Python関連のことを調べてみた

PythonによるPDF添付ファイルの抽出、バッチ抽出、バッチ追加

PDF添付ファイルとは、PDFドキュメントに埋め込まれた画像、テーブル、音声、ビデオ、または他のドキュメントなどの別のファイルのことを指します。これらの添付ファイルは、PDFドキュメントと一緒に保存、転送、共有することができ、文書により豊かなコンテンツと機能を提供します。添付ファイルを追加することにより、関連するファイルや情報をまとめて管理および共有することができます。さらに、PDF添付ファイルは、文書内で外部リソースを参照するために使用され、より包括的な参考資料やサポート資料を提供します。ただし、大量のPDF添付ファイルを処理することは手間と時間がかかる場合があります。Pythonプログラムを活用することで、これらの添付ファイルを簡単に一括処理し、作業効率を大幅に向上させることができます。本記事では、**Pythonを使用してPDF添付ファイルを簡単に一括抽出および保存**、**PDFに添付ファイルを挿入**、および**PDFファイルから添付ファイルを削除**する方法について紹介します。

– **[Pythonを使用したPDF添付ファイルの一括抽出](#pythonを使用したpdf

[RecBole] 女子に、乙女向けアニメを適切に推薦できるのか？！~漢の挑戦編~

## 世の中には2種類のレコメンドしかない
こんな名言を聞いたことあるでしょうか？

世の中には2種類の男しかいない「俺か、俺以外か」

僕も思うんです。

世の中には2種類のレコメンドしかない「機械学習を使うか、それ以外か」
## でも、推薦の「手法」は100種類以上ある
※ 推薦アルゴリズムの論文を見ているとそのアルゴリズムを指して「手法」と呼んでいるようです。

この手法の種類は100を超えており、真に最適な推薦の手法とは何であるのかわからないような状態となっております。

その為、自分たちで構築するよりも既製品のAPIを使ったり、SaaSを使ったりと外部に構築された推薦システムを使うことがしばしばあります。

例)
– [algolia recommendations API](https://www.algolia.com/products/recommendations/)
– [Google Recommendations AI](https://cloud.google.com/recommendations?hl=ja)
– [Amazon Personalize](

Pythonのpandasのサンプル

:::note info
自分勉強記録
:::

**基本動作**

“`py:基本
import pandas as pd

# リストからデータフレームを作成する
data = {
‘名前’: [‘Alice’, ‘Bob’, ‘Charlie’],
‘年齢’: [25, 30, 35],
‘性別’: [‘女性’, ‘男性’, ‘その他’]
}
df = pd.DataFrame(data)

# データフレームを表示する
print(df)

# データフレームの列を取得する
names = df[‘名前’]
ages = df[‘年齢’]

# 列を追加する
df[‘都市’] = [‘東京’, ‘大阪’, ‘札幌’]

# 条件に合うデータをフィルタリングする
filtered_df = df[df[‘年齢’] > 30]

# データフレームをCSVファイルに保存する
df.to_csv(‘output.csv’, index=False)

“`

“`py:列名取得

import pandas as pd

# データフレームを作成する

Python で Word 文書をマージする方法

## はじめに
大量の文書を処理する際に、関連する文書を 1 つにマージできる場合があります。この操作により、作業効率が向上し、文書の整理が容易になります。手動でのコピー＆ペーストに加えて、プログラミングを使用してこのタスクを実行することも可能です。特にバッチ処理には非常に便利です。以下では、Pythonを使用してWord文書を結合する方法について説明します。
## 環境
* Python 3.12.0
* [Spire.Doc for Python](https://www.e-iceblue.com/Introduce/doc-for-python.html)ライブラリ

このライブラリは有料ですが、[30 日間の無料試用版](https://www.e-iceblue.com/TemLicense.html)も提供されています。
もっと多いサンプルコードについて、[Spire.Doc for Python](https://www.e-iceblue.com/Download/Spire-Doc-Python.html)をダウンロードして参照してください。
## 準備
まず、[S

Pythonのaliasについて感じたこと

## はじめに
Pythonのライブラリのaliasについて，ふと感じたことを掲載します．ただの日記です．

## alias（エイリアス）とは
alias（エイリアス）はコマンドを別名で登録します．以下サンプルコード．
“`python
import datetime as dt
“`
上記のサンプルコードでは，”datetime”というライブラリを”dt”という別名呼び出せるようにインポートしますよという意味．この宣言以降，datetimeを呼び出す際はdtと書けば問題ナシ！
サンプルでは”dt”と書いてありますが，as以降の文字列は何でもいい（最悪”a”とかでもok！　ただ，何のライブラリかわかるようにしておこう！）

「ライブラリをインポートしたけど，名前クッソ長えなあ」とか「このコマンド頻繁に使用するんだよなあ」とか思ってる人は使ってみてください．

## 慣例エイリアス
慣例的にエイリアスを使用するライブラリ・モジュールを一部紹介します．
– pandas … データ解析を支援するためのモジュールが含まれているライブラリです．
“`pytho

[CDK][Python]絶対に合わない型

（FLINTERS設立10周年ブログリレー84日目）

# Summary
PythonでCDKを書くと絶対に型が合わない箇所が生じる可能性があります。型安全愛好家の皆さんはある程度はあきらめましょう。

# 概要
例えばCDKを使ってLambdaとAPI Gatewayの構成を作るとします。Typescriptで書くと以下のような感じになると思います。
“`typescript
import * as cdk from “aws-cdk-lib”;
import * as lambda from “aws-cdk-lib/aws-lambda”;
import * as apigateway from “aws-cdk-lib/aws-apigateway”;
import { Construct } from “constructs”;

class TmpStack extends cdk.Stack {
constructor(scope: Construct, id: string, props?: cdk.StackProps) {
super(scope,

テンソルネットワークへの関数の埋め込み

この記事は[量子コンピューター Advent Calendar 2023](https://qiita.com/advent-calendar/2023/quantum)の一日目の記事です。

お久しぶりです．wottoです．最近Twitterアカウントを新しく作りました．元気に生きてます．

## 振幅埋め込み

量子機械学習など，量子計算アルゴリズムにおけるサブルーチンとして，以下のように関数値を状態の振幅として準備したい（state preparation）状況はしばし発生します．
$$
\ket\psi=\frac{1}{\sqrt{\sum_{i=0}^{2^n-1}|f(x_i)|^2}}\sum_{j=0}^{2^n-1}f(x_j)\ket{j}
$$
ここで$n$は用いる量子ビット数とします．state preparationを実行するプロトコルはいくつか提案されていますが，その一つにテンソルネットワークを用いたものがあります．$\ket\psi$を表現するテンソルネットワークをまず準備し，そのテンソルネットワークを量子回路として埋め込むことでこれは達成されま

Python メモ

## Pythonについて
### Python
– Pythonはインタープリタ型の高水準汎用プログラミング言語である。
– Pythonは動的に型付けされていて、ガベージコレクションされている。
– 公式サイト: https://www.python.org/
– GitHub: https://github.com/python

## Pythonフレームワークについて
### Django
– Djangoは、Pythonで実装されたWebアプリケーションフレームワーク。
– MVCデザインパターンに緩やかに従う。
– 公式サイト: https://docs.djangoproject.com/ja/3.1/

### Flask
– Flask(フラスク)は、プログラミング言語Python用の、軽量なウェブアプリケーショ ンフレームワークである。
– Flask自身は、他のフレームワークがしばしば持っているような、データベース抽象化レ イヤやフォーム値の検証などの機能を持たない。
– 公式サイト: https://flask

統計検定学習備忘録　非復元抽出の標本平均に関する公式等

普段より、自分のプログラミング等に関する質問に答えて下さっている皆様ありがとうございます。m( _ _)m　よろしければ統計検定の学習等にご利用ください。

**なお、以下の資料の計算はあくまで過去に個人的に確認したもので、公的に査読されていないため、間違っている箇所があれば、遠慮なくご連絡いただけるとありがたいです。**

※最近たまたま見つけた以前計算していたノートの続編の一部です。

**復元抽出の場合は以下リンクへ**
https://qiita.com/thinking-weed/items/36a3eadf0035557a1714

非復元抽出のイメージ

サンプルを複数個取り出すときに（それらに便宜上順番をつけたときに）戻さない
⇒結果として段々母数（≒分母）が１つずつ減っていく⇒階乗などをよく使って計算

標本平均を非復元抽出でサンプリングしたときの計算例

https://drive.google.com/drive/u/0/folders/10SsMahj63MKKLO_O4xCS1sYfFxSHcDEE

非復元抽出による標本平均に関する公式

FlaskとSlackを使ってQRコードスキャンによる自動通知システムを構築する方法

# 1. 初めに
[MYJLab Advent Calendar 2023](https://qiita.com/advent-calendar/2023/myjlab)　の2日目の担当する4年の浦です。

昨日[@Tyanri_](https://qiita.com/Tyanri_)先輩の[Blenderで宝石を作る](https://qiita.com/Tyanri_/items/002a48de92f8dccd597e)でした。Blenderを作った宝石がとても綺麗で自分でも作ってみたくなりました！

最近は卒論に追われており、記事を絶望しながら書いております、、、

インターンしている会社がフリーデスクになり、誰がどこに座っているかわからなくなってしまいました。
そこで、QRコードでslackにどこに座っているかわかるようにしたいと思い、今回はQRコードを用いたアプリを作成しようと思います！

また、卒論と推し活が忙しいのでこの記事はChatGPTを使用して作成してみました！

## 2. 開発環境
言語：Python 3.8
フレームワークとライブラリ：Flask、reque

Windows11でWSL2とDockerを使ってVScode＋Django＋MySQLの開発環境を構築する

# はじめに

Djangoで簡易メモAPIを開発しました。

一通りの実装が出来たので、振り返りと備忘録を兼ねて、数回に分けて記事にしていこうと思います。初回は開発環境の構築です。

# 開発経緯

Javascriptの勉強を始めた友人が、ログイン機能付きのMemoアプリを作る課題を今後進める予定なのでそのバックエンド側として開発しました。

自分の個人開発ではいつもsupabaseなどのサービスを使っているので、JavaでCRUD処理の実装を行って以来バックエンドは触れてこなかったので、自分で作ろうと思いました。

# 概要

最終的な完成図か下図のようになります。


開発したDjangoのアプリケーションを、terraformで構築したAWS環境にデプロイします。デプロイ環境作成はCirclCIとAnsibleで自動化し、サーバーテストも行い

import polars as pd でどこまでいけるか！

この記事は [Polars Advent Calendar 2023](https://qiita.com/advent-calendar/2023/polars) 1日目の記事です。

# はじめに
こんにちは。
この記事ではタイタニックのデータセットを使って、Polars で予測モデルを作ろうと思います。
ただ、普通に作るのではなく「import polars as **pd** 」とインポートし、どこまで pandas のように Polarsが書けるか試していきます！！！！

# Polarsって何？
Polars は Python で使える高速なデータフレームライブラリです。pandas に似ていますが、特に大量のデータを扱う際の処理速度が pandas と比べて高速なのが特徴です。

# import polars as pd
それではさっそくコードを書いていきたいと思います！
なお、この記事では Polars のバージョン **0.19.15** を使用します。

## import
まずはimportです。
“`python
import polars as p

ロバストなPythonコードを書くための基本的なテクニック

# はじめに
本記事は認知科学に基づくアプローチを踏まえて、ロバストなPythonコードを書くための基本的なテクニックについてまとめています。

[「ロバストPython―クリーンで保守しやすいコードを書く」](https://www.oreilly.co.jp/books/9784814400171/)を読み終えて、ロバストの重要性に感銘を受けるとともに[「プログラマー脳 ～優れたプログラマーになるための認知科学に基づくアプローチ」](https://www.shuwasystem.co.jp/book/9784798068534.html)との関連性を感じました。それぞれ今年に出版された書籍です。

認知科学に基づくアプローチとロバストを組み合わせることで、Pythonコードのロバストを向上させるための方法を探求します。

## 認知科学
[**認知科学**](https://ja.wikipedia.org/wiki/%E8%AA%8D%E7%9F%A5%E7%A7%91%E5%AD%A6)の分野では、記憶に関する研究が現在も盛んに行われています。

コーディングなどの知的生産な

長い動画を25MBごとに分割すーる（Python）

# はじめに
[がちもとさんアドベントカレンダー](https://qiita.com/advent-calendar/2023/gachimoto3)1日目の記事です。
今日は、長い動画を25MBごとに分割するプログラムを作成しました。

# 開発環境
– Windows 11 PC
– Python 3.11

# 導入
## ライブラリのインストール
pip install moviepy

## プログラムの作成

~~~split_video.py
from moviepy.editor import VideoFileClip
from moviepy.editor import concatenate_videoclips
import os
import tempfile

def split_video(file_path, max_size_mb=25):
clip = VideoFileClip(file_path)
total_duration = clip.duration
max_size_bytes = max_size_mb *

ChatGPTとPythonで学ぶ 低分子化合物SMILES生成AI

皆さんこんにちは。今日も引き続きChatGPT先生をお迎えして、「ChatGPTとPythonで学ぶ 低分子化合物SMILES生成AI」というテーマで雑談したいと思います。それではChatGPT先生、よろしくお願いします。

—

### **assistant**:

こんにちわ。今日も一緒に学びましょう。

AIと化学の組み合わせは、新たな化学物質の発見や医療への応用など、多くの可能性があります。今日は、その中でも「低分子化合物のSMILES生成AI」についてお話しします。

まず、低分子化合物とは、分子量が小さい化合物のことを指します。具体的な化学物質としては、医薬品や染料、農薬などがあります。

これに対し、SMILES（Simplified Molecular Input Line Entry System）とは、化学構造を線形の文字列に変換するための表記法です。これを用いることで、化合物の構造を電子的に表すことが可能になります。

そして、「低分子化合物SMILES生成AI」とは、AIを使って新たな低分子化合物のSMILES表現を生成する技術のことを指します。これに

Dev Containerで最強のPython開発環境を作る 〜その1・Pythonスクリプトを動かす〜

こんにちは。
各位お世話になっております。 [Intimate Merger](https://corp.intimatemerger.com/) のitayaです。

みなさま、Dev Containerは使っていますか？

https://code.visualstudio.com/docs/devcontainers/containers

便利ですよね。
開発チーム内で環境を統一する方法はこれまで様々な方法が出てきましたが、Dev Containerはその中でもかなり期待できるもののように感じます。
VSCodeを利用した開発においてはデファクトスタンダードになっていきそうな勢いです。

Dev Containerの何がいいのかという話は様々な方が素晴らしい記事を上げていますので、そちらを参照してください。
この記事はPythonを動作させるための開発環境というところにスコープを絞って書いていきます。

今回は

– **Dev ContainerでPythonスクリプトを動かすところ**
– **Dev Containerでgitを動作させるところ**

です。

# D

Tor経由でPythonを使う

# 眠いので素のLinuxでやる
## インストール
– Ubuntuであることを前提とする

“`bash
sudo apt install tor -y
pip install PySocks
“`

## 起動
– localhost:9050でバックグラウンド起動させる

“`bash
tor&
“`

## 確認
“`bash
# まじIP
curl -sL ipinfo.io

# Tor経由
curl -sL –socks5 127.0.0.1:9050 ipinfo.io
“`

## Python経由で使う

“`python
import requests

def get_ip_info(proxy=None):
url = ‘https://ipinfo.io’
proxies = {‘http’: proxy, ‘https’: proxy} if proxy else None

try:
response = requests.get(url, proxies=proxies)

Python3のCGIスクリプトでバイナリデータが出力したい

Python3でCGIを書いたとき、画像データ(PNG)をレスポンスしたくてハマったので方法をまとめておきます。

## HTTPレスポンス
HTTPではWebサーバーにデータをリクエストし、Webサーバーはリクエストされたデータ（HTMLファイルや画像など）をレスポンスとして返します。
以下はHTMLファイルを返すときのレスポンス例です（[HTTPリクエスト、HTTPレスポンスとは](https://qiita.com/minateru/items/8693538bbd0768855266)）。
“`php
HTTP/1.1 200 OK
Date: Mon, 23 May 2022 22:38:34 GMT
Server: Apache/2.4.1 (Unix)
Last-Modified: Wed, 08 Jan 2022 23:11:55 GMT
Content-Type: text/html
Content-Length: 438

Hello W

テスト自動化の実行環境について考えてみた

# はじめに :xmas-tree:
Airtestを使用したE2Eテストの自動化を行なっています。最近はiOSとAndroid環境でデイリーのビルドに対して自動テストの実行を行い、ブロッカーチェックとして活用しています。
元々検証用のPC環境を順次増やしていった経緯から、iOSとAndroidで実行するPCが分かれていました。最近、この環境を統合する必要が出てきたため、その作業を行う中でいくつかの課題と今後の構成を考える機会があったので、その内容についてまとめてみたいと思います。

# 統合前の環境
図のようにキューを使用したシーケンシャルな実行環境になっています。スマートフォン端末も1台だけなのでとてもシンプルな構成です。


– tirgger.py：ビルドが作成されるとSlackメッセージ

【ROS2/Python】RyeをROS2で使う

# はじめに
本記事は、ROS2アドベントカレンダー1日目の記事です！

https://qiita.com/advent-calendar/2023/ros2

今回はPythonパッケージ管理ソフトウェアのRyeをROS2で使った例を示そうと思います。

https://rye-up.com/

:::note warn
ROS2×Pythonパッケージ管理ソフトウェアについての意見は様々あります。本記事も一例としてとらえてください。
:::

# 環境
以下の環境で動作を確認しています。

| 項目 | バージョン |
|:-: | :-:|
| Ubuntu | 22.04 |
| ROS2 | Humble |

# 手順
簡単に手順を説明すると以下です。
– Ryeをインストールする
– ROS2のパッケージを作成する (PythonのROSノードですが、ビルド方法はament_cmakeを選択)
– パッケージのディレクトリ内でRyeの設定を行う
– ソースコードを作成する
– ビルドする
– Ryeの環境に入り、ros2 run コマンドでPythonファイルを実行す