Indexing and selecting data# The axis labeling information in pandas objects serves many purposes: Identifies data (i.e. provides metadata) using known indicators, important for analysis, visualization, and interactive console display. Enables automatic and explicit data alignment. Allows intuitive getting and setting of subsets of the data set. In this section, we will focus on the final point: n
動機 Docker上でJupyter Notebookを使いたかったのでトークンとパスワード認証をスキップしたかった。 公式で NOT RECOMMENDED とされており、Macの場合Firewallを無効にしている場合にはネットワーク経由で不正にアクセスされる危険性が高いので自己責任で。 環境 macOS 10.14.1 Mojave Jupyter Notebook Data Science Stack 6.0.0.dev https://hub.docker.com/r/jupyter/datascience-notebook/ やり方 Security in the Jupyter notebook server — Jupyter Notebook 7.0.0.dev0 documentation の通り、 jupyter_notebook_config.py を編集する。*1
WEB上でPythonのコードが書けて出力結果もリアルタイムで見れて、さらにその履歴を残し、公開することもできる便利なJupitor Notebook 毎回 jupyter notebook で起動してToken含んだURLからアクセスするものの、次回以降はそんなURL覚えていられるわけもなく、 Token authentication is enabled If no password has been configured, you need to open the notebook server with its login token in the URL, or paste it above. This requirement will be lifted if you enable a password. って怒られる。仕方ないからJupyter notebookをリスタートさ
なお、Python3.6から文字列メソッドstr.format()をより簡潔に記述できるf文字列(f-strings)が追加された。以下の記事を参照。 関連記事: Pythonのf文字列(フォーマット済み文字列リテラル)の使い方 組み込み関数 format() 組み込み関数としてformat()が提供されている。 組み込み関数 - format() — Python 3.11.3 ドキュメント 第一引数に元の文字列strや数値int, floatなど、第二引数に書式指定文字列を指定すると、書式化された文字列strが返される。 例を示す。書式指定文字列の書き方については後述。 i = 255 print(format(i, '#04x')) print(type(format(i, '#04x'))) # 0xff # <class 'str'> s = 'abc' print(format
目的 本稿の目的は, Python を用いて Arduino とシリアル通信を行い, 更に同通信により得た値を数値として処理できるようにすることである. 目標 PC側から Arduino にデータを送信, その内容に応じて Arduino の動作を変化させる PCが, Arduino から受信したデータを数値的に処理できるようにする 具体的目標 PCから文字データを送信し, ArduinoのLEDの明滅を操作するプログラムを組む 超音波距離センサ HC-SR04 から得たデータから数値を取り出すプログラムを組む 上記プログラム言語には Python 3.x を利用する 準備 Arduino Uno Rev.3 USBケーブル LED ジャンパワイヤ 4本 HC-SR04 Python 3.x , Arduino IDE Python モジュール : PySerial 環境 Windowsだ
docker build -t python-test:latest . Sending build context to Docker daemon 3.072kB Step 1/4 : FROM alpine:3.7 ---> 70cb411a7a13 Step 2/4 : RUN apk --update-cache add musl linux-headers gcc g++ make gfortran openblas-dev python3 python3-dev ---> Running in f429cc126e22 fetch http://dl-cdn.alpinelinux.org/alpine/v3.7/main/x86_64/APKINDEX.tar.gz fetch http://dl-cdn.alpinelinux.org/alpine/v3.7/commun
JavaScript Figure Reference: Single-Page How are Plotly attributes organized? plotly.js charts are described declaratively as JSON objects. Every aspect of a plotly chart (the colors, the grids, the data, and so on) has a corresponding JSON attribute. This page contains an extensive list of these attributes. Plotly's graph description places attributes into two categories: traces (objects that des
Interactive Visualizations This is the 3rd chapter of the Dash Fundamentals. The previous chapter covered basic callback usage. The next chapter describes how to share data between callbacks. Just getting started? Make sure to install the necessary dependencies. The Dash Core Components (dash.dcc) module includes a Graph component called dcc.Graph. dcc.Graph renders interactive data visualizations
一方、今回紹介するPlotlyに関しては、こちらもJupyter notebook上で、マウスで動かしたりできるグラフを生成することができます。 どちらもPythonから実行できますが、他にもRやJuliaなどの他言語からも実行可能のようです。 逆に異なる点としては、Plotlyには3Dプロットのグラフもありますが、Bokehには3Dプロットがありません。 また、詳しくは後述しますが、Plotlyにはオンラインとオフライン、無償版と有償版の使い分けがあります。 また、今回は紹介しませんが、このPlotlyのグラフ生成機能をベースとしたWebアプリケーションフレームワークとして『Dash』というものもあるみたいです。 Dash: https://plot.ly/products/dash/ Plotlyは、インタラクティブなグラフを作成できるオープンソースのライブラリです。 Python、R
開発環境を作ってるの楽しい人種なので定期的に開発環境を見直したくなります。 Dockerを使ってポータブルな開発環境を手に入れたので紹介します。 開発用コンテナと各種データベースコンテナをdocker-composeを使って構築します。 ✗TOC Dockerポータブルな開発環境 開発用コンテナ ベース 各言語 Ruby (rbenv) Python (pyenv) Golang (1.5) Node.js (nvm) データベース データベースコンテナ 付録 Dockerfile docker-compose.yml Dockerポータブルな開発環境 "docker-compose up -d"で開発環境が出来上がります、すごい。mysqlやredis他も使える、すごい。 ディレクトリ構成は以下のようになっています。 |-- data | |-- mongo | |-- mysql |
問題点 以下のようなコマンドで、グラフのタイトルに「日本語」を表示させようとしましたが、日本語部分が「□□□」と文字化けしてしまっています。 %matplotlib inline from matplotlib import pyplot as plt plt.style.use('ggplot') plt.figure(figsize=(12,5)) plt.plot(0,0) plt.title("日本語") matplotlibで使用可能なフォント一覧を調べる 以下のコマンドで読み込まれている、matplotlibで使用可能なフォント一覧を調べます。 import matplotlib.font_manager as fm fm.findSystemFonts() """ ●出力結果 ['/usr/share/fonts/opentype/ipaexfont-gothic/ipaex
目次 モチベーション 想定読者 実作業 Dockerのインストール Dockerイメージの選択と取得 設定するパスワードのハッシュ文字列の取得 パスワードの設定とファイルの永続化を行い、データ分析環境のDockerコンテナを起動する モチベーション データ分析環境構築は、Dockerで作ってしまいたい。 Jupyterで、PythonかRかJuliaを使いたい。 各言語の定番ライブラリやパッケージは最初からある程度入っていて欲しい。 想定読者 Dockerで基本的なData Scienceの環境を構築したい人 あまりDockerやJupyterに詳しくない人 簡単にデータ分析環境を作ってしまいたい人 以上のような方が、この記事を通りにコマンドを入力すれば、データ分析環境の構築が出来ることを目指します。 現在のところ、macOS High SierraとUbuntu 18.04で、起動の確認
概要 自分で作成したPythonのスクリプトをexeファイル(実行ファイル)化します。 Pythonがインストールされていない環境でも作成したpythonのスクリプトが動作するようになります。 exeファイル化するツールはいくつかあるようですが、今回は"pyinstaller"を使用しました。 今回使用した環境 Windows7 Pro 64bit Anaconda3 5.0.1(Conda 4.3.30 / Python 3.6.1) 準備 Pythonのpyinstallerモジュールをpipでインストールします。 1. Anaconda Promptを起動 2. pipでpyinstallerモジュールをインストール pip install pyinstaller インストールが出来たら以上で準備完了です。 あとはexeファイル化したいPythonのスクリプトを用意して下さい。 今回
概要 大量の文章ファイルを扱うとき、いちいちwordを使ってdocxの中身を変更するのは面倒。 Pythonを使ってある程度自動化できないか・・・と考えて調査したところ、簡単に実装できたのでまとめておく。 対象とする環境 OS異存なし Python2.7 概要 対象とする環境 python-docxの導入 置換プログラム 上記プログラムのGUIツール化 注記 python-docxの導入 pythonを使ってdocxファイルを取り扱うために、python-docxというライブラリが公開されているので、まずはこれを導入する。 導入方法はpipを使うだけ。シンプル。 pip install python-docx 置換プログラム ライブラリが導入できたら、以下のようなコードを実行することで、置換前の文字列を置換後の文字列に置換できる。 これを応用することで、wordを使った単調作業の一部を、自
pandas.crosstab()関数を使うとクロス集計分析ができる。 カテゴリデータ(カテゴリカルデータ、質的データ)のカテゴリごとのサンプル数(出現回数・頻度)の算出などが可能。 pandas.crosstab — pandas 0.22.0 documentation 出現回数ではなく、カテゴリごとの平均値などを算出したい場合はピボットテーブルpandas.pivot_table()を使う。以下の記事を参照。 関連記事: pandasのピボットテーブルでカテゴリ毎の統計量などを算出 ここでは、 pandas.crosstab()関数の基本的な使い方 カテゴリごとの小計・総計を算出: 引数margins 全体・行ごと・列ごとに規格化(正規化): 引数normalize について説明する。 例としてタイタニックの生存情報のデータを使用する。Kaggleの問題からダウンロードできる。 im
Pythonでテキストファイル内の任意の文字列を含む行を抽出する方法を説明する。いわゆるgrep的な処理。 行を抽出する基本的な流れ 行の中身を抽出 行番号を抽出 行番号と行の中身を抽出 該当する最初の行のみ抽出 行を抽出する基本的な流れ テキストファイルから条件に応じて行を抽出する基本的な流れは以下の通り。 readlines()で各行を要素とするリストを取得 リストから条件に応じた行を抽出 以下、具体的な例を示す。 テキストファイルの中身をリストとして取得 以下のファイルを例とする。 path = 'data/src/sample_for_grep.txt' with open(path) as f: print(f.read()) # XXX YYY ZZZ # YYY # aaa # XXX # ZZZ XXX # xxx
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
処理を実行中です
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