- 1. 【Databricks SDK for Python】アカウントコンソール上の操作をコード化する
- 2. Django REST frameworkのserializersを使った外部キーモデルの参照
- 3. 完全未経験が半年で個人サービスをリリースした話
- 4. 超簡単にPythonでメール作成する方法
- 5. 作業ディレクトリ配下にある全てのプロジェクトフォルダをnode_modulesフォルダを除いてまるごとコピーしたい
- 6. 【第42回_Beginner限定コンペ】PCゲームの勝敗予測にチャレンジ
- 7. PythonでWord文書のフォントを変更する
- 8. ループメニュー１をやっていく３
- 9. HousePricesで機械学習の外れ値処理を考える(1)
- 10. P2P地震情報のJSONAPIを適当に使ってみる
- 11. 歩行の2次元動作解析(データ処理)【Python/Pandas】
- 12. Pythonで「関数の定義と関数の呼び出し」の動作を確認してみた
- 13. OpenCVでカメラから映像内のArucoマーカーを認識する
- 14. PyMuPDFを探索する：PDFにおける画像の処理
- 15. ChatGPTとPythonで学ぶ torchvision：セマンティックセグメンテーション編
- 16. Pandasチートシート
- 17. log:クロージャについて
- 18. .iniファイルに定義されていたリストを扱うときにエラー
- 19. AWSのKendraとGPTで自社ドキュメントを学習させたLINEbotを作る
- 20. pydicomをよく知りたい
【Databricks SDK for Python】アカウントコンソール上の操作をコード化する
# はじめに
Databricks のアカウントコンソールでは、Databricks アカウント最上位の権限を持つアカウント管理者のみが、UnityCatalog 関連の設定や、ユーザー・グループ・ワークスペース管理などを行うことができます。しかし、基本的にはコンソール上の操作となるため、追加するユーザーやグループの作成する量が多いと工数が肥大化することが懸念されます。
上記の解決策のひとつとして、Databricks SDK for Python を使用することです。
Databricks は細かな操作含めて様々な API をサポートしており、こちらのSDKを使用すればそれらを Python で実行することができます。Databricks CLI や REST API 経由で実施することなく、Databricks のノートブック上でアカウントコンソール上の操作が簡単に実行できるため今回一部紹介します。
# 前提条件
1. 本記事では Databricks on AWS 上の環境で実施しています。
1. Databricks Runtime Version は 13.3
Django REST frameworkのserializersを使った外部キーモデルの参照
## 概要
Django REST frameworkの `serializers` ライブラリを使い、dict型で取得されたdjango-adminのデータをJSONに変換した状態でフロントエンドに連携する仕組みを実装したのですが、外部キーを使ったモデル設計の場合はもう一工夫必要であることがわかったため記載します。
### 実装機能
– [Django REST framework(DRF)](https://www.django-rest-framework.org/)の導入
– 外部キーを用いたモデルの設計、実装| 項番 | 記事 |
| :— | :— |
| 1 | [React + Django + CORSを使ったフロントエンド / バックエンドのデータ連携](https://qiita.com/xinome/items/8319a7f85424bd6e62de) |
| 2 | [Django 管理画面のカスタマイズ](https://qiita.com/xinome/items/f883ce4565cd9c56ad17) |
| 3 | [Dja
完全未経験が半年で個人サービスをリリースした話
## はじめに
この度、転職とスキル向上を目的に個人サービス([Football League](https://football-league-sports.com))をリリースしました。まだまだ修正箇所はあるものの、ひとまず形にはなったのでサービスの使用技術や開発過程を共有したいと思います。
## 自己紹介
商業高校卒(サッカー部⚽️)
25歳
青森住み🍏
職業はトマト農家です🍅## どのようなサービスか
本サービスは、欧州5大リーグのサッカーの試合結果やチーム情報などを閲覧することができるWebサイトです。ただ情報を閲覧できるだけでは面白みがないので、お気に入りのチームやリーグを追加することもできます。
### なぜ作ろうと思ったか
私自身、小学生の頃から社会人になった現在までサッカーをやっています。サッカーだけではなく、スポーツをやっている人であればなにかしらの情報サイトやアプリは使ったことがあると思います。
しかし、意外と自分が興味のあるチームや試合などの情報に特化したサービスは少ないと感じました。膨大な情報からすぐに興味のある情報へ辿り着けるようなサー
超簡単にPythonでメール作成する方法
# 超簡単にPythonでメール作成する方法
## 対象者
毎日、毎回メールを手打ちしている方へ
## メールテンプレートの準備
まず送信するメールのテンプレートを準備する。今回は以下のような文面を使用する。
“`
{受信者名} 様お世話になっております。
{会社名}の{名前}と申します。この度は{商品名}をご購入いただき、誠にありがとうございます。
{商品名}は{発送日}に発送させていただきました。
お手元に{配達予定日}には届く見込みです。商品のご利用方法やその他ご不明な点がございましたら、お気軽にお問い合わせください。
引き続き{会社名}をよろしくお願いいたします。
{打ち合わせ日時}に{場所}で打ち合わせがありますことをご連絡いたします。
ご都合のよろしいようお願いいたします。その他ご不明な点がありましたら遠慮なくご連絡ください。
敬具
{名前}
{会社名}
{連絡先}
“`フルコードはこちら
“`python
template = “””
{受信者名} 様お世話になっております。
{会社名}の{名前}と申します。
作業ディレクトリ配下にある全てのプロジェクトフォルダをnode_modulesフォルダを除いてまるごとコピーしたい
[前の記事](https://qiita.com/atomyah/items/5eb262295444ad2ea836)でディレクトリ構造を表示できるようになったので、それを従えてChatGPT4に表題の件を聞いてみた。
プロンプトは以下の通り。
“`
Windowsの中にGitという作業用フォルダがあり、次のようなフォルダ構造になってます。
C:\Users\atyah\Git
├─ameblo_auto_iine
│ └─node_modules
│ ├─.bin
│ ├─agent-base
│ ├─async-limiter
│ ├─balanced-match
│ ├─brace-expansion
│ ├─buffer-from
│ ├─concat-map
│ ├─concat-stream
│ ├─core-util-is
│ ├─debug
│ ├─delay
│ ├─dotenv
│ ├─es6-promise
│ ├─e
【第42回_Beginner限定コンペ】PCゲームの勝敗予測にチャレンジ
# はじめに
みなさん2024年の目標は立てましたか？私は競馬で回収率をプラスにすることです。
そのためにも機械学習の腕を磨いて、「僕の考えた最強の競馬AI」を作るんだ！！さて、最近は[Nishika](https://www.nishika.com/dashboard)ばかりチャレンジしていたので、気分を変えてSignateに手を出してみます（上位3人が表彰って厳しいっすよ、Nishika様！！上位10人くらいにしてくだせぇ〜）。
[【第42回_Beginner限定コンペ】PCゲームの勝敗予測](https://signate.jp/competitions/986)にチャレンジしたのでその様子をお送りします。
# Signateとは
ChatGPTに書いてもらいましょう。>SIGNATEは、日本最大のデータサイエンスプラットフォームで、AI開発・運用、AI人材の育成・採用支援サービスを提供しています。2018年4月に開設されて以来、多様なデータサイエンスの課題に対応するコンペティション「Competition」、データサイエンススキルを学ぶプログラム「Quest」、デー
PythonでWord文書のフォントを変更する
## はじめに
フォントは文書中で重要な役割を果たします。適切なフォントの選択により、文書の可読性と魅力が向上し、内容が理解しやすくなります。異なるフォントには独特のスタイルと外観があり、形状、太さ、傾斜などのフォントの特徴を活用して重要な情報を強調したり、芸術的な要素を追加することができます。この記事では、Pythonコードを使用してWord文書のフォントを変更する方法を紹介します。これは、大量のファイルを処理したり、関連プログラムを開発する際に役立ちます。以下に、詳細な手法を説明します。
## ツール
* 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購入する必要がありますが、[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**をダウンロードして参照
ループメニュー１をやっていく３
https://paiza.jp/works/mondai/loop_problems/loop_problems__seq_sum
Python
“`py
N = int(input())
A = list(map(int, input().split()))
# 下記でもOK
# A = [int(i) for i in input().split()]
sum = 0
for i in A:
sum += iprint(sum)
“`
PHP
“`php
“`https://paiza.jp/works/mondai/loop_problems/loop_problems__seq_partsum
各言語の挙動
HousePricesで機械学習の外れ値処理を考える(1)
# 目次
[はじめに](#-はじめに)
[HousePrices概要](#-HousePrices概要)[外れ値とは](#-外れ値とは)
[外れ値の定義](###-外れ値の定義)
[外れ値と異常値の差異](###-外れ値と異常値の差異)[HousePricesで１次元の外れ値検定を行なってみる](#-HousePricesで１次元の外れ値検定を行なってみる)
[スミルノフ=グラブス検定による除去](###-スミルノフ=グラブス検定による除去)
[四分位範囲（IQR）を用いた除去](###-四分位範囲（IQR）を用いた除去)
[トリム平均（上下5.0%）](###-トリム平均（上下5.0%）)
[比較](###-比較)[おわりに](#-おわりに)
[参考資料](#-参考資料)# はじめに（本稿の目標）
私は現在会社で機械学習案件・データ分析の獲得を目指すチームでキャッチアップを進めています。
その中で、社内LT用に住宅価格予測のknowledgeコンペをもとに色々調べていると、外れ値の処理について色々疑問だったので今回調べてみようと思います。本稿の
P2P地震情報のJSONAPIを適当に使ってみる
## 諸注意
:::note warn
あまりPythonに詳しいわけではないので無駄なことやってるかもしれないです
予防線張っておきます。
:::
## やりたいこと
2024年1月1日に発生した能登半島での地震情報を一括で取得する。
そうじゃなくても地震情報を一括で取得したい。
## P2P地震情報
https://www.p2pquake.net/一度は目にしたことがあるはずです。開発者向けにjsonapiを提供していたりします。ありがとうございます。
## 書いていく
とりあえずできたコードです。
“`python:main.py
import requestsp2pzishin = “https://api.p2pquake.net/v2/jma/quake?limit=100&order=1&since_date=20240101&until_date=20240102&min_scale=40”
zishin = requests.get(p2pzishin).json()
for i in range(0,101):
if zishin[i][‘e
歩行の2次元動作解析(データ処理)【Python/Pandas】
# はじめに
前回Kinoveaを使用して算出した歩行中の各ランドマークをグラフにプロットし、関節角度を求めていきたいと思います。例えば左側矢状面では肩峰-ASIS-大転子-膝関節裂隙-内果-第5中足骨-踵骨の各点をプロットし直線を描画すると以下のようになります。
※元動画の私です
左側下肢の各ランドマークの軌跡がグラフにプロットできていると思います。
左側踵接地から2回目の左踵接地までを切り出しています。
## 前回の内容https://qiita.com/naitoyuma/items/
Pythonで「関数の定義と関数の呼び出し」の動作を確認してみた
# 概要
Pythonで「関数の定義と関数の呼び出し」の動作を確認してみました。
以下のページを参考にしました。https://www.javadrive.jp/python/userfunc/index1.html
# 実装
以下のファイルを作成しました。
“`sample.py
def myfunc():
print(“Hello”)myfunc()
def myfunc():
print(“Hello”)myfunc()
myfunc()
val = myfunc()
print(val)def 挨拶():
print(“こんにちは”)挨拶()
def Sample():
print(“Hello”)def sample():
print(“bye”)Sample()
sample()print(abs(-5))
def abs(num):
return 0print(abs(-5))
“`以下のコマンドを実行しました。
“`
$ python3 sample.py
Hel
OpenCVでカメラから映像内のArucoマーカーを認識する
# はじめに
会社の忘年会でルービックキューブをプレゼントしてもらった。何とか2分中盤で完成できるようになったのだが、折角なのでプレゼントしてくれた人にも驚かれるような遊び方をしてみたいと思い、ルービックキューブの画像認識を始めてみた。
# 環境
OpenCV 4.9.0# 被写体および結果
こんな感じでルービックキューブにArucoマーカー(4×4, id:0)を貼り付け、認識した。カメラの画質の問題か、このサイズ(7.5mm角) だとあまり認識精度は良くなかったがなんとか認識できた。
# コード
コードは以下の通り。
“`python:
import numpy as np
import cv2
from cv2 import aruco
import datetime#予め定義されている辞書を使って dictionary
PyMuPDFを探索する：PDFにおける画像の処理
この記事は、PyMuPDFの機能に関するシリーズの一部です。
PyMuPDFは、MuPDFのPythonバインディングです。[MuPDF](https://mupdf.com/?utm_source=qiita&utm_medium=japanese-blog&utm_content=inline-link) は、軽量なPDF、XPS、電子書籍ビューア、レンダラー、およびツールキットです。PyMuPDFとMuPDFは、[Artifex Software, Inc.](https://artifex.com/?utm_source=qiita&utm_medium=japanese-blog&utm_content=inline-link)によってメンテナンスおよび開発が行われています
(Py-) MuPDF
ChatGPTとPythonで学ぶ torchvision：セマンティックセグメンテーション編
おはこんばんちわ。今日も引き続きChatGPT先生をお迎えして、「ChatGPTとPythonで学ぶ torchvision：セマンティックセグメンテーション編」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**:
はじめまして、ChatGPT先生と申します。よろしくお願いします。今回は、torchvisionというライブラリを使用してセマンティックセグメンテーションの学習について考えていきましょう。
Torchvisionは、PyTorchの画像分析に特化したライブラリで、人気の高いデータセットのロード、一般的な画像変換の実行、事前訓練済みモデルのロードなど、画像の処理や学習に関する機能が豊富に揃っています。
セマンティックセグメンテーションについて説明しますと、それはピクセルレベルでの画像分類タスクの一種で、画像内の各ピクセルがどのクラスに属するかを予測するタスクのことを指します。具体的な例としては、自動運転のテクノロジーや医療画像分析で重要な役割を果たしています。
それではtorchvi
Pandasチートシート
仕事でpandasを使うプロジェクトにアサインしたので
勉強がてらまとめてみよう。# 参考文献
https://www.shuwasystem.co.jp/book/9784798058757.htmlサンプルデータ
https://www.shuwasystem.co.jp/support/7980html/5875.html
# 基本操作
## csv読み込み: read_csv()
“`python
master = pd.read_csv(csv_file)
“`
DataFrame型## 先頭5行表示: head()
“`python
master = pd.read_csv(csv_file).head()
“`## 件数取得: len()
“`python
len(master)
“`## ユニオン結合: concat()
“`python
tra_1 = pd.read_csv(csv_file1)
tra_2 = pd.read_csv(csv_file2)transaction = pd.concat(
[tra_
log:クロージャについて
s = ‘Takeshi’
def ask(x):
def saying():
return ‘Im’+x
return saying#呼び出し
name = ask(s)
name()つたないコードですが、学習したクロージャについて載せます。
関数の中に関数があります。
処理の流れ
①askを呼び出し引数sを与え、name変数にいれる
②askは呼び出されたとき同時にsaying関数を呼び出している。それがname変数に入っている。
③saying関数は、askの仮引数xにある値を覚えている。つまりsを覚えている。
④最後にname()で動かすとsaying関数の処理’Im+xが戻り値としてでてくる
(xには’Takeshi’が入っているので’ImTakeshi’とでてくる)このように外の関数に与えられた値を覚えていることをクロージャという。
以上がクロージャについて私が理解している内容になります。
.iniファイルに定義されていたリストを扱うときにエラー
# 何が起きたか？
.iniから読み込んだリストの形をした文字列を`list()`で変換したら期待外れな値が返ってきた。# 解決方法
`eval()`を使う。# 目次
1. [問題の.iniファイル](#問題の.iniファイル)
1. [そのまま出力](#そのまま出力)
1. [間違ったやり方](#間違ったやり方)
1. [正しいやり方](#正しいやり方)
1. [ちなみに辞書も](#ちなみに辞書も)
1. [eval()の脆弱性](#eval()の脆弱性)“`ini:test.ini
[test]
target_l=[10,20,30]
“`
# そのまま出力
“`python
>>> import configparser>>> config = configparser.ConfigParser()
>>> config.read(‘test.ini’)>>> target_l = config[‘test’][‘target
AWSのKendraとGPTで自社ドキュメントを学習させたLINEbotを作る
# はじめに
慶應大学 理工学部 情報工学科 B3のぽこちゃんです
今回は技術系の記事を書きます!
学校の実験でAWSを一万円分くらい自由に使わせてもらえたのでタイトルにもあるとおり
### AWSのKendraとGPTで自社ドキュメントを学習させたLINEbotを作った話
https://x.com/tomato_boy77/status/1745732359184380262?s=20
ソースコードも晒すのでぜひ作ってみてね
:::note warn
お金そこそこかかるので気をつけましょう
:::Xもやってるのでぜひフォローお願いします
フォロバします!# アーキテクチャについて
全体的にはこんな感じ
1. LINEで質問を投げる
pydicomをよく知りたい
医療関係者です。pydicomを教えてくれる家庭教師や学校を押してほしい。
