Rubyist が pyenv を使うときに知っておいてほしいこと - Qiita
はじめに 機械学習ブームなどにより、 Python を触り始める Rubyist が増えてきたと思います。その際に問題になりやすいのが環境構築です。Rubyだと rbenv がデファクトスタンダードになっているのに、なぜか Python には pyenv に否定的な意見が多いんですよね。 私は pyenv を使っていますし、便利だと思っています。また、 Ruby は殆ど使わないのですが、RubyとPythonのツールスタックの違いについても調べました。 (参考: gem, bundler と pip, venv の比較) その視点から、 Rubyユーザーが自分でpyenvの使い方を自分で決める上で知っておいた方が良いだろうなと思う Ruby と Python の環境の違いをまとめてみます。 tl;dr 丁寧に解説しても、「Python使うにはこんな長い記事を読まないといけないの」とすぐに否
Python の学習がてら、SDKs for Docker Engine API を触ってみた | DevelopersIO
はじめに Python の学習を始めるにあたり、手頃なお題を探していました。 Docker Engine API を利用すると、各種コードからコンテナが起動出来るということを docker docs - SDKs for Docker Engine API で知り 試しに動かしてみようと思いました。 なお、筆者は Python 初心者であるため 記述内容に不備などあれば、ご指摘頂けますと幸いです。 事前作業 Docker SDK for Python は、Python Package Index (PyPI) で パッケージとして提供されているため、pip でインストール出来ます。 以下のコマンドにて、予めインストールしておいてください。 なお、筆者の環境は macOS Sierra(10.12.4) です。 $ sudo pip install docker はじめてみよう 以下のドキュ
Python: データパイプライン構築用フレームワーク Luigi を使ってみる - CUBE SUGAR CONTAINER
最近になって、バッチ処理においてデータパイプラインを組むためのフレームワークとして Luigi というものがあることを知った。 これは、Spotify という音楽のストリーミングサービスを提供する会社が作ったものらしい。 似たような OSS としては他にも Apache Airflow がある。 こちらは民宿サービスを提供する Airbnb が作ったものだけど、最近 Apache に寄贈されてインキュベータープロジェクトとなった。 Luigi の特徴としては、バッチ処理に特化している点が挙げられる。 ただし、定期的にバッチ処理を実行するような機能はない。 そこは、代わりに cron や systemd timer を使ってやる必要がある。 また、本体もそうだけどデータパイプラインについても Python を使って書く必要がある。 今回は、そんな Luigi を一通り触ってみることにする。
プロ野球全球団の得点源な選手(または足を引っ張ってる選手)を野球統計学とPythonで出してみた - Lean Baseball
※2017/5/9 リンク切れを修正 ビール🍻とハンバーガー🍔をたしなみながらブログ書いてました.*1 野球,楽しんでいますかー!? アスレチックスが「定位置」に下がる中,日ハムが調子戻してきてようやっと野球を見る気になった私ですこんばんは.*2 今年度初の野球ネタです. PyCon mini Kumamoto 2017のエントリーで紹介させてもらった野球ネタの応用として, 2017年プロ野球,全球団の得点源と足を引っ張ってる選手を可視化 できる何かを作ったので,私の考察とともにお見せしたいと思います. 贔屓チームが強い(弱い)のはなぜ!? 野球統計学なにそれ美味しいの? Pythonでデータをいじりたいのだが！ を直感的に知りたい方はぜひ最後までお付き合いくださいませ. なお,指標値は私(shinyorke)独自算出のモノであり,他のコピーではないです&他のシンクタンクやMediaで
Microsoft の Deep Learning フレームワーク「CNTK」が Python 対応になって格段に使いやすくなってた話 - Qiita
CNTK ってご存知でしょうか？すでに何かしらの Deep Learning フレームワークを使ったことがある方にとっては、「MS が出してるってことくらいは知ってるけど・・・」という方が大半だと思います。 実際、周りに聞いてみると、まだバージョンが上がる前の DSL で書かれている記事などを見た人には習得コストが高いのでは？と思われていたり、そもそも CNTK に関する日本語のドキュメントが少なくいまいちどういう特徴があるのかわからないって人も結構多いようです。 そこで、本記事では、Python 対応になってより使いやすくなった CNTK について、その特徴や他のフレームワークとの差異などをキーワードを散りばめながら紹介してみようと思います。 "Open-source, Cross-platform Toolkit" オープンな開発環境 オープンソースで GitHub上で開発が進んでます
Python: scikit-learn で決定木 (Decision Tree) を試してみる - CUBE SUGAR CONTAINER
今回は機械学習アルゴリズムの一つである決定木を scikit-learn で試してみることにする。 決定木は、その名の通り木構造のモデルとなっていて、分類問題ないし回帰問題を解くのに使える。 また、決定木自体はランダムフォレストのような、より高度なアルゴリズムのベースとなっている。 使うときの API は scikit-learn が抽象化しているので、まずは軽く触ってみるところから始めよう。 決定木がどんな構造を持ったモデルなのかは最後にグラフで示す。 また、決定木自体は回帰問題にも使えるけど、今回は分類問題だけにフォーカスしている。 使った環境は次の通り。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.12.4 BuildVersion: 16E195 $ python --version Python 3.5.3 下準備 まずは
pyenv で Python のバージョンを切替えて使う - ablog
pyenv を使って複数のバージョンの Python をインストールして切替える方法をメモ。 pyenv とは 複数バージョンの Python をインストールしてコマンド一発で使うバージョンを切替えることができるツール。 pyenv lets you easily switch between multiple versions of Python. It's simple, unobtrusive, and follows the UNIX tradition of single-purpose tools that do one thing well. This project was forked from rbenv and ruby-build, and modified for Python. pyenv does... Let you change the global Py
pythonのdoctestとcoverageでコメントの説明の十分性を簡易確認 - 千里霧中
pythonでは、ドキュメントとして書かれたコメントと、実際の動作が一致するか確認する手段として、doctestを標準で提供しています。 題材として、大まかな動作の説明をdocstringに書いた、以下のhoge()という簡単なメソッドを扱います。 # coding:utf-8 # sample.py import re def hoge(line): ''' 指定した文字列から定数名の定義を抽出する # (1)プリプロセッサのマクロ定義名を抽出する >>> from sample import hoge >>> hoge('#define PREPRO_MACRO 33') 'PREPRO_MACRO' # (2)const変数の名前を抽出する >>> hoge('const int const_variable_name = 33;') 'const_variable_name' ''
Python: SQLAlchemy の生成する SQL をテストするパッケージを作ってみた - CUBE SUGAR CONTAINER
SQLAlchemy は Python でよく使われている O/R マッパーの一つ。 今回は、そんな SQLAlchemy が生成する SQL 文を確認するためのパッケージを作ってみたよ、という話。 具体的には、以下の sqlalchemy-profile というパッケージを作ってみた。 このエントリでは、なんでこんなものを作ったのかみたいな話をしてみる。 github.com 使った環境は次の通り。 ただし sqlalchemy-profile 自体はプラットフォームに依存せず Python 2.7, 3.3 ~ 3.6 に対応している。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.12.4 BuildVersion: 16E195 $ python --version Python 3.6.1 O/R マッパーについて O/R
Python: 相関行列を計算してヒートマップを描いてみる - CUBE SUGAR CONTAINER
以前、このブログで相関係数について解説した記事を書いたことがある。 相関係数というのは、データセットのある次元とある次元の関連性を示すものだった。 blog.amedama.jp この相関係数を、データセットの各次元ごとに計算したものを相関行列と呼ぶ。 データ分析の世界では、それぞれの次元の関連性を見るときに、この相関行列を計算することがある。 また、それを見やすくするためにヒートマップというグラフを用いて図示することが多い。 今回は Python を使って相関行列を計算すると共にヒートマップを描いてみることにした。 使った環境は次の通り。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.12.4 BuildVersion: 16E195 $ python --version Python 3.5.3 下準備 今回は、相関行列の計算には
Python3メモ 2017年・冬 - argius note
ここ半年くらいで参考になった情報のメモ。 環境 Python 3.6.1 Pythonは、一部を除いて現時点での最新バージョンを使用していますが、そんなに古くなければたぶんOKです。 また、動作はWindowsで確認していますが、明示した箇所以外には特にOSに依存するところはないと思います。 ログインした状態でWebページ取得 ログインしないと見られないページを、Beautiful Soupでパースしたいときなどに使いました。 この例は、Requests という追加モジュールが必要です。Anacondaフルパッケージには入っています。 今回は、バージョン2.13.0を使用しました。 Requests: HTTP for Humans — Requests 2.13.0 documentation Requests: 人間のためのHTTP — requests-docs-ja 1.0.4 d
pyenv + venvでPython3環境を構築する - $shibayu36->blog;
機械学習のモチベーションを上げるためにTensorFlowを触ろうとしている。まずは環境設定でしょうということで、ひとまずPython3環境を作る。今はpyenv + venvで作るのが良いみたいなので、それでやってみたメモ。 pyenvでpythonをインストールする pyenvが必要かどうかフローチャート - Qiita も参考にしたのだけど、まあ細かくPythonのversionを指定したくなる時もありそうだし、とりあえずpyenvを入れておく。 自分は anyenv を使っているので、それでpyenvをインストール。 $ anyenv install pyenv 次にpyenvでpython 3.6.1をインストール。 $ pyenv install 3.6.1 $ pyenv versions system * 3.6.1 (set by /Users/shibayu36/.an
Python: ソケットプログラミングのアーキテクチャパターン - CUBE SUGAR CONTAINER
今回はソケットプログラミングについて。 ソケットというのは Unix 系のシステムでネットワークを扱うとしたら、ほぼ必ずといっていいほど使われているもの。 ホスト間の通信やホスト内での IPC など、ネットワークを抽象化したインターフェースになっている。 そんな幅広く使われているソケットだけど、取り扱うときには色々なアーキテクチャパターンが考えられる。 また、比較的低レイヤーな部分なので、効率的に扱うためにはシステムコールなどの、割りと OS レベルに近い知識も必要になってくる。 ここらへんの話は、体系的に語られているドキュメントが少ないし、あっても鈍器のような本だったりする。 そこで、今回はそれらについてざっくりと見ていくことにした。 尚、今回はプログラミング言語として Python を使うけど、何もこれは特定の言語に限った話ではない。 どんな言語を使うにしても、あるいは表面上は抽象化さ
Python: KMeans 法を実装してみる - CUBE SUGAR CONTAINER
KMeans 法は、機械学習における教師なし学習のクラスタリングという問題を解くためのアルゴリズム。 教師なし学習というのは、事前に教師データというヒントが与えられないことを指している。 その上で、クラスタリングというのは未知のデータに対していくつかのまとまりを作る問題をいう。 今回取り扱う KMeans 法は、比較的単純なアルゴリズムにも関わらず広く使われているものらしい。 実際に書いてみても、基本的な実装であればたしかにとてもシンプルだった。 ただし、データの初期化をするところで一点考慮すべき内容があることにも気づいたので、それについても書く。 KMeans 法の具体的なアルゴリズムについてはサンプルコードと共に後述する。 今回使った環境は次の通り。 $ sw_vers ProductName: Mac OS X ProductVersion: 10.12.3 BuildVersion
Python ヒッチハイク・ガイド — The Hitchhiker's Guide to Python
Python ヒッチハイク・ガイド¶ Python ヒッチハイク・ガイド へようこそ。 これは皆さんの手により生きているガイドです。 貢献したい方は GitHub で fork してください！ この手作りガイドは、初心者と熟練者のPython開発者の両方に、Python のインストール、設定、および使用に関するベスト・プラクティスを日々提供するために存在します。 このガイドは、ほとんど 独断的なもの であり、Python の公式文書では ありません 。 ここでは、すべての Python Webフレームワーク の一覧は見つからないでしょうが、強く推奨されているリストが簡潔に見つかるでしょう。 さあ、始めましょう！ まずは、あなたの探しものがどこにあるかを確認しましょう。
Python: k 近傍法を実装してみる - CUBE SUGAR CONTAINER
k 近傍法 (k-Nearest Neighbor algorithm) というのは、機械学習において教師あり学習で分類問題を解くためのアルゴリズム。 教師あり学習における分類問題というのは、あらかじめ教師信号として特徴ベクトルと正解ラベルが与えられるものをいう。 その教師信号を元に、未知の特徴ベクトルが与えられたときに正解ラベルを予想しましょう、というもの。 k 近傍法は機械学習アルゴリズムの中でも特にシンプルな実装になっている。 じゃあ、シンプルな分だけ性能が悪いかというと、そんなことはない。 分類精度であれば、他のアルゴリズムに比べても引けを取らないと言われている。 ただし、計算量が多いという重大な欠点がある。 そのため、それを軽減するための改良アルゴリズムも数多く提案されている。 k 近傍法では、与えられた未知の特徴ベクトルを、近い場所にある教師信号の正解ラベルを使って分類する。
Python: Pykka でアクターモデルについて学ぶ - CUBE SUGAR CONTAINER
アクターモデルというのは、並行処理のプログラミングモデルの一つだ。 並行処理という言葉からは、まずマルチスレッドとかをイメージすると思うけど、それよりも抽象度の高い概念となっている。 つまり、アクターモデルというのはマルチスレッドなどを用いて構築することになる。 どちらかといえばプロセス間通信 (IPC) の技法であって、共有メモリやロック、RPC と比較するものかもしれない。 そんなアクターモデルは、概念とか使ったときの嬉しさを理解・実感するのがなかなか難しいモデルだとも思う。 理由としては、使い始めるまでに必要なコード量が多かったり、それなりの規模のアプリケーションで使わないとメリットが分かりづらい点が挙げられる。 ただ、これはあくまで主観的なものだけど、アクターモデルをベースに組まれたアプリケーションは規模が大きくなっても並行処理をしているコードが読みやすい。 共有メモリやロックを使
忘れがちな＆間違えがちなPythonデフォルト機能メモ - MyEnigma
エキスパートPythonプログラミング 改訂2版 (アスキードワンゴ)posted with カエレバMichaｌ Jaworski,Ｔａｒｅｋ Ｚｉａｄｅ,稲田 直哉,芝田 将,渋川 よしき,清水川 貴之,森本 哲也 ドワンゴ 2018-02-26 Amazonで探す楽天市場で探すYahooショッピングで探す 目次 目次 はじめに printの表示フォーマット __str__ メソッド クラス変数 パッケージの下のモジュールのインポート 集合型(Set)の使い方 ジェネレータ リスト内包表記でfilter 複数代入 その他便利機能 参考資料 MyEnigma Supporters はじめに いつも忘れて、ググったり、 長い間上手く使えていなかった Pythonのデフォルト機能をメモとしてまとめておきます。 これらの機能は主に下記の資料を元に勉強しました。 Python 3入門 (全31回
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
Python3&PIL(Pillow)でSlackのEmojiジェネレーター作ってみた - TaillookTech
Python Fire
