=’presentation’)
print_mathml(“1”)
print_mathml( 1+1 ,printer=’presentation’)
print_mathml( 1+1)
print_mathml(“1+1”,printer=’presentation’)
print_mathml(“1+1”)
“`
出力
“`
1

1

1

1

2

2

2

openCVで画像の一部分を拡大

# はじめに
python*openCVでの画像の一部を拡大表示するためのプログラムです。

# 問題
openCVを使って以下のような画像を表示し、横断歩道の四隅をマウス操作でクリックする際に
画面いっぱいまでしか拡大できず、さらに拡大したいと思っていました。
なので、画像の中心は変えずに、倍率を指定して拡大するようなプログラムを作成しました。

# 解決方法
“`
import cv2

# 画像読み込み
input_image_path = “input_image.jpg” # 入力画像のファイルパスを指定してください
output_image_path = “output_image.jpg” # 出力画像のファイルパスを指定してください
scale_factor = 2 # 拡大倍率（縦も横も元の画像の半分になるようにする

Pythonをインストールしているがターミナルで command not foundと表示された時

## はじめに
自分のメモ書きで許してください。

## Pythonのインストール手順
私は`brew`を使って以下のようにPythonをインストールしました。
“`
brew install python
“`

Pythonを実行します。
“`
python
“`
すると`command not found: python`と表示されてしまいました。

## 解決方法
“`
python3
“`
`python3`とコマンドを実行することで解決できました。

![Screenshot 2023-09-20 at 14.04.19.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/318755/3

√３^(√５^(√５))と√５^(√3^(√3)) の大小「2017 愛媛大学前期　医学部【9】」をChatGPTとWolframAlphaとsympyでやってみたい。

**・log(x)/x^xのグラフがでます。**
**・(3)から怪しいです。**

オリジナル(youtube 11:23) MathLABO 様より

上と同じです。大学入試数学問題集成＞医学部【９】テキスト　

https://mathexamtest.web.fc2.com/2017/201710801/2017108010100mj.html#top-0116

# ChatGPT-3.5先生へ(**???(2)(3)難しくて、私はわかりませんでした。。???**)
入力文(一括です。)
“`
f(x)=log(x)/x**x
(1) f(x)を微分せよ.
(2) f(x)がx=aで極値をとるならば、a<√3であることを示せ. (3) √３^(√５^(√５))と√５^(√3^(√3))の大小を比較せよ. ``` 返信抜粋 ``` 　　　(1)...。f'(x) = (1/x^2) + x^x * log(x) * (1 + log(x)) ？？？(2)難しくて、私はわかりませんでした。 ？？？(3) ...具体的

pythonの引数にlambda関数を使うと便利だった

numbers = [[‘1′, ’40’], [‘4′, ’13’], [‘3′, ’14’], [’25’, ’30’], [’17’, ’20’], [’21’, ’22’]]

# リストの要素をキーとして最大値のリストを取得
– リストの1つ目の要素をキーとして最大値のリストを取得
“`
m = max(numbers, key=lambda x: int(x[0]))
print(m)
“`
> [’25’, ’30’]

– リストの2つ目の要素をキーとして最大値のリストを取得
“`
m = max(numbers, key=lambda x: int(x[1]))
print(m)
“`
> [‘1′, ’40’]

# リストの要素をキーとして昇順に並び替える
– リストの1つ目の要素をキーとして昇順に並び替える
“`
s = sorted(numbers, key=lambda x: int(x[0]))
print(s)
“`
> [[‘1′, ’40’], [‘3′, ’14’], [‘4′, ’13’], [’17’, ’20’], [’21

[GIF]Matplotlibでムービー作成

pythonで動画を作成する方法をメモします．
matplotlib.animationを使用しました．

## ライブラリ
“`python:
import matplotlib.animation as ani
import matplotlib.pyplot as plt
“`

## 配列を作成
以下の配列 images に画像を格納していく．
“`python:
images = []
“`

## 画像をプロット
– 動画にする画像を作成
>画像を連続で表示させることで動画化します．
>“`python:
>image = ax.plot(x, y, color = “steelblue”)
>“`
>:::note warn
>色を指定しないと画像一枚ごとに線の色が変化してしまう
>:::
>複数のグラフを重ねることも可能
>“`python:
>image_2 = ax.plot(x, y_2, color = “orangered”)
>“`
>
>※余談ですが， steelblue, orangered が matplotlib のデフォルトカラーに