Python製Webフレームワークの比較とDjangoの環境構築
9年ぶりとなるメジャーバージョンアップを控えて、盛り上がりを見せているDjango。この連載では最新のDjangoとDjango REST frameworkを用いたプロダクト開発の手法を、実務に使える形でお伝えしていきます。今回はDjangoの特徴を確認してからDjangoプロジェクトの環境構築についてをご紹介します。 はじめに データ分析や機械学習の隆盛に伴い、Pythonの人気は近年とても高まっています。それはNumPyやChainerといった便利なPythonライブラリが充実しているという理由がもちろん挙げられますが、Pythonが汎用プログラミング言語であることも人気の後押しになっています。 実際、「収集・分析したデータの二次活用として、Webアプリケーションを作りたい」という声をよく聞くようになりました。Pythonならデータ処理からWeb開発まで一貫して同じ言語で書くことがで
Python 3の美しい関数引数システム - Qiita
TL;DR Python 3の関数引数システムは複雑だが美しい。 引数は 2 x 2 = 4 種類 パラメータは 2 x 3 = 6 種類 はじめに Python 3の関数引数システムは一見複雑ですが、一度理解すればとてもきれいに設計されていることが分かります。Python 2から3へのバージョンアップで大きく改善され、より柔軟になりました。 引数・パラメータの分類が公式ドキュメントと異なりますが、構文上の見た目や実用に則した分類の方が分かりやすいと思い意図的に変更しました。 書いてたら汚くなりました。フィードバックいただけるとうれしいです。 まず、関数についての用語の定義から行きます。 用語の定義 引数 (arguments)とは 関数に渡される具体的な値。関数内での実際の計算に使用されます。
Pyro
NumPyro Release We’re excited to announce the release of NumPyro, a NumPy-backed Pyro using JAX for automatic differentiation and JIT compilation, with over 100x speedup for HMC and NUTS! See the examples and documentation for more details. Pyro is a universal probabilistic programming language (PPL) written in Python and supported by PyTorch on the backend. Pyro enables flexible and expressive de
livepython - Pythonのコードを一行ずつ実行
MOONGIFTはオープンソース・ソフトウェアを紹介するブログです。2021年07月16日で更新停止しました 複雑なプログラムになると、どこからどこへ飛んでいるのか分からなくなることがあります。そうした時に一行ずつステップ実行するというのはよくあります。しかし自分だけであれば良いですが、人に説明する時には不向きです。 もしPythonのコードを説明するのであれば使ってみたいのがlivepythonです。まるで動画のようにコードを一行ずつ実行します。 livepythonの使い方 コードを実行しているところです。一行ずつステップ実行されます。 実行中は変数のブラウズもできます。 ちゃんと新しい変数が定義されると一覧も更新されます。 livepythonはPython学習と組み合わせるととても効果的に使えそうです。ちなみにlivepythonはElectron製なので、JavaScriptベー
Pythonの画像描画ライブラリ「Matplotlib」の、機械学習で使われる典型的なグラフ機能
Pythonの画像描画ライブラリ「Matplotlib」の、機械学習で使われる典型的なグラフ機能：Pythonで始める機械学習入門（5）（1/3 ページ） 最近流行の機械学習／Deep Learningを試してみたいという人のために、Pythonを使った機械学習について主要なライブラリ／ツールの使い方を中心に解説する連載。今回は、画像描画のためのライブラリであるMatplotlibについて。機械学習で使われる典型的な機能のみをピックアップして解説します。 プログラミング言語「Python」は機械学習の分野で広く使われており、最近の機械学習／Deep Learningの流行により使う人が増えているかと思います。一方で、「機械学習に興味を持ったので自分でも試してみたいけど、どこから手を付けていいのか」という話もよく聞きます。本連載「Pythonで始める機械学習入門」では、そのような人をターゲッ
Python: pandas でカラムの型を変換する - CUBE SUGAR CONTAINER
pandas はデータを読み込むとき、よきに計らってカラムに型を付与してくれる。 ただ、その内容が意図しない場合もある。 そんなとき、どうやってカラムの型を直すか、ということについて。 使った環境は次の通り。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.12.6 BuildVersion: 16G29 $ python --version Python 3.6.3 もくじ もくじ 下準備 サンプルデータ カラムの型を変換する 型を変換したカラムを非破壊的に追加する 型を変換したカラムを破壊的に追加する もっと柔軟に変換する 値として NaN が入っている場合 下準備 まずは下準備として pandas をインストールしておく。 $ pip install pandas $ pip list --format=columns | gre
Python: map/filter 処理を並列化する - CUBE SUGAR CONTAINER
今回は Python でリストなんかへの map/filter 処理をマルチプロセスで並列化する方法について。 この説明だけだと、なんのこっちゃという感じだと思うので詳しくは後述する。 使った環境は次の通り。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.12.6 BuildVersion: 16G29 $ python --version Python 3.6.3 下準備 Python の REPL を使って説明していくので、まずは起動する。 $ python まずは、サンプルのデータとして 0 から 9 までの数字が入ったリストの data を用意しておく。 >>> list(range(10)) [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] >>> data = list(range(10)) map/filte
Python: pandas で数の少ない項目を「その他」にまとめる - CUBE SUGAR CONTAINER
pandas で集計した内容をグラフにするとき、数の少ない項目がたくさんあるとごちゃっとしてしまう。 今回は、そんな数の少ない項目を「その他」としてまとめる方法について。 使った環境は次の通り。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.12.6 BuildVersion: 16G29 $ python --version Python 3.6.3 下準備 まずは pandas をインストールしておく。 $ pip install pandas $ pip list --format=columns | grep pandas pandas 0.21.0 サンプルとなるデータ サンプルとしては各国の GDP を使うことにした。 以下は 2016 年の GDP 上位 10 ヶ国を示している。 >>> columns = ['coun
Python + pytestにて、pytestに独自のコマンドラインオプションを追加する - メモ的な思考的な
Python + pytestにて、コマンドラインオプションを追加して、コマンドラインから値を受け取った時のメモを残します。 目次 環境 pytestのコマンドラインオプションの追加方法 conftest.pyの実装 テストコードの実装 テストの実行 応用：コマンドラインオプションで指定したテストコード以外はスキップする conftest.pyの実装 テストコードの実装 テストの実行 conftest.pyについて ソースコード 環境 Python 3.6.3 pytest 3.2.3 pytestのコマンドラインオプションの追加方法 公式ドキュメントに情報がありました。 Basic patterns and examples — pytest documentation conftest.py にて、コマンドラインオプションの追加を実装 テストコードにて、コマンドラインオプションの値を受
第１回 環の定義 - Pythonで学ぶ「プログラミング可換環論」
はじめに どうも初めまして、グレブナー基底大好きbot (Twitter:@groebner_basis) です。 最近、プログラマ向けの数学のセミナーや勉強会*1が開催されるなど、コンピュータを専門にする人が純粋数学に興味を持つ機会が増えてきました。 そこで、この記事では、計算科学とも関わりの深い「可換環論」について、プログラミングの側面から解説していきたいと思います。 可換環論とは 可換環論は、代数学に含まれる分野で、140年以上の歴史があります。名前の通り、「可換環」と呼ばれる数学的対象を研究する分野です。この可換環については、後々詳しく説明したいと思います。 かつての数学者は、計算といえば紙に書く「手計算」が主な手法でした。しかし、近年では、コンピュータの発達に伴い、可換環論の色々な計算が数式処理システム(Computer Algebra System) で実現できるようになりまし
Python：処理ファイルをGUIから選択する方法 - Qiita
この記事について Pythonを使ったデータ処理プログラムを作成していた時に、本当に初心者の時は処理ファイルのパスをスクリプトに手書きしてました。 ただ、「このフォルダにファイルを置かないと処理できません」「ファイル名がこれが仕様です」なんて汎用性が低すぎて完全自分専用のプログラムになります。 なので、処理ファイルをGUIから選択する仕様にしたく少し昔に方法を調べました。 その調査結果を備忘録も兼ねて残します。 処理環境 ・Windows7 32bit ・Python3.6.2 ※元々Python2.7.5で作成したコードを最新であるPython3.6.2に変換しています。 サンプルコード サンプルとして選択したファイルの絶対パスをメッセージボックスとして表示させるコードを紹介します。 # モジュールのインポート import os, tkinter, tkinter.filedialog
Python: Apache Parquet フォーマットを扱ってみる - CUBE SUGAR CONTAINER
今回は、最近知った Apache Parquet フォーマットというものを Python で扱ってみる。 これは、データエンジニアリングなどの領域でデータを永続化するのに使うフォーマットになっている。 具体的には、データセットの配布や異なるコンポーネント間でのデータ交換がユースケースとして考えられる。 これまで、同様のユースケースには CSV や Python の Pickle フォーマットが用いられていた。 ただ、CSV は行志向のフォーマットなので不要なカラムであっても必ず読まなければいけないという問題点がある。 また Pickle の場合は、それに加えて扱えるのが Python のコンポーネントに限られてしまう。 そこで登場するのが今回紹介する Apache Parquet フォーマットということらしい。 Apache Parquet フォーマットは Apache Hadoop エコ
Python: 無名数化によるデータの前処理 - CUBE SUGAR CONTAINER
データエンジニアリングの分野では、分類精度などを高めるためにデータの前処理が重要となってくる。 今回は、そんな前処理の中でも無名数化と呼ばれる手法について見ていく。 無名数化というのは、具体的にはデータに含まれる次元の単位をなくす処理のことを指している。 単位というのは、例えば長さなら cm 重さなら kg といったもの。 単位のついた数値のことを名数、単位のない数値のことを無名数と呼ぶ。 単位の情報がある状態から、ない状態に変換することから無名数化と呼ばれる。 無名数化のメリットは使う手法によって異なるものの、基本的には次元による数値の大小の影響がなくなるところ。 使うモデルによっては数値の大きさに影響を受けやすいものがある。 例えば最近傍法などはその代表で、数値の大きな次元に影響を受けやすい。 使った環境は次の通り。 扱うデータセットにはアイリス (あやめ) データセットを用いた。 $
Python の正規表現で IGNORECASE するときは気をつけよう - methaneのブログ
Python 3 で文字列が Unicode になりました。というだけで感のいい人は分かるかもしれません。 はい、大文字小文字の判断も ASCII じゃなくて Unicode になります。 In [6]: re.match("[a-z]", 'ı', re.I) Out[6]: <_sre.SRE_Match object; span=(0, 1), match='ı'> この文字は LATIN SMALL LETTER DOTLESS I だそうです。 予想外のものにマッチするのは単純にバグになりやすいのもそうですが、この [...] にマッチする部分を作るのも非効率的になります。Python の標準ライブラリの正規表現は最終段階以外が全部 pure Python で書かれているので、正規表現のコンパイルが遅く非効率になります。 なお Python の標準ライブラリの正規表現は文字列だけ
【Pythonでテキストマイニング】TwitterデータをWordCloudで可視化してみる - Np-Urのデータ分析教室
今回はツイッターからツイートデータを取得し、それをWordCloudというライブラリを使って可視化してみたいと思います。 Word Cloud関連の記事は、既に多くあり特に目新しいものではないですが、可視化ツールとしてはなかなかインパクトがあるので、テキストマイニング関連の分析の一例として今回やってみました！ ちなみに、今回、好きな芸人の中の一人である、スピードワゴン小沢さんのツイートを取得して、可視化してみました。（勝手にごめんなさい。。。） 結果をまず先にお見せします！ 今回の流れWord Cloudでは、頻出する単語ほど、つまり特徴的な単語ほど大きな文字で表示されます。右下の「好き」「幸せ」「友達」という言葉がまず目に入りました。 小沢さんのツイートは、とても詩的で素敵です。そんな小沢さんの人柄、芸術性溢れたツイート内容がうまく可視化できているのではないかと思います！ さて、この図を
Pythonのテキスト作りました - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ▲訂正とお詫び▲ テキスト本体（第3.2版以前のもの）の中のオブジェクト指向プログラミングの解説部分で，デストラクタ（ファイナライザ）に関する記述に誤りがありましたので修正しました．どうか最新版に差し替えてください． ●テキスト本体（PDF形式474ページ:3.84MB） 2024/10/11更新 （→ミラーサイトからDL）（→GitHubからDL） 言及している主なライブラリ： Kivy, argparse, socket, threading, multiprocessing, concurrent, requests, Beaut
Python: 組み込みのソケットサーバをマルチスレッド化する - CUBE SUGAR CONTAINER
今回は小ネタ。 Python の標準ライブラリには、いくつか組み込みで提供されるソケットサーバの実装がある。 例えば WSGI サーバのリファレンス実装とか。 21.4. wsgiref — WSGI ユーティリティとリファレンス実装 — Python 3.6.1 ドキュメント HTTP サーバを動かすためのやつとか。 21.22. http.server — HTTP サーバ — Python 3.6.1 ドキュメント ただ、上記には弱点があって、それはシングルスレッドの実装ということ。 そのため、デフォルトでは同時に複数のアクセスをさばくことができない。 これが要するにどういうことなのか、というのは次の記事なんかに書いた。 blog.amedama.jp 今回は、そのままだとシングルスレッドで動くソケットサーバをマルチスレッドにする方法について書く。 動作確認に使った環境は次の通り。
Python: scikit-learn のハイパーパラメータを GridSearchCV で最適化する - CUBE SUGAR CONTAINER
機械学習のアルゴリズムにおいて、人が調整する必要のあるパラメータのことをハイパーパラメータと呼ぶ。 これは自動では決められないので、色々な値を試したりして汎化性能が高くなるものを選ばなきゃいけない。 今回はハイパーパラメータを決めるのに scikit-learn に実装されている GridSearchCV という機能を使ってみる。 これを使うと、あらかじめいくつか候補を与えることで、その中から汎化性能が高くなるものを選んでくれる。 使った環境は次の通り。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.12.6 BuildVersion: 16G29 $ python --version Python 3.6.2 下準備 まずは必要なパッケージをインストールしておく。 $ pip install scikit-learn numpy s
スクレイピング初心者がpythonでかわいい猫ちゃん画像をコマンド一発でネットから収集してみた - karaage. [からあげ]
注：この猫ちゃん画像は昔私が撮影した猫ちゃんで、ネットから落とした画像ではありません 追記：現在このスクリプトは使用できないようです Yahoo画像検索の仕様が変わったらしく、2018/08/12 の時点でこのスクリプトは使用できないようです。仕様が変わると適用できなくなるのは、スクレイピングのスクリプトの宿命ですね。今のところ対応の予定はありません。申し訳ございません。 ネットから画像収集しようとしたら意外に大変だった 最近、以下で書いているように機械学習に興味津々だったりします。 機械学習やディープラーニングを試していると、やっぱり試したくなるのが、チュートリアルで使用しているデータセット以外のデータにも同じ手法が適用できるかどうかですね。 とりあえず画像をネットから収集しようかなと思い、googleの画像検索の結果を一つ一つ右クリックで落とし始めたのですが、どう考えても非人間的過ぎま
![スクレイピング初心者がpythonでかわいい猫ちゃん画像をコマンド一発でネットから収集してみた - karaage. [からあげ]](https://cdn-ak-scissors.b.st-hatena.com/image/square/88b3ab0ae7260a995e891c9fc5a5235380cfbe18/height=288;version=1;width=512/https%3A%2F%2Fcdn.image.st-hatena.com%2Fimage%2Fscale%2Fbca7581dbd1b34e803379129b7b9865ba356f463%2Fbackend%3Dimagemagick%3Bheight%3D1300%3Bversion%3D1%3Bwidth%3D1300%2Fhttps%253A%252F%252Fcdn-ak.f.st-hatena.com%252Fimages%252Ffotolife%252Fk%252Fkaraage%252F20170814%252F20170814144955.jpg)
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
PlaySQLAlchemy: SQLAlchemy入門
