Python と型ヒント (Type Hints) - forest book
先日、Python の静的型チェッカーとして mypy を紹介しました。 mypy で静的型付け Python プログラミング - forest book 私には難しくてまとめきれないため、Guido が参照している漸進的型付け (Gradual Typing) も含め、また別の機会に、、、。 とか言っているうちに1ヶ月ほど経ってしまいました。 そうこうしているうちに PEP のドラフトも出てきたので区切りとしてまとめておきます。一通り調べたことを基にして書いていますが、私の誤解や勘違いもあるでしょうから怪しいところがあったら調べ直してみてください。もちろんツッコミも大歓迎です。 型ヒント (Type Hints) を導入するという提案 PEP 483 - The Theory of Type Hints | Python.org PEP 484 - Type Hints | Python
Pythonで画像処理
当サイトは画像処理速報の管理人が運営しています。 管理人自身、プログラミング・画像処理について初心者なので、 記事の内容について突っ込みどころが多いと思います そのときはコメント欄で”優しく”指摘していただけると嬉しいです。 当サイトはリンクフリーです。（自由にリンクしてもらって結構です） ただし、掲載しているプログラムや情報による不具合については一切責任は待てません。 閲覧者の自己責任でご利用ください。 お問い合わせはこちらのメールフォームからお願いします。
Python高速化 Numba入門 その4 - tkm2261's blog
今回はNumbaのGPUコンピューティングについて読んでいきます。 最終回の予定でしたが、エントリが超長くなりそうなので今回はGPUの使用方法、次回に計算速度の検証をして終わりたいと思います。 Writing CUDA-Python — numba 0.15.1 documentation exprimental扱いなので、商用で使われる方はNumbaProの方をオススメします。 NumbaのGPUコンピューティングはこれまでのデコレータだけれ使えるNumbaの状況とは異なり、かなりCUDAに関する知識を要求されます。 もし、少ない労力でPythonコードを高速化したい方は、『その３』までの内容で十分と思われます。 CUDAについて とりあえず、Wikipediaから引用 CUDA（Compute Unified Device Architecture：クーダ）とは、NVIDIAが提供する
半教師あり学習のモデル仮定 - でかいチーズをベーグルする
Machine Learning Advent Calendar 2014の12日目。 最近半教師あり学習に興味があってちょっと勉強してみたのでそれについて書いてみる。自分が勉強した時に読んだ文献も下の方に書いたのでもし興味があれば。 半教師あり学習はラベル付きデータに加えてラベル無しデータも使って学習できるということですごく魅力的なんだけど、何も考えずに使うと教師あり学習より精度が落ちることがよくある。 ラベル無しデータはその名の通りどのクラスに属すかが分かっていないデータなので、何かしらの モデル に基いてそのデータがどのクラスに属するかを仮定してやらないといけない。つまりデータの分布（モデル）に仮定を置かないといけない。半教師あり学習をする上ではこれが 一番重要。 Introduction to Semi-Supervised Learningのp.15にもこう書いてある。 the
Python で機械学習しよう！（環境構築 on Mac編） - もろず blog
そろそろちゃんと機械学習を勉強しようと思い、ついでに Python をやり始めています そういえば、大学生のときに Python を勉強しようと思って本を買ったことがあったんですが、当時はあんまりやる気もなくちょっとしか手をつけていませんでした あの時ちゃんと勉強しとけばよかったなぁとか思ったり・・・ とりあえず、手持ちの Mac 上に数値計算や機械学習を実行できる環境を構築したのでその際の手順をまとめました ※以下の環境で動作することを確認しています OS X Mavericks (10.9) OS X Yosemite (10.10) この記事では 1. 概要 2. Python とライブラリのインストール 3. PyDev のインストールとセットアップ 4. Hello Python !!! 5. まとめ について説明します 1. 概要 今回は Python を使って数値計算、機械学
Python pandas データ選択処理をちょっと詳しく <中編> - StatsFragments
こちらの続き。 上の記事では bool でのデータ選択について 最後にしれっと書いて終わらせたのだが、一番よく使うところなので中編として補足。 まず __getitem__ や ix の記法では、次のような指定によって 行 / 列を選択することができた。 index, columns のラベルを直接指定しての選択 index, columns の番号(順序)を指定しての選択 index, columns に対応する bool のリストを指定しての選択 ここでは上記の選択方法をベースとして、ユースケースごとに Index や Series のプロパティ / メソッドを使ってできるだけシンプルにデータ選択を行う方法をまとめる。 補足 一部の内容はこちらの記事ともかぶる。下の記事のほうが簡単な内容なので、必要な方はまずこちらを参照。 簡単なデータ操作を Python pandas で行う - S
Pythonのロギングについてお勉強したメモ
>>> import logging >>> logging.log(100, 'test') Level 100:root:test # [ばっど] 書式文字列はその場で組み立てずに >>> logging.warn('test %s,%s' % (1, 2)) WARNING:root:test 1,2 # [ぐっど] 引数として渡す >>> logging.warn('test %s,%s', 1, 2) WARNING:root:test 1,2 # 文字列以外が渡されると文字列に変換される >>> logging.warn({'a': 1}) WARNING:root:{'a': 1} 書式文字列をその場で組み立てないほうがよい理由は、 後述するハンドラやフィルタによってそれぞれの引数を参照することができるからです。 また、出力関数は引数に文字列以外が渡されると文字列に変換されて
Cyrille Rossant - Big Data visualization with WebGL, part 1: Overview
In this post series, I'll talk about the big data visualization platform I'm currently developing with WebGL. I'll give in this first post the main motivations for this project. The next posts will contain the technical details. Part 1: Overview Part 2: Vispy Overview This project brings together several modern trends in data science and computing: Big Data Cloud computing Python The IPython/Jupyt
みんなのPython Webアプリ編をHTMLで読めるようにしました | TRIVIAL TECHNOLOGIES 4 @ats のイクメン日記
みんなのIoT/みんなのPythonの著者。二子玉近く160平米の庭付き一戸建てに嫁/息子/娘/わんこと暮らしてます。月間1000万PV/150万UUのWebサービス運営中。 免責事項 プライバシーポリシー 拙著「みんなのPython Webアプリ編」をWebでお読みいただけるようHTML化しました。スマホでも読めるよ:-)。 「みんなのPython Webアプリ編」は，Webアプリを開発するための方法を，Pythonを使い，基本的な事柄から積み重ね式に解説した書籍です。なお，HTML化にあわせて，本文を微妙に修正し，サンプルコードはPython 2.7で動くようにしてあります。 もともと，絶版になっていた書籍を，出版社にお願いして出版契約を解除してもらってPDFとして配布していたものを，つてがあってLindocで公開していました。Lindocがサービス止めるとのことで読めなくなってしまっ
IdiotsInside
Halo, para penggila slot sejati! Siapa sih yang nggak mau menang besar dengan gampang? Nah, biar nggak salah pilih dan nyesel di akhir, gue bakal share tips memilih link slot gacor di situs slot online terpercaya biar saldo kalian makin gemuk. Yuk, kita bedah satu per satu faktor pentingnya! 1. Apa Itu Link Gacor atau … Dalam era digital yang semakin maju, keamanan dan privasi saat bermain di situ
sourceforge.jp
We’re getting things ready Loading your experience… This won’t take long.
Python スクリプトのスタンドアロン化 - 音楽プログラミングの超入門（仮）
photo by Ryan Johnson 自分がググり倒した成果を書き連ねています。 この記事では、主にLinux環境を前提としているので注意してください。 WindowsやMacでも同じような感じでいけるかも知れないです。 スタンドアロン アプリケーションPythonはスクリプト言語であるため、インタプリタがインストールされている環境でしかプログラムを実行することができません。さらに、プログラムに外部パッケージ（Numpy、Scipyなど）を使用している場合は、それらのインストールも必要となります。 一方、C++やJavaなどのコンパイル言語では、ソースコードをバイナリコードへコンパイルするため、大体どのような環境でも動かすことが可能です。 しかし、Pythonをメインで使っているプログラマとしては、Pythonのコードもどのような環境でも動くスタンドアロンアプリケーションに変換したい
BigQueryをpythonから利用する。 - Qiita
bigqueryのOauth認証を生成して、p12の鍵を手に入れる。 Googleのデベロッパーコンソールの認証のところから、クライアント鍵を作る。p12という鍵ファイルができるのでそれを利用する。 pythonを利用してのアクセス。 こちらのstack over flowを参考にした。 同期(sync)と非同期(async)両方をメソッドを試した。試した環境は自分のニコニコ動画データセットの環境で試したのであまり一般性は無い。見たところ、日本語(utf-8)を用いても正常にマッチするようだ。 # !/usr/bin/python # -*- coding:utf-8 -*- import httplib2 import logging import time from apiclient.discovery import build from oauth2client.client im
メモ: numpyアクセス高速化 – Momentum
概要 ・Cythonを用いてnumpyのarrayへのアクセスを高速化する ・numpy使用時に陥りがちな罠(様々なサイトで書かれているが)をまとめておく 準備(setup.py) とりあえずsetup.pyを用いたコンパイル方法を使うにあたって、numpyのarrayを使う際に微妙に書き換える場所があるのでそれをメモ include_dirsの設定を行う必要がある
SI / Coursera - Programming for Everybody | Open Michigan
These materials are from a past semester of this course at the U-M School of Information. For details and a syllabus of the current course, please see https://www.coursera.org/learn/python. This course teaches basic Python programming skills through data analysis. There is no complex math in the course, the programs are generally quite short, and the workload is no more than a few hours per week.
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
10分でPandasを学ぶ - Qiita
Client Challenge
IPython Books - New Microsoft C++ compiler for Python 2.7 on Windows
Client Challenge
appgiga.jp
