仕事でPythonコンテナをデプロイする人向けのDockerfile (1): オールマイティ編 | フューチャー技術ブログ
BusterとかStretchという名前が見慣れない方もいるかもしれませんが、これはLinuxディストリビューションとしてシェアの大きなDebianのコードネームです。 Debianバージョンが少し古いStretchの方がちょびっとサイズが小さかったりはしますが、まあ実用的にはサポートが長い方がいいですよね。slimを使ってGCCとかのコンパイラを自前でダウンロードしている記事とかもたまに見かける気がしますが、マルチステージビルドであれば、そんなにケチケチしなくていいのと、パッケージダウンロードは逐次処理なので遅く、処理系が入ったイメージのダウンロードの方が高速です。並列で処理されるし、一度イメージをダウンロードしてしまえば、なんどもビルドして試すときに効率が良いです。また、多くのケースでネイティブのライブラリも最初から入っており、ビルドでトラブルに遭遇することはかなり減るでしょう。 Py
2012-10-19
平均 50, 標準偏差 250 の正規分布に従う乱数を10000個生成し、 そのヒストグラムを作成する。 #!/usr/bin/env python import random import matplotlib.pyplot as plt def plot(): mu = 50 sigma = 250 MAX = 1000 MIN = -1000 N = 10000 data = [random.normalvariate(mu,sigma) for i in range(N)] fig = plt.figure() ax = fig.add_subplot(1,1,1) ax.hist(data, bins=100, range=(MIN,MAX)) ax.set_ylabel("frequency") ax.grid() plt.savefig("test.png") plt.clo
Python pandas で日時関連のデータ操作をカンタンに - StatsFragments
概要 Python で日時/タイムスタンプ関連の操作をする場合は dateutil や arrow を使っている人が多いと思うが、 pandas でもそういった処理がわかりやすく書けるよ、という話。 pandas の本領は多次元データの蓄積/変形/集約処理にあるが、日時操作に関連した強力なメソッド / ユーティリティもいくつか持っている。今回は それらを使って日時操作を簡単に行う方法を書いてく。ということで DataFrame も Series もでてこない pandas 記事のはじまり。 ※ ここでいう "日時/タイムスタンプ関連の操作" は文字列パース、日時加算/減算、タイムゾーン設定、条件に合致する日時のリスト生成などを想定。時系列補間/リサンプリングなんかはまた膨大になるので別途。 インストール 以下サンプルには 0.15での追加機能も含まれるため、0.15 以降が必要。 pip
1.4. Matplotlib: 作図 — Scipy lecture notes
ちなみに Matplotlib はおそらく2次元グラフィック用の Python パッケージの決定版です。高速なデータの可視化手法や出版品質の図を多くのフォーマットで提供します。これから対話モードで matplotlib の機能を調べていきましょう。 ほとんどの状況は対話モードですませることができます。
Pythonのmatplotlibを使ってデータを可視化する方法
matplotlibのインストール方法 matplotlibチュートリアル まずはプロットしてみよう 軸ラベルとタイトルの指定 表示する値の範囲を変更する 色々なグラフをプロットしてみる 散布図のプロット ヒストグラムの作成 重ね合わせのプロット matplotlibはグラフを使った可視化の際によく使われるモジュールで、Python上でもMatlabのようなグラフ描画機能を持たせることを目的として作られました。 NumPyとの相性ともよく、併用されることがほとんどです。この節では matplotlibのインストール方法 matplotlibの簡単な使い方 について解説します。 matplotlibのインストール方法 前節まででpython3系がインストールされているはずなので以下のコードをコマンドライン上で実行すればmatplotlibが自動的にインストールされます。 $ pip inst
with構文とは何なのか - 年中アイス
Pythonをやっていて、with構文って何だろ？となって、理解できたので整理してみます。細かいところが違うかもしれませんが、動きはつかめるかなと思います。 Python3.3で動作確認しています。 with構文とは with構文は、ある機能の利用者が、より安全、簡潔にその機能を使えるようにする構文です。既知の定形終了処理であれば、機能作成側でそれをあらかじめ定義し、利用者はwith構文を使うだけで、安全に機能を使うことが出来ます。 with構文を使っていないファイル書き込み例 wfp = open('msg.log', 'w') wfp.write('need call close, if do not use with statement.') wfp.close() with構文を使ったファイル書き込み例 with open('msg.log', 'w') as wfp: wfp.w
ブロックチェーンを作ることで学ぶ 〜ブロックチェーンがどのように動いているのか学ぶ最速の方法は作ってみることだ〜 - Qiita
この記事について この記事はDaniel van FlymenさんのLearn Blockchains by Building One - The fastest way to learn how Blockchains work is to build oneを本人の許可を得て翻訳したものです。 このブロックチェーンのリポジトリではPython以外での言語の実装者の募集も行われているので、興味がある方は是非どうぞ！ また、この翻訳で出てくる日本語版のリポジトリはこちらにあるので是非参考にしてみてください。 はじめに あなたがここにいるのは、私と同じように、暗号通貨の盛り上がりに対して心構えが出来ているからだ。そしてあなたはブロックチェーンがどのように動いているのか -その裏にある基本的なテクノロジー- を理解したいと思っている。 しかしブロックチェーンを理解するのは簡単ではない、少なくと
NumPy 配列の基礎 — 機械学習の Python との出会い
NumPy 配列の基礎¶ ここでは，NumPy で最も重要なクラスである np.ndarray について， 本チュートリアルの方針 の方針に従い，最低限必要な予備知識について説明します． np.ndarray は， N-d Array すなわち，N次元配列を扱うためのクラスです． NumPy を使わない場合， Python ではこうしたN次元配列を表現するには，多重のリストが利用されます． np.ndarray と多重リストには以下のような違いがあります． 多重リストはリンクでセルを結合した形式でメモリ上に保持されますが， np.ndarray は C や Fortran の配列と同様にメモリの連続領域上に保持されます． そのため，多重リストは動的に変更可能ですが， np.ndarray の形状変更には全体の削除・再生成が必要になります． 多重リストはリスト内でその要素の型が異なることが許
日付・時間
プログラミングにおける日付や時間の使用頻度は高いです。言語ごとにかなり違いがあるので、調べたりする機会は多々あると思います。 日付の取得 日付の取得方法は下記の通りです。標準ライブラリであるdatetimeを使用しましょう。このように標準ライブラリやサードパーティライブラリなど、特定の機能を使用したい場合はimportを用います。 ※str(‘a’)やint(‘1’)など、ごく一般的なプログラムにおいても高い使用頻度が想定されている一部のものは、importを行わずに使うことができます。 import datetime today = datetime.date.today() todaydetail = datetime.datetime.today() # 今日の日付 print('----------------------------------') print(today) pr
Numpyのndarray同士の結合方向について - Qiita
Numpyというpythonの数値計算ライブラリを最近よく使っています。 ndarrayというN次元配列型が定義されていて便利です。 さて、複数の配列を結合させたい場合、Numpyには以下のようなメソッドが用意されています。 numpy.r- : 行方向への結合 numpy.c_ : 列方向への結合 import numpy as np a = np.ones((2, 3)) # 2×3で要素が全て1の行列 b = np.zeros((2, 3)) # 2×3で要素が全て0の行列 c = np.r_[a, b] d = np.c_[a, b] print(c) print(d) >[[ 1. 1. 1.] [ 1. 1. 1.] [ 0. 0. 0.] [ 0. 0. 0.]] >[[ 1. 1. 1. 0. 0. 0.] [ 1. 1. 1. 0. 0. 0.]] 結合したいndarra
Python 3.5 対応画像処理ライブラリ Pillow (PIL) の使い方 - Librabuch
Pillowとは Pillow は、Python の画像処理ライブラリで、Python Imaging Library (PIL)の fork プロジェクトです。 PIL は開発が停滞し Python 2.7 までの対応にとどまっていますが、Pillow は Python 3.3 に対応しています。 2016-04-14 追記：Python 3.5.1 に対応しています。 Pillow 環境 pip インストール可能です。 $ pip install pillow Windows の場合、error: Unable to find vcvarsall.bat というエラーが出て、これは Visual C++ のなにがしを導入すると解消するらしいのですが、僕の環境で2008やら2012やらを入れても解消できなかったので諦めて Mac でやりました。 2013-05-07 追記：Windows
Sorting HOW TO — Python 3.7.1 documentation
Sorting Techniques¶ Author: Andrew Dalke and Raymond Hettinger Python lists have a built-in list.sort() method that modifies the list in-place. There is also a sorted() built-in function that builds a new sorted list from an iterable. In this document, we explore the various techniques for sorting data using Python. Sorting Basics¶ A simple ascending sort is very easy: just call the sorted() funct
matplotlib入門 - りんごがでている
matplotlibはPythonでグラフを描画するときなどに使われる標準的なライブラリです。 画像ファイルを作るばかりでなく、簡単なアニメーションやインタラクティブなグラフを作ることも可能です。 実際の例はmatplotlibサイトのギャラリーで見ることができます。 matplotlib/gallery matplotlibは本家のサイトやどこかのブログにあるチュートリアルや例を描画してみるぶんには簡単なのですが、 実際に自分でプロットするとなると基礎的な概念を理解していないと使いにくいライブラリでもあります。 また、基礎的な概念を理解していないとドキュメントを参照する際にもどこを見て、どう実用すればいいのかわかりません。 そこで、この記事ではそのあたりのmatplotlibの基礎を解説していきます。 なお、Python自体の知識はある程度仮定していますが、matplotlib自体の実装
PIL/Pillow チートシート - Qiita
PIL/Pillowはコンパクトで高速なPython用の画像ライブラリです。 よく使う処理をまとめました（随時更新） PILとPillowの違い 基本的にPILを使う理由はありません、Pillowの方がリサイズフィルタのバグフィックスがされており高品質です。 Pillowの速度について Pillowは非常に高速にチューニングされており、同様なライブラリであるImageMagickよりも常に高速に動作します。 ただし、getpixel/putpixelは非常に低速です、画像生成以外には使わないようにしましょう。 更に高速なpillow-simdもあります。概ねオリジナルのPillowの4〜5倍の速度が出るようです。 pillow-simd https://github.com/uploadcare/pillow-simd 参考 Imageモード一覧 モード 説明
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
http://tech.uribou.tokyo/acd_with_odrive/
new object_detection error from today's commis: 'ManualStepLearningRate' object has no attribute 'warmup' · Issue #3705 · tensorflow/models
OpenCV-Pythonチュートリアル — OpenCV-Python Tutorials 1 documentation
https://deepage.net/features/numpy-stack
https://remotestance.com/blog/136/
GitHub - requests/requests-oauthlib: OAuthlib support for Python-Requests!
