Pythonのreportlabの使い方まとめ
空のPDFファイル作成 まずは空のPDFファイルをユーザのデスクトップに作成してみましょう。 下記のプログラムを実行すると空のPDFファイルがデスクトップに作成されます。 from reportlab.pdfgen import canvas from reportlab.lib.pagesizes import A4, portrait import os # ユーザのデスクトップのディレクトリを取得 file = "sample.pdf" file_path = os.path.expanduser("~") + "/Desktop/" + file # A4の新規PDFファイルを作成 page = canvas.Canvas(file_path, pagesize=portrait(A4)) # PDFファイルとして保存 page.save() フォントの読み込み 文字を書き込むため
サーバーアプリ開発環境(Python／FastAPI) | フューチャー技術ブログ
Pythonでお仕事する前提で、現在のところで自分が最適と考えるチーム開発のための環境整備についてまとめてみました。今までももろもろ散発的に記事に書いたりしていたのですが、Poetryで環境を作ってみたのと、過去のもろもろの情報がまとまったものが個人的にも欲しかったのでまとめました。前提としては次の通りです。 パッケージ管理や開発環境整備でPoetryを使う 今時はコードフォーマッター、静的チェックは当たり前ですよね？ コマンドでテスト実行、コードチェックとか実行とかができる（CI/CD等を考えて） VSCodeでもコマンドで実行しているのと同じコードチェックが可能(ここコンフリクトすると困る） デプロイはDockerイメージ コンテナのデプロイ環境でコンテナに割り当てられたCPU能力を比較的引き出せて、スケールさせたら線形にパフォーマンスアップできるようなasyncioを前提とした環境構
バクラクMLチームの技術スタックの変遷 - LayerX エンジニアブログ
機械学習エンジニアの吉田です。 夏ですね。7月はLayerXエンジニアブログを活発にしよう月間 です。 昨年バクラクOCRの機械学習モデルの検証から本番投入までの取り組みについて記事を書きました。 tech.layerx.co.jp その後、運用する中で新たな課題が生まれたり、負債を解消するために当初の開発環境を見直しアップデートしてきました。 今回は機械学習周辺の技術スタックに焦点を当ててその変遷について紹介したいと思います。 MLチームでは各サービスからのリクエストを処理するAPIやデータ基盤、社内のアノテーションツールなどの開発も行っており、これらは主にGo, TypeScriptで開発されていますが今回は対象外としています。 技術スタックの変遷 本番リリース時と現在の主な技術スタックの比較です。 リリース時 現在 言語 Python Python パッケージ管理 pip Poetr
Pythonで学ぶ入門計量経済学 — Pythonで学ぶ入門計量経済学
本サイトに関するコメント等はGitHubのDiscussionsもしくはharuyama@econ.kobe-u.ac.jpにご連絡ください。 姉妹サイト１：「Pythonで学ぶマクロ経済学 (中級＋レベル)」 🚀 姉妹サイト２：「経済学のためのPython入門」 🐍 はじめに# 「なぜプログラミング？」文系の経済学の学生が理系のプログラミングを学ぶとなると，まず頭に浮かぶ質問かも知れない。過去にも同じような質問を問うた経済学部の卒業生は多くいると思われる。例えば，Excelのようなスプレッドシートのソフトは1980年代からあり，当時の大学生も使い方を学ぶ際「なぜ？」と思ったことだろう。しかし今ではWord，Excel，PowerPointの使い方は，大学卒業生にとって当たり前のスキルになっている。同じように，AI（人工知能）やビッグデータが注目を集める社会では，ある程度のプログラミン
【Streamlitよりいいかも？】機械学習系のデモアプリ作成に最適！Gradio解説 - 学習する天然ニューラルネット
はじめに Streamlit vs Gradio Gradioの設計思想 Interface 入出力に応じたUI Interface String Shortcut 入力データのサンプルのセット ドキュメンテーション テーマの変更 タイムアウトへの対処 中級者への第一歩、デモを作る際に知っておきたい処理 Gradioが担当する前処理について プログレスバー もろもろの出力結果を保存するには？ 認証認可（というか認可） その他、解説しないが需要の有りそうなもの まとめ 追記 : 動画になりました。 はじめに 機械学習系のデモアプリを作成することがしばしばありStreamlitを使用していたが、パラメーターなどをいじるたびに処理が最初から走るなどといった挙動に悩まされていた。 同僚がGradioというのを使っていたのでサーベイがてらメモしていたらブログが出来上がってしまった。 本ブログでは、G
thinkpython.dvi
Think Python B 2 Think Python: How to Think Like a Computer Scientist 2nd Edition Allen B. Downey Copyright c �2018 ThinkPython: by is licensed under a Creative Commons 3.0 License 3 11 1 15 1.1 . . . . . . . . . . . . . . . . . . . . . . . . . . 15 1.2 Python . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 1.3 . . . . . . . . . . . . . . . . . . . . . . . . . . 17 1.4 . . . . . . . . . .
［NumPy超入門］Pythonでのデータ処理をNumPyから始めよう！
連載目次 本シリーズと本連載について Pythonは現在とてもよく使われるプログラミング言語の一つです。特に人工知能、機械学習、データ処理やデータ分析といった分野においてはPythonとそのライブラリはとてももてはやされています。ですが、Pythonの基礎を学んだだけで今述べたような分野に乗り出していくのは少し大変なことでもあります。 プログラミング言語だけを覚えても、その言語で何かを行うには十分ではないことはよくあります。特に複雑なことをやろうと思ったら。何かを行うためには、さまざまなライブラリやフレームワークの使い方も学ぶ必要があります。あるいは、自分でそうしたライブラリやフレームワークを構築する方法もありますが、そのためにはかなりの労力が必要となるでしょう。 何かを実現するためにその道具（ライブラリやフレームワーク）から作り始めるのは理想的です。が、例えば数値計算やデータの処理、可視
netmikoを使ってネットワークデバイスを制御する
netmikoを使ってネットワークデバイスを制御する netmikoとparamikoの違い netmikoとparamikoは、どちらもPythonでネットワークデバイスを操作するためのモジュールですが、netmikoの方がよりネットワークデバイスに対する操作を簡単に行えるようになっています。 netmikoとparamikoの違いは次の通りです。 netmikoの特徴 ネットワークデバイスに対する操作を簡単に行えるようになっている 複数のデバイスを同時に操作できる 自動化のために使用することができる デバイスによって異なるコマンドを使用する場合、自動的に判別してコマンドを使用する paramikoの特徴 SSH プロトコルを使ってデバイスに接続することができる SCP プロトコルを使ってデバイスからファイルを転送することができる SFTP プロトコルを使ってデバイスのファイルを操作する
[Python] Amazon S3のオブジェクトキーとして安全な文字列に変換する | DevelopersIO
こんにちは。サービス部の武田です。 ファイルをS3バケットに保存しようとした際に、それがオブジェクトキーとして問題ない名前になっているか気になったことはないでしょうか。 AWSのドキュメントでは、オブジェクトキーの命名に関するガイドラインがあります。 オブジェクトキー名の作成 - Amazon Simple Storage Service 変換せずに安全に使用できる文字は0-9a-zA-Zに加え、!-_.*'()の8文字です。 またそのままでは使用できない可能性のある文字としては、制御文字を除くと&$@=;/:+ ,?の11文字です（空白を含む）。 これらの文字が含まれる場合は、問題が起きないようにURLエンコード（パーセントエンコード）をするのが望ましいです。 PythonでURLエンコード PythonでURLエンコードするにはurllib.parse.quote関数を使用します。試し
![[Python] Amazon S3のオブジェクトキーとして安全な文字列に変換する | DevelopersIO](https://cdn-ak-scissors.b.st-hatena.com/image/square/47371cd63121a4cc67ed74841e706530c7e548f8/height=288;version=1;width=512/https%3A%2F%2Fdevio2023-media.developers.io%2Fwp-content%2Fuploads%2F2019%2F04%2Fpython.png)
久しぶりのPython環境をRyeで整える
はじめに よくAWSの仕事をするので、開発環境をAWS Cloud9(以下Cloud9)で用意することがある。 IAM Roleが使えるのでAWS内の開発は便利なのだが、そのままPythonで開発しようとすると、2023/05/27時点でこう表示されるので、ちゃんと開発環境作らなくちゃね。という気持ちになる。 久々にLangChainやLlamaIndexやらで盛り上がってるし、Python環境でも作るか！ と思い立った筆者。じゃあ何を準備すればいいんだっけ、と軽く調べただけでもpip, venv, pyenv, pipenv, poetryなどの選択肢がありすぎて、もうこの時点でげんなりする。Pythonのパッケージマネージャの周辺事情はずっと混沌としていたんだった…… ただ最近は比較的よさげなプロジェクトのRyeがあるので、今回はこれで環境を整えてみる。 Ryeとは 上で書いたような「
Excel書き込み (OpenPyXL)
ここではExcel操作ライブラリであるOpenPyXLを用いたExcelファイルの書き込みに関連する機能について触れています。 ブックの保存とシートの追加 まずはブックを作成・保存をしてみましょう。ブック内に最低１つはシートが必要となりますが、ブックを作成した際Sheetというシート名で自動的に作成されます。次の例ではNewSheet_1というシート名で新たに作成しているため、SheetとNewSheet_1という2つのシートを持つブックが保存されます。 import openpyxl book = openpyxl.Workbook() book.create_sheet('NewSheet_1') book.save('sample.xlsx') openpyxlモジュールをインポート後、Workbookクラスを生成します。WorkbookへNewSheet_1という名前のシートを追加
LLMを理解する一歩として「ゼロから作るDeep Learning」をやった - $shibayu36->blog;
LLM、GPT界隈を追いかけていて、GPTの仕組みと限界についての考察（2.1） - conceptualizationという記事を見かけた。これを見たとき、「どういうことか全然理解できない」という気持ちになった。また、その他LLMの解説記事を理解できないことが多く、自分の機械学習知識不足が明確になった。 理解できなかったことは悔しいし、LLMやChatGPTをうまく使いこなすには最低限どのような原理で動いているか理解したいと感じた。そこで一歩目として「ゼロから作るDeep Learning」を完走した。 ゼロから作るDeep Learning ―Pythonで学ぶディープラーニングの理論と実装 作者:斎藤 康毅オライリージャパンAmazon 知識なしからはじめたので時間はかかったが、次のように進めていった。 自分もコードを写経しながら読む レポジトリは https://github.co
入力例で学ぶPython (SymPy) の使い方（入門） - pianofisica
本記事ではプログラミング言語『Python』の数式処理ライブラリ『SymPy』の使い方を紹介します。 数式変形をすることそれ自体も楽しいものですが、単純作業という一面があることも否めません。効率よく勉強するには面倒な計算はコンピュータに任せてしまうのも一つの方法でしょう。 数式を処理するソフトウェアとしてよく知られているのはMathematicaでしょうか？利用者も多いので、わからないことがあったときなどは、その充実したヘルプ機能に加えて、ネット検索によっても解決策が得られやすいという長所があります。しかしいかんせん有料（結構高い）なので個人利用で導入するのは気乗りしません。 ここではMathematicaの代替として、Pythonで使える数式処理ライブラリ『SymPy』の使い方を紹介します。といっても、いち利用者として具体例を扱いながら、習うより慣れろで使い方を学んだだけなので、ちょっと
ゼロから学ぶ Python
ホーム ホーム 1. Python を始める 2. 基本仕様 3. クラス 4. モジュールとパッケージ 5. ファイル操作 6. 例外 7. ジェネレータ 8. テスト 9. 便利ツール このサイトは Python を学ぶ人向けのオンライン学習サイトです。 対象¶ Python を初めて学ぶ人 プログラム言語を 1 つ以上経験したことのある人 関数やクラス・オブジェクト指向に対する知識をある程度前提にします。 Python の特徴¶ 学習コストが低い 標準ライブラリが非常に豊富 インデントをすることが言語仕様になっている Python のバージョンについて¶ 2.x.x: 2020 年 1 月 1 日でサポート終了 3.x.x: 現行バージョン 2.x.x 系は新規開発では使用すべきではありません。このサイトでは 3.x.x をベースに説明を行います。
情報基礎 「Pythonプログラミング」（ステップ８・動的計画法）
重量の合計が2500グラム以内(2500グラムを含む)のとき、袋の中の荷物の価格の合計は、最大いくらにすることができるだろうか。 この問題をコンピュータに解かせるために、以下のステップで、アプローチしてみよう： 荷物のデータ表現 アルゴリズムの検討に入る前に、以下では、重量と価値の表を、Pythonのクラスとそのリストを使って、 class Item: def __init__(self,w=0,p=0): self.weight=w self.price=p items = [ Item(300,400), Item(500,250), Item(200,980), Item(600,340), Item(900,670), Item(1360,780), Item(800,570), Item(250,800) ] と表現することにしよう。 こうして変数を定義しておけば、i番目の品の価
Pythonのitertoolsでできる全列挙のまとめ - minus9d's diary
Pythonのitertoolsモジュールには、イテレーションに関する便利関数が多数用意されています。この記事では、その中でも競技プログラミングで全列挙に使える関数についてまとめます。Python 2.x, 3.xのどちらでも使えます。 Google Code JamのSmallでは全列挙するだけで解ける問題が出ることが多いです。一通りどんな関数があるか知っておきましょう。 import文 スクリプトの冒頭に import itertoolsと書いてあるものとします。 1, 2, 3と書かれた玉が入った袋から、2つの玉を取り出す (3P2の順列) nums = [1, 2, 3] for balls in itertools.permutations(nums, 2): print(balls) 結果は以下です。 (1, 2) (1, 3) (2, 1) (2, 3) (3, 1) (3,
Pythonで学ぶアルゴリズム（14/18） - 「大人の教養・知識・気付き」を伸ばすブログ
アルゴリズムを学ぶのにPythonの学習も兼ねて Ｐｙｔｈｏｎで学ぶアルゴリズムとデータ構造 (データサイエンス入門シリーズ) 作者:辻真吾講談社Amazon を参照していく。 前回 power-of-awareness.com 前回 7. 問題を解くための技術 7.2 動的計画法 7.2.1 ナップサック問題への適用 7.2.2 動的計画法の実装例 7.2.3 計算時間 7. 問題を解くための技術 ナップサック問題を3通りの方法で解いてみる。 7.2 動的計画法 ナップサック問題を効率的に解く手段の1つとして動的計画法を用いた方法を紹介する。 7.2.1 ナップサック問題への適用 グラフの最短距離の場合と同様に、ナップサック問題でも問題の一部分のみを見て最適化することを考える。例として、 品物 重さ 値段 品物0 品物1 品物2 という3つの品物を容量のナップサックに詰める問題を検討する
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
HugeDomains.com
うとしんさんの記事一覧
因果推論100本ノック(1)因果効果とランダム割付
