Python関連のことを調べてみた

ラビットチャレンジ学習レポート：深層学習day3

# Section1：再帰型ニューラルネットワークの概念
■RNNとは
・自然言語や時系列データなど連続的なつながりのあるデータに対応可能な、ニューラルネットワークである。
・時系列データとは、時間的順序を追って一定間隔ごとに観察され、しかも相互に統計的依存関係が認められるようなデータの系列
→音声データ、テキストデータ
・時系列モデルを扱うには、初期の状態と過去の時間$t-1$の状態を保持し、そこから次の時間での$t$を再起的に求める再帰構造が必要になる。

■RNNの学習イメージ
※$x$：入力層、$y$：出力層、$z$：中間層
・中間層からの出力を次の中間層へ入力する
・次の時間では、前の中間層から受け取った状態と入力層の内容をもとに出力を出す

■RNNの数学的記述
$u^t = W_

Pythonでkubectl get pod コマンドの内容を取得する方法

kubectl get pod コマンドを実行した時のターミナル表示される情報を取得する方法を紹介します．

まずモジュールを import します
“`
from kubernetes import client, config
import subprocess
“`

Kubernetesクラスターへ接続し，CoreV1Api の初期化を行います．
“`
# Kubernetesクラスターへの接続
config.load_kube_config()

# CoreV1Apiの初期化
v1 = client.CoreV1Api()
“`

namespace にある全ての Pod のリストを取得します．
“`
# 全てのnamespaceのPodのリストを取得
pod_list = v1.list_pod_for_all_namespaces(watch=False)
“`

取得したリストから， kubectl get pod コマンドを実行した時に表示される要素を取り出します
– 取り出す要素
– IP
– namespace
– podの名

扇形の中の長方形の面積「高校入試チャレンジ問題 長方形ABCDの面積は？」をsympyとFreeCADでやってみたい。

・**扇形の作図を、あきらめました。**
・**寸法線表示も、あきらめました。**　???線分OB,BPがselectできない。
・問題文は2次元ですが、３次元FreeCADのマクロで、XY平面上に作図しました。

# オリジナル
・YUUU0123 様 (0:00〜7:21)

＞それでは

# sympyで(普通に)
**・ver0.1 点Bから右回りで。点B→A→D→C。**　長方形の面積。縦x横を使っていません。
#### Ver.0.1
perpendicular_line(p)
https://docs.sympy.org/latest/modules/geometry/lines.html#sympy.geometry.line.LinearEntity.perpendicular_line
property area
https://docs.sympy.org/latest/modules/geometry/polygons.html#sympy.geometry.polygon.Polygon.area

【python】pygameでスペースインベーダー風のゲームを作ってみた

## 背景
pygameでスペースインベーダー作りたい。

## スペースインベーダーとは？

流石にこれは有名かな？
https://spaceinvaders.jp/index.html

## ソースコード

“`py main.py

import pygame
import random

# Initialize Pygame
pygame.init()

# Set up the display
width, height = 800, 600
screen = pygame.display.set_mode((width, height))
pygame.display.set_caption(“Space Invaders”)

# Colors and Fonts
white = (255, 255, 255)
red = (255, 0, 0)
green = (0, 255, 0)
font = pygame.font.Font(None, 34)

# Game variables
clock = pygame.time.Clock()
enemy_spee

【個人開発】アプリを作りながらWebの技術が学習できるサイトを公開！

こんにちは!
ryuと申します。

この度Flaskの学習サイト「Flask WebAcademy」をリリースしました。

https://flask-web-academy.com/

コンセプトは、
**アプリを作りながら、Webの技術が学習できるサイト**
です。

これまで、さまざまな学習サイトを使ってきましたが、ハンズオンで学べてもTodoリストやECサイトまでしか学べず、初級〜上級レベルまで一貫して学べるサイトが無いな〜と思っていました。

そこで、初心者から上級者まで必要な知識が学べる学習サイトを立ち上げました！
## Flask WebAcademyの特徴

Flask WebAcademyとは、Webの知識を作りながら学ぶことをコンセプトにした学習サービスです。
特徴は以下の2つです。
✅Flaskの実行環境をWEBブラウザで提供
✅Webエンジニアに必要な知識を体系的に学べる

### Flaskの実行環境をWEBブラウザで提供
初心者で学習のハードルとなるのが開発環境です。
Flaskを起動するにも、Pythonの実行環境やVscodeのエディターなどさまざまな準

計量文献学入門_01：著者推定の概要とデータの前処理

前の記事：[計量文献学入門_00：計量文献学とは](https://qiita.com/_Ji_N0/items/07763857fecf09d61e1d)
次の記事：（準備中）

## はじめに
しばらく前に計量文献学について触れる機会があったため、諸々の備忘録として記事を残します。狭い学問分野ですが、どなたかの助力になれば幸いです。
この記事は『計量文献学入門_xx：*』に関連して執筆しています。計量文献学についてなんとなく解説しながら、実際に著者推定を行っていきます。

## この記事の目標
著者推定の概要と、データの前処理についてふんわりやってみることがこの記事の目標です。

## 著者推定
### 著者推定の概要
先の記事『計量文献学入門_00：計量文献学とは』に述べたように、文献に係る問題には「誰が執筆したのか」という話題があります。分析手法の仔細は、その個々の問題によって異なりますが、大枠の流れは次のようになります。
1. 対象の著者のテキストデータを収集
1. データを分析可能な形に整形
1. 文献の特徴を定量化して抽出
1. 特徴量を用いて分析

分析は対象著者が執

Open Catalyst Project (ocp)のインストール (pretrained modelが使えるようになるまで)

## Open Catalyst Project (OCP)とは?

Meta AIとCarnegie Mellon Universityが共同で進めているプロジェクトで、
化学反応のための触媒の性質を機械学習モデルで予測することを目的にしています。

https://opencatalystproject.org/

厳密にどう切り分けているかは筆者もよくわかっていませんが、

(1) 触媒化学のための密度汎関数理論(DFT)計算のデータセット
(2) それを機械学習で予測するコンテスト
(3) およびそのデータセットを学習した機械学習原子間ポテンシャル
の総称になっているようです。(ちょっとわかりにくいです。)

この記事では (3) について、どうやって使い始めたら良いのかを紹介します。
最近では `fairchem` という名前のリポジトリになったようですね。

https://github.com/FAIR-Chem/fairchem/tree/main

OCPでは様々な機械学習モデル (SchNet, Gemnet, Equiformer_v2など)を使って物質の構造デー

僕のpythonのエラーはほぼ全てVOICEVOX経由で喋るのだ🫛

# ネタだと思うだろう？マジだ。
pythonを書いていて、エラーが起った時に声で知らせてほしいと思うことは「よくある」のではないかと僕は思います。

“`
Traceback (most recent call last):
File “/home/hoge/example.py”, line 4, in
with open(‘zunda.txt’) as fp:
FileNotFoundError: [Errno 2] No such file or directory: ‘zunda.txt’
“`
このようなエラーを静かに吐いて、猫のように人知れず死んでしまうのはよくないです🐈
これが例えば20分とかかかるような処理だ

pythonで簡易メモ帳の作成

pythonで簡易的なメモ帳を作る方法

今回は名前を付けて保存と入力テキスト内の文字をクリアにする機能を付けたいと思います。

必要なものimport

メモ帳を作る際の土台である、tkinterとfiledialogをimportします。
こちらのtkinterはpythonダウンロードでデフォルトで入っています。

“`py
import tkinter as tk
from tkinter import filedialog as fd
“`

ここでtkinterは長いので、asでtkという名前に置き換えています。
後半から必要になるfiledialogもfdという短い名前で置き換えます。

メモ帳ウィンドウの表示

“`py
#tk.Tk()をrootに設定
root=tk.Tk()
#タイトルを決める
root.title(‘memo’)
#テキストが入力できるようにする
text=tk.Text(root)
text.pack()

#ウィンドウ表示
root.mainloop()
“`
tk.(asで置き換えたt

MacにpyenvをつかってPythonを入れる

## 概要

Macのローカルに直接pyenvを使ってPythonを入れる方法を簡単にまとめる。

## 前提

Macのhomebrewが入っていること。

## 情報

今回はMacにPythonの3.10.0をインストールしてみる。

## 方法

1. 下記を実行してpyenvを取得

“`sh
brew update
brew install pyenv
“`
1. 下記を実行して`~/.bashrc`を展開

“`sh
vi ~/.bashrc
“`

1. `~/.bashrc`に下記の内容を記載

“`.bashrc
# pyenvの初期化
if command -v pyenv 1>/dev/null 2>&1; then
eval “$(pyenv init –path)”
eval “$(pyenv init -)”
fi
“`

1. 下記を実行して`~/.bashrc`を読み込み

“`sh
source ~/

RSA暗号を体験できるWebアプリ作った

# RSA暗号
RSA暗号とは、「巨大な2つの素数の積は、コンピューターでも素因数分解が困難である」という前提のもと設計されている暗号です。
でも、本当に難しいのでしょうか？
いざ挑戦してみると意外と簡単なのでは？

# 体験用のサイト
そんな声にお応えして、体験用のサイトを作りました（動かし方はREADME.mdに記載してあります）。
中央上部に表示される値は2つの素数の積なので、素因数分解を繰り返していきます。
『スコア』は、それまでに素因数分解できた最大の値です。
https://github.com/raptech-jp/primefactorizationcontest

# いざ挑戦！
最初は10以下のランダムな素数で構成される値が出てきますが、n問解くと10+n以下の素数で構成される値になります。
289で玉砕しました…

RSA暗号の安全性をなんとなく理解できる、体験型謎アプリ作った。徐々に値が大きくなっていくので、いずれ健二しか解けなくなります。某イベントで出展予定。
（スコア：解けた最大の値） pic.twitter.com/Opv3jDgoE1

— ラップ (@raptech_jp) July 9, 2024

[Python]デコレーター

# デコレーター

Pythonのデコレータ（Decorator）は、関数やクラスの機能を簡単に修正または拡張する機能です。通常、関数を扱う高度な機能を実装する際に使用され、関数やメソッドの実行前後にコードを追加したり、関数の返り値を変更したり、例外を処理したりすることができます。

デコレータは、関数で実装され、他の関数を引数として受け取り、内部でそれを変更したり新しい関数を返したりします。通常、`@decorator_function`のような形で、関数やメソッドの直前に使用されます。

例として、関数の実行時間を計測するデコレータを示します：

“`python
import time

def measure_time(func):
def wrapper(*args, **kwargs):
start_time = time.time()
result = func(*args, **kwargs)
end_time = time.time()
print(f”Execution time: {end_

ABC361参加記録　by Python

# リアルタイムに解けた問題

## [A – Insert](https://atcoder.jp/contests/abc361/tasks/abc361_a)

### 問題文

長さ$N$の整数列$A$と整数$K$,$X$が与えられます。
整数列$A$の$K$要素目の直後に整数$X$を１つ挿入した整数列$B$を出力してください。

### 制約
– 入力はすべて整数
– $1 \leq K \leq N \leq 100$
– $1 \leq A_{i},X \leq 100$

### アルゴリズム
listのinsertメソッドを使用した。

### ソースコード
“` python
N, K, X = map(int, input().split())

A = list(map(int, input().split()))

A.insert(K, X)

for a in A:
print(a, end=’ ‘)

print()
“`

ヴェルレ法のPython実装

## 参考文献
分子動力学法とモンテカルロ法
片岡洋右・著
発行 1994/05/10

https://www.kspub.co.jp/book/detail/1547018.html

## 準備
オンラインコンパイラを使用します。

https://www.mycompiler.io/ja/new/python

## プログラム
“`Python:sample.py
import numpy as np
import math

# Constants
NSP = 2
EPS = 1e-2
SIGMA = 1e-0
TMASS = 1e-0
DT = 1e-3
NSTEP = 10000

# Initialize arrays
x = np.zeros(NSP)
y = np.zeros(NSP)
z = np.zeros(NSP)
xo = np.zeros(NSP)
yo = np.zeros(NSP)
zo = np.zeros(NSP)
xd = np.zeros(NSP)
yd = np.zeros(NSP)
zd = np.zeros(NSP)
vx = np.

リスト型と辞書型の計算量の違い~ハムスターのごはん探し~

# あれご飯どこに隠したっけ？
ある日，ケージから脱走し部屋へと探索に出るハムスター
ハム「おなかがすいた」
ハム「そういえば，別の隠し場所に，ご飯を貯めていたはず！」
ハム「，，，，，，，，，あれ？どの隠し場所にご飯貯めてたっけ？」
どこにご飯を隠したか，思い出せないハムスター，さてどこにあったかどのように探していくのだろう？

# 隠し場所の候補
ハム「そういえば，ごはんはN個の隠し場所に隠したはず」
ハム「えーと，冷蔵庫の裏と，テレビ台の裏と，押し入れの隅と・・・エコバックの中と」
ハム「どこにご飯を隠したっけ？」

# あんまり賢くないハムスター(リスト型)
ハム「どこかに隠したことは覚えているけど，どこに隠したかは覚えてないな」
ハム「どこにあるか，わかんないから，全部回って確認しよう！」
そうして，ハムスターは覚えている隠し場所

Reactでペット用の日記アプリを作ってみた

# はじめに
ご無沙汰しております(/・ω・)/
現在、フロントエンドの技術をキャッチアップしていますが、なにか自分で作りたいなと思ったので日記アプリを作成しました。
今回は、どのような技術を用いて作成したか、どういう点を工夫したかなど自分なりにまとめてみたいと思います。
そんなもん工夫もクソもねえ！当たり前だこの野郎！という意見もあるかと思いますが、初心者ゆえ温かく見守っていただけると嬉しいです(´・ω・｀)

# なぜ日記アプリにしたのか
Todoアプリや簡単なSNSなどいろいろ候補はありましたが、今回は日記アプリを選択しました。
現在、私はペットを飼っております。そうです。奴隷になっているということです。
ペットを飼っている人ならわかるかと思いますが、やはりかわいい存在、成長を記録したいなと思うことがあります。
そこで、Xやインスタなどではなく、あくまで個人の自己満で日記をつけられるものが欲しいなという理由で日記アプリを作ることに決めました。
ということでまずは私のご主人様たちを紹介するZe☆

### パポ
![2713.JPEG](https://qiita-image-st

任意サイズ以上JSON作成python（調整しやすい）

“`python
import json
import os

# 6MB以上のJSONファイルを生成する
def generate_large_json(filename, target_size_mb):
data_list = []
buffer_size = 10000 # バッファサイズを大きめに設定

# 初期データを生成
data = {
“id”: 0,
“name”: “example_name_0”,
“value”: “example_value_0”,
“description”: “This is a sample description to ensure the JSON file is large enough.”
}

# ファイルを開く
with open(filename, ‘w’, encoding=’utf-8′) as f:
f.write(‘[‘)
while os.path.getsi

シェイプキーのドライバボーンを一括作成するスクリプト

Blenderには他のオブジェクトやボーンの移動量に合わせて他のオブジェクトの設定値を変更する**ドライバー** という機能があります。

例えばボーンのポーズモードで　トランスフォームのX位置の数値で右クリックして
メニューの中にある「**新規ドライバーとしてコピー**」を押して
シェイプキーの値の欄を右クリックして「**ドライバーを貼り付け**」を実行すると
ボーンのポーズモードでのX移動に合わせてシェイプキーの値が変化するドライバが作成できます

シェイプキーはキャラクターの表情付け等に便利で　

話題の本「AmazonBedrock生成AIアプリ開発入門」のためにローカル環境開発してみた

どうも、アスカです。今回は話題の本、「AmazonBedrock生成AIアプリ開発入門」のハンズオンを進めて行くにあたり、ローカルの開発環境を整えていきます。Cloud9を使えば楽なんですが、環境から自分で作らないとやった気にならないんですよね…

# 前提
– ユーザはIAM Identity Centerのワークフォースユーザを利用
– Python環境はすでにある環境の確認にとどめる

自分がローカルで使ってきた環境をそのまま利用していくイメージですね。

# 必要なもの
– Git…サンプルコードのクローンのため
– Python… サンプルコード実行のため(SDKも必要)
– AWS CLI…ローカルでAWSの権限をセットアップするため

ひとつひとつ、順番に確認していきます。

# Git
Gitのコマンドを使えるようになっているか、確認しましょう。
正常にインストール出来ていれば、以下のようにバージョン情報が表示されます。
“`
C:\…\YourPJ> git –version
git version 2.43.0.windows.1
“`

任意のサイズ以下のjsonファイルを作成するpythonコード

“`python
import json
import random
import string

def generate_random_string(length):
letters = string.ascii_letters + string.digits
return ”.join(random.choice(letters) for _ in range(length))

def generate_large_json(size_mb, file_path):
size_bytes = size_mb * 1024 * 1024
target_string_size = size_bytes // 10 # 1つのキーに対する目標文字列サイズ
data = {}

for i in range(10):
key = generate_random_string(10)
value = generate_random_string(target_string_size)
d