Python早見帳は、プログラムと実行例をカタログ的に提示しながら、Pythonの言語仕様やライブラリを紹介しています。Pythonの基礎を素早く習得したり、ライブラリやオブジェクトの使い方を確認することができます。
![はじめに — Python早見帳](https://cdn-ak-scissors.b.st-hatena.com/image/square/8e7b5296cae828cf74b3919f0b5e3e4a28701be0/height=288;version=1;width=512/https%3A%2F%2Fchokkan.github.io%2Fpython%2F_static%2Fpython-note.png)
Ubuntu には最初からPythonがインストールされており、そのまま利用可能です。 しかし、このPython は、 OS がさまざまな機能を提供するために使用しています。ユーザが勝手にパッケージを導入したりすると、 OS の安定性を損なうことも考えられますので、別途、あたらしいPythonをインストールするのが一般的です。 ここではPythonのソースコードをダウンロードし、インストールする手順を紹介します。 ビルドツール・ライブラリのインストール¶ 次のコマンドで、必要なツール類をダウンロードします。 $ sudo apt update $ sudo apt install build-essential libbz2-dev libdb-dev \ libreadline-dev libffi-dev libgdbm-dev liblzma-dev \ libncursesw5-d
プログラミング言語オブ・ザ・イヤーを受賞し、学びたい言語1位に選ばれ、求人数も急増するなど、注目を浴び続ける「Python」。その推進団体である一般社団法人Pythonエンジニア育成推進協会の吉政 忠志氏、寺田 学氏が、初学者が学ぶべき“お作法=Pythonic”と学習・チェック方法を解説し、新試験「PythonZen & PEP 8 検定」および新構想「Pythonオープンドキュメントプロジェクト」について解説した。 左から、一般社団法人Pythonエンジニア育成推進協会 代表理事 吉政忠志氏、顧問理事 寺田学氏 人工知能や機械学習などに幅広く活用され、勢いづくPython市場 健全なPython人材育成の支援を目的に設立された「一般社団法人Pythonエンジニア育成推進協会」。Pythonエンジニア認定試験の運営をはじめ、プログラミングフィロソフィー「Pythonic」の普
今回は、株式会社DIVE INTO CODEが提供する「基礎文法コース」の「Python基礎文法」を受けてみました。本講座では、Pythonの基本的な文法を学び、かんたんなコードを記述できるようになります。前提知識は一般的なパソコン操作のスキルがあれば大丈夫です。無償提供の期間制限はなし。テキストと動画による説明を見て学んでいきます。 カリキュラムは以下のとおりです。 Python入門0 Google Colaboratoryの使い方Python入門1 簡単な計算Python入門2 数値型の変数Python入門3 テキストデータPython入門4 リストとタプルPython入門5 条件分岐Python入門6 繰り返しPython入門7 関数化入門0では、Google Colaboratoryの使い方を学びます。動画を見ながら同じように手を動かしていくとわかりやすかったです。Google C
📌 はじめに Pythonで開発を行うにあたり、リンタやフォーマッタ、パッケージマネージャ等のツールの選定は非常に重要な問題です。一方で歴史的な経緯もあり、沢山の選択肢から何を選ぶべきか情報がまとまっていないように感じました。この記事では2021年9月時点でモダンと言えるであろう開発環境を紹介します。基本的にはシェアが高いこと、著名なパッケージで使用されていることを主な選定理由としており、また特定のエディタに依存しないことを前提とします。 本記事で紹介する内容は一つのテンプレートに近く、必要に応じてカスタマイズするもよし、そのまま使ってもよし、として参考になればと思います。(CI/CDについてはPythonとは独立した問題なので触れません。またドキュメント生成はSphinxを推しますが、必須ではないので今回は割愛します。) 📄 要約 "モダン"な開発環境を箇条で列挙すると下記の通りです
Pythonでコードを書くときのGood/Badプラクティス こちらの記事は、DuomlyによりDev.to上で公開された『 Good and Bad Practices of Coding in Python 』の邦訳版です(原著者から許可を得た上での公開です) 元記事:Good and Bad Practices of Coding in Python ※ 記事の内容に注意すべき点と誤りがあるので、詳しくは注釈まで目を通すことをおすすめします。 (以下、翻訳した本文) この記事は元々 https://www.blog.duomly.com/good-and-bad-practices-of-coding-in-python/ に公開されたものです。 Pythonは可読性を重視した高水準のマルチパラダイムプログラミング言語です。Pythonは、「Pythonの禅」、別名ではPEP 20と
【JS/ Python両方OK!】「データ可視化」が歴史から実装まで体系的に学べるStanford講座の独習ノートJavaScriptd3.jsデータ分析データサイエンスcolaboratory CS 448B Visualization (2020 Winter)は、Maneesh Agrawala氏による、Stanford大で行われた、データの可視化に関する体系的な講義です。 スタンフォード大の"CS 448B Visualization (2020 Winter)" がすごい。 データ可視化の体系的講義。どう図表に変換するかの理論、探索的データ分析、ネットワーク分析等の実践と盛り沢山。 スライドに加え、Observable(JavaScript), Colab(Python)どちらでも例を試せる。https://t.co/lGyPElrihg pic.twitter.com/mWZn
Pythonの勉強をしています 今年の2月29日「PyCon Mini Shizuoka」というイベントでキーノートスピーカーとして登壇予定です(詳細は以下参照下さい)。 キーノートスピーカーを引き受けたものの。よく考えると、私はPythonがあんまり分かっていません。「これは、幾ら何でもまずいのでは?」というお気持ちになりました。そこで、今年の年末年始を中心にPythonの本をいくつか読んで、PyConの議論についていけるように、少しでもPythonへの理解を深めておくことにしました。 学んだことは、折角なので以下のQiita記事にまとめていきます(随時追加中)。 この記事では、学習に使用した本と、簡単な感想を書いてみます。興味ある方は参考にしてみて下さい。 私のブログから買うのが嫌だ!という人は、タイトルをコピーしてAmazonで検索してもらえば大丈夫ですし、もちろん買わなくても大丈夫
はじめに pythonに用意されている「組み込み関数」について、簡単な説明と使い方を記載します。 リファレンスとしてお使いいただければ幸いです。 本記事において組み込み関数とは公式ドキュメントに記載されている69個の関数と型を指します。 なお、各タイトルに番号が付いていますが、公式のものではありません。 検証環境 macOS Mojave 10.14.6 python 3.7.2 >>> import sys >>> sys.version '3.7.2 (default, Jan 13 2019, 12:50:01) \n[Clang 10.0.0 (clang-1000.11.45.5)]'
目次 概要 動作環境 紹介するPythonライブラリ flake8 pyformat isort mypy bpython ipdb 最後に 概要 仕事でよくつかうパッケージからプライベートで開発するときに、必ずインストールしているパッケージをまとめて紹介してみた。 データサイエンス系の人はJupyterを使うと思うのでWeb開発向きだと思います。 DjangoなどWebフレームワークを使うときは便利な専用のパッケージもありますが本記事には記載してないです。 パッケージ管理はPipenvやpoetryなど有名なものがあるがこの記事では書いてないです。 動作環境 筆者の動作環境。 環境に依存したパッケージはないはずだが念の為。 MacOS Python 3.8.0 anyenv 1.1.1 pyenv 1.2.15-1-g49bf5952 紹介するPythonパッケージ flake8 プロジ
こんにちは、@yoheiMuneです。 今日はPythonでのCSVやTSVの扱い方をブログに書きたいと思います。 目次 csvモジュールを利用する PythonではCSVファイルやTSVファイルを扱うために、csvという標準モジュールが用意されています。名前からはcsv専用に見えますが、後述のdelimiterを指定することで、様々なフォーマットに対応できます。 簡単なCSVであれば、自前でファイルを開いて、カンマでスプリットすることで処理できますが、ダブルクォートで文字列を囲ったり、エスケープ処理したりが必要な場合には、このモジュールを使うと便利です。 以下のようにインポートして使います。 import csv それでは具体的な使い方を見てみたいと思います。 CSVへ書き出し CSVを作成するにはcsv.writerを用います。具体的には以下のような実装を行います。 # CSVの書き込
前置き すごく手間のいる作業が存在していた。ざっくり スプレッドシートを複製 運用管理ツールからjsonを複数DL シミュレータ実行 シミュレータ実行結果をスプレッドシートに貼り付け 目視で結果確認(NGならリトライ) スプレッドシートからExcelファイルexport メール&Slackで報告 実質的な作業時間としては10~20min(リトライあるともっと)かかるが、色んなツールが必要だからとにかく面倒。 図にするとこんな感じ 環境 masOS Mojave ver10.14.6 Python 3.7.3 pip 19.2.2 激効率化(自動化)した結果 パラメータ指定なしのコマンド一つで、欲しかったExcelファイルが作成されるようにした 自動化のポイント 1. 運用観点 無駄は無くしていこうな方針で2点対応。 1-1. スプレッドシートの廃止 シミュレート結果の確認+Excelファイ
はじめに Python入門系の記事では概して、Pythonのロギング機能の紹介で最初にlogging.debug()といったloggingモジュール付属の関数を呼ぶ方法を案内しています。 Python本家が提供するloggingの「基本チュートリアル」でもこの点で大差ありません。Python本家の基本チュートリアルでは、print()関数を使用する方法もロギングの手段として有効であるとし、タスクに応じてprint()やlogging.debug()を使いわけよう、という流れで記述されています。 コマンドラインスクリプトやプログラムで普通に使う、コンソール出力の表示 : print() そのような「基本」の説明の後「上級」チュートリアルになってようやく、Python言語付属のロギングメカニズムの説明が始まります。「上級」では4+1種類のデータ構造が紹介され、ここで「基本」で多用されていたlo
Dockerについて Dockerの仕組みそのものについては深くは触れません。私自身があまりよく理解してないですからね! 簡単に私にとってのDockerとは、使い捨ての仮想PCが簡単に手に入るツールみたいな物です。 例えば「まっさらなUbuntuPCをください」と言えばまっさらなUbuntuPCが手に入る、例えば「〇〇がセットアップ済みのPCをください」と言えば〇〇がすぐに使える状態で手に入る、といった具合です。 今回の場合でいうと、「Python3+Flaskが入ってるPCをください」という訳ですね。 このとき、Docker公式のPC置き場(Docker Hub)を探しに行き、ちょうど良いPCを探してももちろん良いのですが、せっかくなのでまっさらなUbuntuを貰って、自分でカスタマイズ(Python3+Flaskをインストール)して使うことにしましょう。 ちなみに、ここで言う「〇〇なP
仕様 ターミナルからcurlコマンドでjsonデータを送ると, 文字列が成型されて, 同じくjson形式でデータが返ってくる. 環境 Mac OS X 10.12 Docker for Mac 17.03 多分Linuxでも同様にできます. 1. Flask起動スクリプトの用意 Pythonの軽量WebフレームワークであるFlaskをつかって作成します. @app.route()で指定されたディレクトリにアクセスすると, defで定義したメソッドが起動し, returnで結果を返す, という流れです. from flask import Flask, jsonify, request import json app = Flask(__name__) @app.route("/", methods=['GET']) def hello(): return "Hello World!" @a
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