- 1. 標本分散と不偏分散をグラフにしてみた
- 2. Raspberry Pi 上で face_recognition インストール時のハッシュエラーを解決する
- 3. Blender→Unity間でVTF(Vertex Texture Fetch)を行いオブジェクトを変形させる
- 4. Blender→Unity間で8bitテクスチャ(PNG)で数値の受け渡しを行う
- 5. 初心者，Python構築で躓く
- 6. Food 101データセットを用いたアプリ制作の記録(Python・機械学習)
- 7. PythonのIDEとしてJupyter（Lab/NoteBook）をWindowsにインストールしてみる
- 8. 大谷翔平選手の打席結果の予測モデル作成
- 9. 🔰Pythonで簡単にファイルパス操作を行う方法
- 10. ABC364回答メモ
- 11. SAR Handbook[Chp3-6]を写経し、難しい単語を使わず意訳してみた
- 12. MLBピッチャーのデータ分析：今永昇太選手の投球を解剖する（第2回
- 13. Super GTの予選結果とサクセスウェイトの相関
- 14. paizaプログラミング問題Rank A, B (Python)
- 15. 5行で作る画像認識AI – Google Colab × TensorFlowで簡単実装
- 16. 🐍✨ Pythonマスターへの道：データ構造とアルゴリズムでコードを劇的改善！
- 17. PythonでAtCoder（ABC364D問題）解いてみた
- 18. 【Python】Excel結合と中央揃え
- 19. ターミナルからフォルダ名・ファイル名にアクセスする
- 20. Cloud Run Jobsの実践
標本分散と不偏分散をグラフにしてみた
統計を勉強していると、不偏分散という推定量が出てきます。
$$ 不偏分散B^2 = \frac{1}{n-1}\sum{(x_i – \bar{x})^2} $$
($x_i$は母集団からサンプリングしたデータで、$\bar{x}$は標本平均です)
これは標本分散の割る数を標本数$n$から$n-1$に変えたものです。
不偏分散が必要な理由は標本分散には不偏性がないためです([参考サイト](https://bellcurve.jp/statistics/course/14987.html))。ただし、標本数を大きくすると標本分散と不偏分散の値は違いがなくなっていきます。
この記事では、標本数を変えた時に標本分散と不偏分散の平均値がどのように変わるのか確認します。## 実験内容
下のコードを実行して、各標本数の標本分散と不偏分散の平均値をグラフ化します。
“`python
import numpy as np
import matplotlib.pyplot as pltdef calc_var(size):
sample_vars = []
unbias
Raspberry Pi 上で face_recognition インストール時のハッシュエラーを解決する
# はじめに
Raspberry Pi に pip でパッケージをインストールする際、`ERROR: THESE PACKAGES DO NOT MATCH THE HASHES FROM THE REQUIREMENTS FILE.` というエラーが発生することがあります。
これは、ダウンロードしようとしているパッケージのハッシュ値が、期待される値と一致しないために起こります。この記事では、face_recognition のインストール時に発生したこのエラーの解決策として、`wget`コマンドを使ってパッケージを手動でダウンロードし、インストールする方法を紹介します。
# エラー内容
pip install時に以下のようなエラーが発生しました。
“`bash
ERROR: THESE PACKAGES DO NOT MATCH THE HASHES FROM THE REQUIREMENTS FILE. If you have updated the package versions, please update the hashes. Otherwise, e
Blender→Unity間でVTF(Vertex Texture Fetch)を行いオブジェクトを変形させる
## はじめに
これまで、Blenderスクリプトを用いてテクスチャに数値を書きこむ方法を解説しました。
[Blender→Unity間で32bitテクスチャ(EXR)で数値の受け渡しを行う](https://qiita.com/nekoco/items/47028af8595c0c09f6cd?utm_campaign=post_article&utm_medium=twitter&utm_source=twitter_share)では実際にこちらを用いでどんなことができるのか。
今回は各頂点の座標を書きこんで、読みだすということをやっていきます。## 事前知識
#### VTF(Vertex Texture Fetch)
頂点テクスチャフェッチ(Vertex Texture Fetch)とは、簡単に言えば頂点シェーダー内でテクスチャを活用することです。詳しい説明は下記サイトを読むといいです。
[頂点テクスチャフェッチ(VTF)](https://wgld.org/d/webgl/w071.html)今回は頂点シェーダー内で頂点情報テクスチャを読みこみ、その形に変形さ
Blender→Unity間で8bitテクスチャ(PNG)で数値の受け渡しを行う
## はじめに
前回解説した記事では、Unityの色空間設定がLinerでなければ使えないとのことでした。
[Blender→Unity間で32bitテクスチャ(EXR)で数値の受け渡しを行う](https://qiita.com/nekoco/items/47028af8595c0c09f6cd)しかし、そうなるともっと汎用性が欲しくなります。
というわけでインポート時に色空間が設定できるPNGテクスチャで数値の受け渡しを行いたいと思います。
（基礎的なビット演算の内容となります）# Blender
Blenderのバージョンは4.1.1 Stableを使っていきます。### テクスチャ作成
前回までと内容が被っているため、クラス化まで飛ばします。“`python
import bpy
import numpy as npclass TextureClass:
def __init__(self, texture_name, width, height):
self.image = bpy.data.images.get(texture_
初心者，Python構築で躓く
# 始めに
こちらの記事をよ～く読みましょう．私のような失敗は起きないはずです．https://qiita.com/Obataskill/items/4cfe0d4d8cec8a140b8e
・PythonのバージョンはPython3.12.4です．
コマンドプロンプト上でpython –versionと入力すると…
pythonと出ます．~~~
> python –version
python
~~~本当はこうなって欲しい…
~~~
> python –version
Python 3.12.4
~~~# 原因
・PATHの入れ忘れ
インストーラを実行した際に表示される
add PATH にチェックを入れ忘れるとこのようになるようです．※チェックを入れ忘れてダウンロードをしてしまった場合でも，インストーラからアンインストールを実行し，再度インストールする際にチェックを入れれば問題が解決しました．
# 終わりに
手順書の確認，大事…
Food 101データセットを用いたアプリ制作の記録(Python・機械学習)
### おことわり
本記事は株式会社アイデミーの個人を対象としたPython特化型のオンラインプログラミングスクール [Aidemy Premium](https://aidemy.net/grit/premium/ “AIが未経験からでも学べる Python専門プログラミングスクールAidemy Premium”) AIアプリ開発講座のカリキュラムの一環により、作成された記事です。# はじめに
2022年11月30日にOpenAI社が生成型AI「ChatGPT」を発表、社会へ広く知れ渡ったことを機に、AIに関する情報に触れる機会が、それ以前と比べて飛躍的に増えました。私は情シス関係の仕事(社内ヘルプデスク職)に就いている現在30代半ばの者ですが、小学校高学年〜中学校卒業の頃まで友人の家で出会った将棋に、自戦記などを綴ったホームページをYahoo!ジオシティーズに公開、3年ほど更新し続けたくらいのめり込んだことがありました。2012〜2017年に行われた人間とAIの対局(電王戦)や、Abemaの将棋番組(対局中継)に映る現局面のAIの評価(形勢判断や次の候補手など)、プロ棋士
PythonのIDEとしてJupyter（Lab/NoteBook）をWindowsにインストールしてみる
本記事ではPythonのIDEとして`Project Jupyter`の `JupyterLab` と `Jupyter NoteBook`をWindowsにインストールして利用してみます。
## 本記事で利用している環境
– Windows 11 23H2
– Python 3.12.3
– jupyterlab 4.1.8
– Jupyter Notebook 7.1.3## JupyterLab と Jupyter NoteBookについて
`JupyterLab`と`Jupyter NoteBook`は**Project Jupyter**で提供されているソフトウェアです。
**Project Jupyter**は`Free software, open standards, and web services for interactive computing across all programming languages` とトップページに記載されているように、数十の言語に対応している対話的な実行環境をWebベースで提供するソフトウェアとなっています。
202
大谷翔平選手の打席結果の予測モデル作成
## はじめに
本ブログは、Aidemy Premiumでデータ分析の講座を約3ヶ月間勉強した後、そのカリキュラムの一環として受講修了のために公開しています。
今回は、メジャーリーグで大活躍中の大谷翔平選手の打席結果を予測するモデルの作成を行いました。## モデル作成の概要
今回のモデル作成では、大谷選手の打席結果についてアウトかヒットかを予測することを目的としました。打率やHR数など、シーズン単位の打撃成績の予測をする場合、メジャーリーグでプレーしたシーズンの数がまだ多くないことや、コロナ禍での短縮シーズンや怪我で欠場の多かったシーズンが外れ値となってしまう可能性が高いと考え、各打席での結果を予測するモデルを作成することとしました。
データはPythonのライブラリpybaseballを用いて、2021年のシーズン開幕から2024年の6月末を対象期間として取得しました。また、PythonのバージョンはPython3.10.12、実行環境はGoogle Colaboratoryです。## データ分析とモデル作成
### データの取得と加工
以下のようにしてpybas
🔰Pythonで簡単にファイルパス操作を行う方法
# はじめに
Pythonの標準ライブラリである`pathlib`モジュールを使って、ファイルシステムを効率的に操作する方法について紹介します。# `pathlib`モジュールの概要
`pathlib`はPython 3.4で導入されたモジュールです。オブジェクト指向のアプローチを使用してファイルパスを扱うことができます。
このモジュールを使用すると、パスの結合や操作、解決が直感的かつ簡単に行えます。
従来の文字列ベースの方法やos.pathモジュールを使うよりも、`pathlib`を使う方がより読みやすく保守しやすいコードを書くことができます。# 基本的な使い方
まず、`pathlib`モジュールをインポートします：
“`python
from pathlib import Path
“`
次に、現在の作業ディレクトリのパスを取得します：
“`python
current_path = Path.cwd()
print(current_path)
“`
これにより、現在の作業ディレクトリのパスが表示されます。# パスの結合
`pathlib`では、`/`演算子を使
ABC364回答メモ
# 0.はじめに
レート下降に歯止めかけるべく臨みましたが
B問題にすらてこずり、Cまでしか回答できませんでした・・・。
レートは-17の726と去年末レベルに下がっていきました。# 1.A – Glutton Takahashi
食べきれば最後気持ち悪くてもOKという刹那的問題。
味を順にみていく中で、甘いが2つ続いた判定を
味を見る前に行う事で、甘いが2つ続いた後に
何かを食べた場合だけをNoにすることでACとなりました。https://atcoder.jp/contests/abc364/submissions/56002803
# 2.B – Grid Walk
座標のｘｙがこんがらがる問題。
地味に、iが縦、jが横というところがこんがらがる原因でした。
素直に言われた通りの判定をするだけでACとなりましたが
”iが縦、jが横”の罠にはまりWA1回と
その後直して提出した際に、確認用プリント文を消し忘れて
WA1回と、無駄に10分ロスしてしまいました。https://atcoder.jp/contests/abc364/submi
SAR Handbook[Chp3-6]を写経し、難しい単語を使わず意訳してみた
# はじめに
本記事シリーズではSERVIRが以下のサイトで公開している「SAR Handbook」を写経し、理解を深めることを目的としています。
https://servirglobal.net/resources/sar-handbook
もともとのサイトや資料は英語にて記載されているので、翻訳しつつコード理解をしていきます。以下の記事の続きで、本記事ではChapter3のPart5について記載します。
https://qiita.com/oz_oz/items/0238dd7922fe381d7976# CHAPTER3
## Using SAR Data for Mapping Deforestation and Forest Degradation
Chp3の説明資料は以下にあります。
https://gis1.servirglobal.net/TrainingMaterials/SAR/Ch3-Content.pdf
Chp3では主にSARによる森林監視について触れており、Sentinel-1などのSARミッションの登場により、適切な前処理と変化検出手法を用いること
MLBピッチャーのデータ分析：今永昇太選手の投球を解剖する（第2回
# MLBピッチャーのデータ分析：今永昇太選手の投球を解剖する（第2回）
こんにちは、前回に引き続き今永昇太選手のMLBでの投球データを分析していきます。今回は投球タイプの分布に焦点を当てます。
## 1. 投球タイプの概要
まず、今永選手が使用している投球タイプを確認しましょう。
“`python
unique_pitch_types = df_684007_all_dates[‘pitch_type’].unique()
print(“今永選手の投球タイプ:”, unique_pitch_types)
“`
この結果、今永選手は主に以下の球種を投げていることがわかりました：
* FF: Four-Seam Fastball (4シームファストボール)
* ST: Sweeper(スイーパー) or Slutter (スラッター / スライダー or カッター) ※要確認
* FS: Split-Finger F
Super GTの予選結果とサクセスウェイトの相関
# 1. 本記事の目的と背景
本記事では、自動車レースの Super GT GT500 クラスにおける、Q1 予選結果とサクセスウェイトの相関を Python で集計し、サーキットごとにどんな特徴があるか簡単に分析してみたいと思います。
（遊びの範疇で真面目に分析しようとは思ってないのでその点ご了承ください）
Super GT という自動車レースをご存じない人のために、本章では背景となる知識を説明します。
– 予選
– 各レースでは、まず予選を行い、各車両がサーキット１周のタイムを競い、その成績の良い順に決勝レースのグリッド順が決定されます。
– 決勝は作戦やトラブルなどが結果に影響する割合が多い一方、予選は１周のみのタイム結果のため、車両本来の性能は予選結果により反映されやすいと思います。
– 多くのレースでは予選は Q1 (全車両走行)と Q2 (Q1 上位車両のみ走行)の２回に分けて行われます。
– サクセスウェイト
– Super GT では各車両の性能が拮抗し面白いレースになるように、サクセスウェイトという制度があります。
–
paizaプログラミング問題Rank A, B (Python)
[paiza×Qiita記事投稿キャンペーン](https://paiza.jp/pages/campaign/paiza-qiita)に参加しました．
関連リポジトリは，以下になります．https://github.com/tomtkg/Python-Sample/tree/main/paiza
ここでは，Rank A, B問題の解答と簡単な解説を公開します．
言語はPythonを選択しました．結果は以下のようになりました．# Rank A
## お菓子の詰め合わせ
https://paiza.jp/works/mondai/a_rank_skillcheck_archive/school_hiking“`python:school_hiking.py
from itertools import combinationsN, X = map(int, input().split())
a = [int(input()) for _ in range(N)]for r in range(N):
b = [X – sum(c) for c in combi
5行で作る画像認識AI – Google Colab × TensorFlowで簡単実装
## はじめに
こんにちは！今回は、わずか5行のコードで画像認識AIを作る方法をご紹介します。Google ColabとTensorFlowを使用するので、環境構築の手間もなく、誰でも簡単に試すことができます。
## 準備
1. [Google Colab](https://colab.research.google.com/)にアクセスし、新しいノートブックを作成します。
2. 負荷状況によっては、ランタイムのタイプをGPUなどに変更してください（編集 > ノートブックの設定 > ハードウェアアクセラレータ）。## コード
以下の5行のコードをノートブックに貼り付けて実行するだけです！
“`python
import tensorflow as tf
from tensorflow.keras.applications.in
🐍✨ Pythonマスターへの道：データ構造とアルゴリズムでコードを劇的改善！
## はじめに
こんにちは、Pythonistaの皆さん！今日は特別な旅に出かけましょう。その旅とは？そう、Pythonの奥深くに潜む「データ構造」と「アルゴリズム」の宝を探す旅です。この記事を読めば、あなたのコードが驚くほど効率的になること間違いなし！さぁ、一緒にPythonマスターになる冒険に出発しましょう！🐍💻
## 目次
1. [はじめに：効率的なコードへの道筋](#はじめに効率的なコードへの道筋)
2. [リストとタプル：基本のデータ構造](#リストとタプル基本のデータ構造)
3. [辞書とセット：高速データ処理の鍵](#辞書とセット高速データ処理の鍵)
4. [キューとスタック：データ整理の技法](#キューとスタックデータ整理の技法)
5. [ヒープ：優先順位付けの秘訣](#ヒープ優先順位付けの秘訣)
6. [木構造：階層的データの扱い方](#木構造階層的データの扱い方)
7. [グラフ：関係性を表現する技術](#グラフ関係性を表現する技術)
8. [ソートアルゴリズム：データ並べ替えの極意](#ソートアルゴリズムデータ並べ替えの極意)
9. [検索アルゴリズム：効率的
PythonでAtCoder（ABC364D問題）解いてみた
# はじめに
問題は[こちら](https://atcoder.jp/contests/abc364/tasks)
初心者（灰色〜茶色）向けです。
[D問題の公式解説](https://atcoder.jp/contests/abc364/editorial/10549)を咀嚼してPythonで実装したものについて説明します。
# D – K-th Nearest
https://atcoder.jp/contests/abc364/tasks/abc364_d
## 考え方
### 大枠の方針
二分探索を用います。$k$番目に大きい/小さい値を求める際に有効な手段です。
今回、次の単調増加な関数$f_j$を用いると、各$x$について、$f_j(x)$たちはソート済の列と見なすことができ、その中で$k_j$番目に小さいものを探せばよいということになります。[^1]### 詳細
$x\geq0$ について、
“`math
f_j(x) := B_j\spaceを中心とした長さxの区間に含まれる点\space A_1, A_2, \ldots, A_N \spaceの数
“`
と定
【Python】Excel結合と中央揃え
Excelでセルの結合をしつつ、中央揃えにする。
例)D1:F1からD14:F15を結合し、中央揃えimport openpyxl as px
from openpyxl.styles import Alignment ← 中央揃えのためインポートwb2 = px.load_workbook(‘Book2.xlsx’)
ws2 = wb2[‘Sheet1’]
＃whileを使用し、14回まで数値を追加しつつループさせる。
i = 1
while i < 15: ws2.merge_cells('D'+ str(i) + ':F' + str(i)) # B2セルに［中央揃え］を設定 ws2['D' + str(i)].alignment = Alignment(horizontal='center') i += 1 #bブックを「copy4」で保存する wb2.save(filename = 'Book2.xlsx')
ターミナルからフォルダ名・ファイル名にアクセスする
ターミナルにコマンドを打ち込むことによって、PC内のフォルダやファイルにアクセスする方法を最近勉強したのでまとめました。
# 今回の記事の知識を利用してできること
複数のディレクトリの中から特定のファイルのみを抜き出し、別のディレクトリにまとめる。
# (1)特定のファイルのみを探してくる
いくつかやり方はあるようです。具体的には
– osモジュール
– globモジュール
– pathlibモジュールなどが挙げられます。
どうやらpathlibモジュールはPython3.4から追加された新しいモジュールのようです。
本記事ではpathlibモジュールを用いる方法を中心に取り上げます。# pathlibモジュールを使ってディレクトリ内の特定のファイルを検索する
pathlibを使うのに追加インストールは不要ですが `import` は必要です。
“`python
import pathlib
“`例えば以下のようなディレクトリ・ファイルがあるとします。
“`
fruits/
├─ apple.csv
├─ banana.txt
Cloud Run Jobsの実践
# はじめに
この記事では Cloud Run でいくつかのジョブを作成して Cloud Run Jobs の実践的な使い方を紹介します。
なお、Cloud Runの利用料に関してはについては[公式の案内](https://cloud.google.com/run/pricing?hl=ja)を確認してください。
また、「そもそもCloud Run Jobsってなに？」という方は前に書いた記事（「[怖くないCloud Run](https://qiita.com/sugarperson/items/548bacebdd1de4ccc41c)」）も参考にしていただけると幸いです。
# 演習の準備
## プロジェクトの作成
1. [Google Cloudダッシュボード](https://console.cloud.google.com/projectselector2/home/dashboard?hl=ja)を開き「プロジェクトを作成」を選択してください。
1. プロジェクトの作成画面が開いたら cloud-run-drill という名称の新規プロジェクトを作成してく
