Python関連のことを調べてみた

ハネリズム変換実装してみた

最近TLにこのようなポストが流れてきました。

pic.twitter.com/yjHdz8jsRR

— ハネリズム変換bot (@ConvertToSwing) December 24, 2023

楽曲をはねたリズムに変換しています。いわゆるシャッフルリズムです。しかもかなり自然な感じに変換されています。
少し興味があったのでどのように実装

Amazon Bedrockで文書検索をやってみた（FAISS、LangChain）

## はじめに
Amazon Bedrockで文書検索をやってみました。ベクトル化にはamazon.titan-embed-text-v1モデル、回答生成にはanthropic.claude-v2モデルを使用しました。

## 環境
– Windows11
– Python 3.11.5
– LangChain
– OpenAI
– FAISS
– AWS CLI

## 実装

### 必要なライブラリのインストール

“`terminal
pip install langchain openai python-dotenv faiss-cpu pypdf PyPDF2 tiktoken boto3
“`

### AWS CLIの設定
AWS IAMの「ユーザー」タブに移動して、任意のユーザーを選択または作成します。
「セキュリティ認証情報」タブから、「アクセスキーを作成」を選択します。

![記事投稿用 (4).png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/3124507/44dedff3-f

openapi gpt4 を php で使う

まずは
https://qiita.com/ma7ma7pipipi/items/c08bf5adbec86fc2c761

# gpt4 api はどう違う？

| モデル名 | コンテキストウィンドウ | 知識のカットオフ | 出力トークンの上限 | 特徴・備考 |
|————————–|—————–|————–|—————|—————————————————|
| gpt-4-1106-preview (GPT-4 Turbo) | 128,000トークン | 2023年4月まで | 4,096トークン | 指示に従う能力、JSONモード、再現可能な出力、並列関数呼び出しの改善。本番環境にはまだ適していないプレビューモデル |
| gpt-4-vision-previe

【Magenta】作曲AIを使って作曲してみよう！

生成AIは昨今目覚ましい飛躍を遂げています。特にChatGPTなどのLLMがかなり注目されていると思います。画像やテキストの生成は気軽にできるようになっていますが、作曲すらもAIでできるようになりました。
今回は、Googleが開発した作曲AIライブラリのMagentaを使って作曲するまでの流れを紹介いたします！

## Magentaについて
MagentaとはGoogleが開発した音楽生成の機械学習ライブラリです。PythonやJavaScriptで使用することができ、オープンソースなので誰でもフリーに使うことができます。
現在のところ、オープンソースの音楽生成AIの中では最も手軽に使えて、最もアウトプットの出来が良いと言えます。（いずれ更新されるかもしれませんが・・・）

### Magentaの特徴
Magentaは以下の特徴があります。

– 専門的な音楽の知識がほとんど必要ない
– プログラム（生成できる音楽）の種類が多彩
– データも豊富に公開されている
– コードがすべて公開

上記の特徴から多少のプログラミングができれば、さまざまな楽曲を無料で生成することができます。

The Zen of Go

:::note info
この記事はAndrew Gerrand氏の[Go and the Zen of Python](https://go.dev/talks/2012/zen.slide#1)を訳したものです。
:::

## “Beautiful is better than ugly.”

Goは、C言語を彷彿とさせる軽量で規則的な構文を持っている
しかし、美しいか醜いかは、個人に依存する

## “Simple is better than complex.”

メソッドはただの関数であり、特別な場所は無い
thisやselfなどのキーワードはなく、レシーバは他の関数引数と同じようなものである

“`go
type Vector struct {
X, Y float64
}

func (v Vector) Abs() float64 {
return math.Sqrt(v.X*v.X + v.Y*v.Y)
}
“`

## “Simple is better than complex.”

メソッドはクラスがなくても任意の名前付き型で宣言できる

さや香「見せ算」をPythonで実装してみた

初投稿です。

ふざけた無駄な遊びの個人的な記録としてQiitaを始めてみました。

昨日人生で初めてM-1を観ました。とても面白かったです。

いちばんの推しは令和ロマンですが、さや香の「見せ算」がAtCoderのＡ問題っぽいことに気付いたら、Pythonで書きたくなったので書きました。

https://x.com/smoke_matsui/status/1738922050012778660?s=20

令和ロマン、おめでとうございます！

https://x.com/y_kiguma/status/1738907374709358823?s=20


(よく見る、コピペできるあの形式で載せたいのですがまだ分からないため、一旦画像で失礼します)

昨日初めてさや香を観たので、まだ「からあげ4」をよく理解していないのですが、

Azure Functionsをちょっと試したい時のデプロイ方法

# はじめに

こんにちはあるいはこんばんは。Azure Functionsを活用されていますでしょうか。
Azure Functionsを開発中、ちょっと動作を試したい、または開発環境や検証環境で疎通テストしたい場合があるかと思います。
こういった場合に、Azure Functionsを簡単にデプロイする方法がいくつかあります。今回はその一部をまとめてみました。

# 共通の前準備 関数アプリ作成

AzureポータルからAzure Functionsを作成します。
Azureポータルでは名称が「関数アプリ」（Azure Functionsでない）となっていますので、リソース検索の際ご注意ください。

関数アプリ > 右上の「+作成」

以降、以下前提で説明をいたします。

– ランタイムスタック：Python
– 関数アプリ名：example-func
– Windows 10 Pro 22H2

# デプロイ方法1：Azureポータル

Azureポータルで先ほど作成した関数アプリに移動し、「Azure portalで作成」を選択。
開発環境を「ポータルでの開発」とすると、web

FireDucks vs Polars 42勝24敗！ あなたはどっちを使ってpandasを高速化する！？

こちらは [NEC デジタルテクノロジー開発研究所 Advent Calendar 2023](https://qiita.com/advent-calendar/2023/nec-dt-labs)の24日目の記事です．
このAdvent Calendarでは我々の開発するFireDucksを紹介する記事がいくつかありましたが，本日はFireDucksと他の高速データフレームライブラリの比較を行いたいと思います．

## pandas and others

データフレームと言えば[pandas](https://pandas.pydata.org/)だと言うほどに，圧倒的にpandasの利用者が多いと思いますが，10年以上前から開発されているこの老舗ライブラリを置き換えようといくつかのデータフレームライブラリが登場しています．その中でも，特別なハードウェア（GPUやマルチノード環境）が必要なく，pandasユーザーに使いやすいのは，[Modin](https://github.com/modin-project/modin)と[FireDucks](https://fireduck

Pythonでリアルタイムにセグメント分けして塗りつぶす

こんにちは！

最近OpenCVを使った記事を書いたので、これを使って、何か面白いことできないかな、と考えてました。

ちょうど、とあるバーでリアルタイムなプロジェクションマッピングの話が出たので、まずは、カメラを通して取得したフレームを、ランダムに塗りつぶすことをやってみます:slight_smile:

# やりたいこと
– カメラを通してフレームを取得
– セグメントに分ける
– セグメントごとに塗りつぶす

# 環境構築
Pythonの仮想環境を作ります。
“`bash
python -m venv color-randomly
cd color-randomly
“`
ディレクトリに移動した直後の状態
“`bash
$ ls
bin/ include/ lib/ pyvenv.cfg
“`
仮想環境の有効化
“`bash
source bin/activate
“`
必要なライブラリのインストール
“`bash
pip install opencv-python numpy scikit-image imageio
“`
# opencv-pythonとは

【完全版】Django高速化、最適化

# 1. はじめに

Djangoのパフォーマンスを改善する方法はいくつかある。この記事では、最初にパフォーマンス改善前に実施する[プロファイリング](#プロファイリング)について説明し、その後に以下4つの改善手法について紹介する。

1. [DB最適化](#DB最適化)
1. [静的ファイルの最適化](#静的ファイルの最適化)
1. [キャッシング](#キャッシング)
1. [適切なレイヤーで処理を行う](#適切なレイヤーで処理を行う)
1. [Pythonコードの最適化](#Pythonコードの最適化)
1. [Djangoの設計思想に従う](#Djangoの設計思想に従う)

## 対象読者

Python、またはDjangoに興味のある人
Djangoを使っている人

# 2. プロファイリング

Djangoアプリケーションの最適化を図る前に、まずはプロファイリングを行う必要がある。**性能分析**のことである。プロファイラを用いることで、如何なるクエリがどのように動いているかを調べることができる。次に、**何のために何を改善するのか** をはっきりさせる。メモリの使用量を削

Qiita Advent Calendar 2023「ChatGPTとPythonで学ぶ」シリーズ振り返り

皆さんこんにちは。今月はQiita Advent Calendar 2023に参加して[「ChatGPTとPythonで学ぶ」シリーズ](https://qiita.com/advent-calendar/2023/chatgpt_to_python_de)をお送りしてきました。ChatGPT先生には色んなことを教えていただきまして、誠にありがとうございます。ここで、これまでの記事の振り返りをしてみたいと思います。

—

### **assistant**:

まず初めに、私たちが取り組んだ一番目のトピックでは、ChatGPTを使った基本的な会話の形成について説明しました。これは、ChatGPTがどのように人間の様に聞こえる返答を形成するか、その基礎を理解するためのものです。

次に、PythonとChatGPTを使用したデータの収集と整理について探求しました。ここでは、どのようにしてChatGPTを使用してオンラインフォーラムやソーシャルメディアから情報を収集し、それを分析するために整理するかを学びました。

３番目のトピックでは、ChatGPTとPythonを使った自動コ

【Polars 入門】エクスプレッションを完全に理解する

# はじめに

特に pandas ユーザーが Polars に入門する際の最初の障壁は**エクスプレッション**ではないでしょうか（僕はそうでした）。

僕が初めて Polars に入門した際に、pandas での

“`python
df_filtered = df[df[“col1”] == “A”]
“`

みたいな処理が Polars では

“`python
df_filtered = df.filter(pl.col(“col1”) == “A”)
“`

と書かなきゃいけないよ、という情報を見つけたことで出鼻を挫かれ、しばらく入門をやめました。

– pandas っぽい速いライブラリと聞いたけど pandas ぽく書けないのかもしれない
– `pl.col(“col1”)` って何、学習コスト高そう

Tokyo Streamlit Meetupに参加してきた

## 目次
– はじめに
– Meetup概要
– 1:OSSに貢献する
– 休憩
– 2:PyGWalker×Streamlit
– 3:共同開発者「Amanda Kelly」からのメッセージ

– まとめ

## はじめに

この投稿はアイスタイル [Advent Calendar 2023](https://qiita.com/advent-calendar/2023/istyle) の25日目の記事です。
こんにちは。アイスタイル新卒1年目のosadamです。
今回は、12月21日(木)に開催されたTokyo Streamlit Meetupに参加してきたので、内容を簡単にまとめました。

Streamlitを現在どのように使用しているかはこちらの記事に書いています。

https://qiita.com/osadam/items/1615e26037d60e888dbe

## OSSに貢献する

StreamlitコントリビューターのYuichiroさんから「OSS(Open Source Software)に貢献する・キャリアにする」とい

Mayaでログインしているアカウントのユーザー名を取得する

## はじめに

メリークリスマス

この記事は[Maya Advent Calender 2023](https://qiita.com/advent-calendar/2023/maya)の25日目の記事になります。

今年も@9boz さんが大量の記事をアップしていて凄いなと感じる年でしたね！

それに比べて僕はトリにも拘らず大した情報しか持ってきてませんがご容赦下さい。

## Mayaでログインしているアカウントのユーザー名を取得する

厳密にはここに表示されている文字列を取得します。

もしかしたら既にこういうことをやってる人は多いかもしれませんが、
私が`Maya get login name [検索]`した限りではこちらの記事のしか見つけられませんでした。
https://forums.autodesk.com/t5/maya-

pinpongライブラリとMind+を使って、Milk-v duoでPythonビジュアルプログラミング!?

## はじめに
秋葉原ロボット部の有志で、milk-v duoを購入し、個々人が様々な実験を行って、勉強会内で報告しています。

Milk-v duoは9ドルのrisc-vコンピュータとして知られています。
ハードウェアは以下の通りです。

1. CPUはCVITEKのCV1800B (C906@1Ghz + C906@700MHz)
1. 最高1 GHzで動作するデュアルRV64コア
1. 64 MBのラム
1. オプションのアドオンボードを接続すると10/100Mbpsの速度でイーサーネットに接続可能

Mind+はpinpongライブラリを使って、Pythonプログラミングが可能です。
ということは、Pythonのプログラムをビジュアルプログラミングで作成することができるのです。
Milk-v duo用のpinpongドライバは公開されているので、原理的には、Mind+を使ったビジュアルプログラミングでmilk-v duoで動作するプログラムの作成が可能です。
Milk-v duoではLinuxOSが動作していますので、Mind+が対応しているボードの内、LinuxOSが動作して

【Python】標準ライブラリ

## 前回までのあらすじ
前回は、文字列フォーマットについて見てきました。

https://qiita.com/advent-calendar/2023/python-hello-world

早いもので、今回がアドベントカレンダー最終日となります:santa:

## 本日のゴール
– Pythonの標準ライブラリについて触れる
Pythonの魅力は、ライブラリが豊富な点も挙げられるかと思います。今回は、そんなライブラリのうち、標準で提供されている標準ライブラリを見ていきたいと思います。

## 標準ライブラリ
### OSモジュール
OSモジュールは、Pythonがインストールされている環境のOSがつかさどっている機能にアクセスできます。
“`python:python
import os

os.getcwd() #カレントディレクトリを取得する
os.system(‘mkdir new’) #新しいディレクトリnewを作成する
“`
“`:結果
‘C:\\Users\\tyasu\\PycharmProjects\\QiitaAdventCalendar20

生成AI時代はプログラミングがもっと魅力的になる

# コード書いてますか
当社はHULFTを開発しているベンダーです。ユーザーのDXを支援するためのツール・ソリューションを開発・販売・サポートしています。
今年はHULFT SquareというiPaaSをローンチしました。HULFT開発については、当然ながらそれに関わるエンジニアは日々コードを書いています。

一方、SI業務も当社の生業の半分を占めていますが、伝統的なPjM業務に加えて、ノーコードツール、SaaS、PaaSの活用が広がり、コードを書くということが少なくなってきています。

私自身も今年の4月からCTOになりめっきりとコードを書くことがなくなりました。そこでせっかくのアドベントカレンダーということもあって、久しぶりにコードを書いてみたので改めて、現代のコードを書くことについて振り返りたいと思います。
コードを書いているけど、ちょっと最近楽しくないなとか、悩んでいる人はぜひご覧ください。

# コードを書く前に必要なこと
HULFT Squareは日米共同で開発しています。私はそこで4年間PdMを担当しています。その際感じたことの詳細は[こちら](https://atmar

GPT4-turboとClaude2、Gemini Proに同じ質問をして、回答結果を比較してみた

## はじめに
GPT4-turboとClaude2、Gemini Proに同じ質問をして、回答結果を比較してみました。

## 環境
– Windows 11
– Python 3.11.5
– langchain
– openai
– boto3
– pandas
– openpyxl

## 実装

### 必要なライブラリのインストール

“`
pip install langchain openai boto3 langchain-google-genai pandas openpyxl
“`

### Pythonプログラム
“`test.py
import pandas as pd
import os

from langchain.chat_models import AzureChatOpenAI
from langchain.chat_models import BedrockChat
from langchain.schema import HumanMessage

os.environ[“AZURE_OPENAI_API_KEY”] = “キーを指定して

データで(主成分分析等で)振り返るM-1グランプリ2023

# 1.はじめに

この記事は、NSSOL-アドベントカレンダー2023、2023-12-25担当分です。

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

[先駆者の記事](https://qiita.com/haltaro/items/dbfa03c2dd4023316111)を参考に、[M-1グランプリ2023](https://www.m-1gp.com/)の決勝ファーストラウンドのデータを利用して、主成分分析等を行い、理解度を深めます。出場者と審査員の特徴が捉えられたらいいな、と思います。

↓の@haltaro さんの記事では、2017年までのデータにて分析が行われていました。M-1グランプリのルールや主成分分析の理論的背景まで説明されていて、大変分かりやすいです。是非読みましょう。

https://qiita.com/haltaro/items/dbfa03c2dd4023316111

本投稿は、[2023のデータ](https://www.kaggle.com/datasets/gakikame/m1-judge-de

[pandas] 大量のCSVファイルを高速に読み込む方法

## はじめに
本稿はpandasユーザーに向けて、複数のCSVファイルからデータを読み込んで1つのDataFrameを作る高速な方法を書きました。
最初にfor文で1ファイルづつ読み込む一般的な方法を確認した後に、高速な方法を紹介しています。

## 環境
– Google Colaboratory （無償版CPU）
– pandas ver 1.5.3

### 対象CSVファイルの仕様
– 1つのCSVファイルに50,000レコード x 3列のデータが入ってます。
– 3列は「日付」「数値」「文字列」の型に対応したデータが入っています。
1. date列: 「YYYY-MM-DD」の書式でファイル名と同じ日付の文字列が入ってます。
2. A列: 0～9のランダムな数値が入っています。
3. B列: A-Zのランダムな3文字の文字列が入ってます。

![csvimg2.png](https://qiita-image-store.s3.ap-northeast-1.amazonaws.com/0/3654720/45792ed7-25a5-e254-7