ラズパイでバスの接近情報を電光表示板に表示する - Qiita
OLEDモジュールのPythonライブラリー OLEDモジュール(SO1602)用のPython用のライブラリーはこちらを使わせていただきました。ただし、たまにwrite時にI/O Errorが発生することがあり、write前後のsleepの値をいろいろ変更しても回避できなかっため、try-exceptでリトライするようにしました。もしかすると、作成中の環境では電源容量が足りていなかったせいかもしれません。現在は安定しています。 # -*- coding: utf-8 -*- import unicodedata import smbus import time import sys i2c = smbus.SMBus(1) CHAR_TABLE = { u'†': [0x11], u'§': [0x12], u'¶': [0x13], u'Γ': [0x14], u'Δ': [0x15]
Python本まとめ・2019年版 - Webとデータ分析を初心者が仕事にするまで - Lean Baseball
毎年恒例、Pythonの本と学び方のまとめ・2019年バージョンとなります. ※2021/1/11更新：2021年版あります ※2020/1/9更新：2020年版もあります, こちらもよろしくおねがいします！ ※ちなみに昨年版はこちら 改めましてこんにちは、Pythonと野球を仕事にしています、@shinyorke（Python歴おおよそ8年）ともうします. なお、Python その2 Advent Calendar 2018 12/24記事でもあります. このエントリーはそこそこ長いので、「最初の方をサクッと読んで、残りはつまみ読み」してもらえると良いかもです！*1 ※もちろん全部読んでも構いません！（それはそれで嬉しい） サクッとまとめると 入り口としての「独学プログラマー」は万人が読んだほうが良い名著 データ分析・解析やりたい人も、Webからやっておくと良いかも（特に前処理） Web
初学者・初級者向け Django の学習ロードマップ - akiyoko blog
この投稿は 「Django Advent Calendar 2018 - Qiita」 の1日目の記事です。 akiyoko です。 2018年はまぎれもなく「Django の一年」でした（少なくとも個人的には）。 振り返れば、4月と10月に 技術書典 で Django の技術同人誌を出したり、Django Girls Tokyo という女性エンジニア向けイベントのコーチをしたり、モグモグ Django のスタッフをしたりと、Django を始めたばかりの方と向き合う機会が特に多かったです。 そんな中、 「Django って難しいよね」 「やってみたけどよく分からなかったので諦めた」 という声を聞くことが何度かありました。 最初は「フルスタックゆえに学習コストが高い」というのが原因なのかなとぼんやり思っていたのですが、最近はそうではなく、Webアプリケーション開発の前に知らないといけない知
5ch(旧2ch)をスクレイピングして、過去流行ったネットスラングの今を知る - にほんごのれんしゅう
5ch(旧2ch)ではここ数年はTwitterを使用するようになってしまいましたが、ネットのミームの発信地点であって、様々なスラングを生み、様々な文化を作ってきたと思います。 学生時代、2chまとめとか見ていたので、影響を受けてきたネット文化で、感覚値からすると、どうにも流行り廃りがあるようです。 5chの過去ログを過去18年ほどさかのぼって取得する方法と、懐かしいネットスラングのドキュメントに占める出現具合を時系列でカウントすることで、時代の変遷でどのように使用の方法が変化したのか観測することができます。 文末に「orz」って付けたら若い人から「orzってなんですか？」と聞かれて心身共にorzみたいになってる— ばんくし (@vaaaaanquish) October 19, 2018 図1. 今回集計したorzの結果 例えば、今回集計した5chの書き込み500GByte程度のログからで
ゼロから作るDeepLearning -Pythonで学ぶディープラーニングの理論と実装-を読んだメモ ～パーセプトロン編～ - Qiita
ゼロから作るDeepLearning -Pythonで学ぶディープラーニングの理論と実装-を読んだメモ ～パーセプトロン編～機械学習数学ディープラーニング 概要 最近のもっぱらの興味はディープラーニングです。 ディープラーニング自体の基礎から学習しようと、本記事のタイトルの本を手に取って学習を始めたのでそこで得た知識の備忘録です。 （書籍はこちら↓） ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 なお、本記事はこの本を読んで得た知識を備忘録としてまとめたものになります。 さらに、色々メモを取るには（自分の中で）新しい概念が多く、とても長い内容になってしまうのでまずは「パーセプトロン編」ということで、ニューラルネットワーク・ディープラーニングの元となっている考え方についてフォーカスを当てて記事を書いていきます。 そして当然ですが、多分に自分の理解
PythonでアクセスしたWebページのテキストのみの取り出し(Selenium, Beautiful Soup) - Qiita
PythonでアクセスしたWebページのテキストのみの取り出し(Selenium, Beautiful Soup)PythonBeautifulSoupWebスクレイピングselenium-webdriver HTML内のテキストだけが欲しいと思っていましたが、探しても意外となくて苦労したので書いてみようと思います。 Seleniumを使ってChromeでWebページにアクセスし、Beautiful Soup4でWebページのHTMLからテキストのみを抽出します。 OS : macOS Sierra(10.12.3) Python : 3.5.1 Selenium : 3.7.0 Beautiful Soup4 : 4.6.0 chromedriver : 2.33 インストール selenium
【Python】Seleniumの使用方法メモ - Qiita
Seleniumとは Seleniumとは、Webの自動テストのためのライブラリです。 最近では、自動テストのため以外でもスクレイピングのために使用するひとも多いと思います。 かくいう、私もその一人です。スクレイピングのためにこれさえ知っていればできるということを紹介できればと思います。 インストール インストールは以下のコマンドでできます。 実装方法 ブラウザの指定 Seleniumでは、PythonのコードからWEBブラウザを操作します。操作するためには、WebDriverが必要なのですがそれらは各ブラウザの公式サイトからダウンロードしてください。 今回サンプルでは、firefoxを操作する場合と、Chromeを操作する場合のサンプルを記述してみます。 from selenium import webdriver #Chromeを操作 driver = webdriver.Chrome
機械学習を使って630万件のレビューに基づいたアニメのレコメンド機能を作ってみよう（機械学習 k近傍法 初心者向け）
「この商品を購入したお客様はこちらも一緒にお買い上げいただいてます」「このビデオを見た方はこちらも見てます」。このよう�なオススメをされた経験はありませんか？これらは、「レコメンド機能（レコメンドエンジン）」と呼ばれるもので、近年ではインターネット上の様々なECやサービスで使われています。 レコメンド機能ですが、実にありとあらゆる業種で活用されています。 商品（EC） 映画 音楽 ニュース 動画 …その他多数 今回の機械学習初心者向けチュートリアルでは、k近傍法（K-nearest neighbor）というアルゴリズムを利用して、アニメのレコドメンド機能をPythonを使って一緒に構築してみましょう！ レコメンド機能（エンジン）とは？ まずは、このレコメンド機能とは何かについて一緒に紐解いていきましょう。レコメンド機能とは、データを活用して顧客やユーザーに「お勧め」を提供する情報フィルタリ
非エンジニアが「excel分析」から「python」へチャレンジするときのメモ - Qiita
備忘録メモ 私は非エンジニアで、会社では企画などをやっています。 普段の業務ではエクセルメインでたまにAccessといったところですが 業務効率化とクオリティ向上のためにpythonを活用したデータ分析ができるようになりたいと考え勉強中です。 自分的にちょくちょく触るときに思い出しに使えるように簡単にサマリます ※将来的にexcelにpythonが組み込まれる未来も見据えて、excel,accessとの違いを意識してメモを残します ExcelにPythonが搭載？ まずはインストール 前提としてpython/jupyterのインストールが必要 ※私はanacondaを利用 pythonで実施する工程を決める すべてpythonでやるのではなく、pythonが得意なところを置き換える。 下記の処理がpythonによる威力を発揮する。 データ処理 初期分析（EDA) グラフ描画 逆にpytho
Pythonでレコメンドシステムを作る(ユーザベース協調フィルタリング) - け日記
Pythonで協調フィルタリングを実装して、お寿司を推薦するシステムを作ってみます。 データセット 今回は寿司ネタの嗜好評価を集めたSUSHI Preference Data Setsを使います。 5000人が寿司ネタ100種類に対して5段階で評価(欠測値有り)したデータセットで、以下で公開されています。 www.kamishima.net まずはデータをロードします。 上記サイトのAll Data Setからsushi3-2016.zipをダウンロード・展開して、sushi3b.5000.10.scoreファイルをカレントディレクトリにコピーしておきます。 全体では5000行100列(5000人×寿司ネタ100種類)の構成となっており、各要素には評価値0〜4(値が大きいほど、好き)と、欠測値-1がセットされています。 import numpy as np scores = np.load
[Docker]Djangoを無料でHTTPS化して簡単にデプロイする方法
こんばんは、エンジニアの眠れない夜です。 Djangoを使っているエンジニアに朗報です！ このdocker-composeを使えばDjangoをHTTPS化して簡単にデプロイできるようになります。 しかも、HTTPS化が無料です！ こんな嬉しいことはありませんね＼(^o^)／ サーバー環境を毎回設定してデプロイする。 サーバーと開発環境との差分を吸収する。 サーバー環境構築時間がほぼ0になる。 という素晴らしいメリットがあります。 私はサーバー環境を設定するのがものすごく嫌いです(；´Д｀) Linuxコマンドをイジイジするのがそもそもあまり好きでないのが大きな要因だと思います。 そして、プログラマーですが、インフラエンジニアではありません！ 言いたいことてんこ盛りですが本題に入ります！（笑） Django×uWSGI×Nginxを一発で設定してくれるDockerFile 1ヶ月ほど前にD
![[Docker]Djangoを無料でHTTPS化して簡単にデプロイする方法](https://cdn-ak-scissors.b.st-hatena.com/image/square/748eddab4cbf6c516861ed59d8726b371e167bb8/height=288;version=1;width=512/https%3A%2F%2Fsleepless-se.net%2Fwp-content%2Fuploads%2F2018%2F06%2F47658050039f08e85ccd92efe741fbda.png)
Pythonの知っておくと良い細かい処理速度の違い8個 - kumilog.net
はじめに 標準入力 input と sys.stdin.readline ソート sort と sorted ソートの key ループ for と while リスト リストの初期化 二次元配列の場合 リストの値参照 リストへの値追加 それぞれの処理速度 まとめ はじめに 最近、PythonでAtCoderなどの競技プログラミングに挑戦しています。これまであまりに気にしなかったけど、ちょっとした書き方で処理速度が変わってくることに気づいたので、これを気に少し調べてみました。 目次にあるように、標準入力、ソート、ループ、リストについて、計8個の処理の速度比較を行いました。処理速度の計測方法は、Mac Book Pro*1を使い、timeitでそれぞれ100回計測*2し、平均と標準偏差を求めています。 結果だけ知りたい方は、まとめへどうぞ。 計測に用いたコードは以下にあります。 github.
Python: ベイズ最適化で機械学習モデルのハイパーパラメータを選ぶ - CUBE SUGAR CONTAINER
機械学習モデルにおいて、人間によるチューニングが必要なパラメータをハイパーパラメータと呼ぶ。 ハイパーパラメータをチューニングするやり方は色々とある。 例えば、良さそうなパラメータの組み合わせを全て試すグリッドサーチや、無作為に試すランダムサーチなど。 今回は、それとはちょっと違ったベイズ最適化というやり方を試してみる。 ベイズ最適化では、過去の試行結果から次に何処を調べれば良いかを確率分布と獲得関数にもとづいて決める。 これにより、比較的少ない試行回数でより優れたハイパーパラメータが選べるとされる。 Python でベイズ最適化をするためのパッケージとしては Bayesian Optimization や skopt、GPyOpt などがある。 今回は、その中でも Bayesian Optimization を使ってみることにした。 使った環境は次の通り。 $ sw_vers Produ
2018年の京大数学をプログラミング（Python、Sympy）で解いてみた - 我、京大生ぞ
こんにちは、現役京大生ブロガーのゲーテ(@goethe_kyodai)です。 普通に解いても面白くないのでプログラミング（Python）で2018年の理系の京大数学を解いてみました。 プログラミングで解くことに重きを置き、厳密な議論は飛ばしていて模範解答とは程遠い解答となっているので高校生のみんなは参考にしないように。 使用言語:Python2系 使用ライブラリ:Sympy,Numpy,Math,matplotlib Sympyの使い方はこちらを参考にしました。 Sympyの使い方 Pythonの数式処理ライブラリSymPyをWolfram Alpha(Mathematica, Maxima)の代わりに使う方法 - MyEnigma はてなブログにコードを埋め込むのはこちらを参考にしました。 はてなブログにコードを埋め込む http://www.tsubasa-note.blog/entr
Google Colaboratoryを使えば環境構築不要・無料でPythonの機械学習ができて最高 - karaage. [からあげ]
Google Colaboratoryが便利 最近、Google Colaboratoryがちょっと気になっていたのですが、タダケン (id:tadaken3)さんの以下記事に分かりやすく使い方が書いてあったのをきっかけに試して見ました。 結論から言うと、これ良いですね。Google Colaboratoryには以下の特徴（利点）があります。 ローカルPCに必要なのはブラウザ（Google Chrome）のみ クラウド上にPython環境がありPython2/3 両方使える 機械学習に必要なライブラリは、ある程度プリインストールされている（numpy, matplotlib, TensorFlow等） 必要なライブラリは !pip installでインストールできる 日本語フォントも（ちょっと工夫すれば）使える 無料で使える。なんとGPUも12時間分を無料で使える！ これ死角無さすぎでは…
![Google Colaboratoryを使えば環境構築不要・無料でPythonの機械学習ができて最高 - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/12d034f86e09df35a63668f147c936d96829c380/height=288;version=1;width=512/https%3A%2F%2Fcdn-ak.f.st-hatena.com%2Fimages%2Ffotolife%2Fk%2Fkaraage%2F20180317%2F20180317160922.png)
dfltweb1.onamae.com – このドメインはお名前.comで取得されています。
このドメインは お名前.com から取得されました。 お名前.com は GMOインターネットグループ(株) が運営する国内シェアNo.1のドメイン登録サービスです。 ※表示価格は、全て税込です。 ※サービス品質維持のため、一時的に対象となる料金へ一定割合の「サービス維持調整費」を加算させていただきます。 ※1 「国内シェア」は、ICANN(インターネットのドメイン名などの資源を管理する非営利団体)の公表数値をもとに集計。gTLDが集計の対象。 日本のドメイン登録業者(レジストラ)（「ICANNがレジストラとして認定した企業」一覧（InterNIC提供）内に「Japan」の記載があるもの）を対象。 レジストラ「GMO Internet Group, Inc. d/b/a Onamae.com」のシェア値を集計。 2023年5月時点の調査。
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://torina.top/detail/318/
【python】selenium + chromeでスクリーンショットを撮影する – 黴猫実験室
http://gakuseibiz.com/?p=905
mathgram.xyz
