Boost::python(3) pythonの辞書型（dict）、listで返す方法 - のんびりしているエンジニアの日記
皆さんこんにちわ お元気ですか？ さて、本日もBoostしようか。 本日はlistとdictについて さて、実はboost::pythonはvectorとかmapではなく、pythonの型に直して返すことができます。 こいつらです。 >>> a = [1,2,3,4] #list >>> b = {"foo","bar"} #dictionary さて、早速やってみましょう。 辞書型 C++ #include <vector> #include <map> #include <boost/python.hpp> using namespace std; template<class T1,class T2> boost::python::dict get_dict(map<T1,T2> &map_){ boost::python::dict py_dict; typename map<T1
C++でPythonを拡張するためのBoost.NumPyチュートリアル(実践編) - Qiita
C++ Advent Calender 10日目の記事です。 Boost 1.63でBoost.NumPyがBoost.Pythonにマージされます。 それに伴い以下の記述では不具合があるかもしれません。修正記事を書く予定です。 動機 Pythonまじ便利です。 シミュレーションとその結果の解析がメインとなるアカデミア(見習い)である私には、 対話的にデータの加工、解析、可視化がシームレスに実行できるIPython Notebookは必須です。 残念ならがC++だけで同等の機能を提供してくれる環境はありません(たぶん)。 CERNが作ってるROOTのclingはC++を対話的に実行できるそうですが情報が少なくて使ったことありません。 だれかC++で文芸的プログラミングできるIC++ Notebook作ってください（切実）。 しかしながらシミュレーション自体は数日から数週間実行するもので、
C++でpythonを拡張する(Boost.NumPy) - Qiita
何故C++のクラス・関数をPythonにバインドするか？ C++11は非常に便利になった。Boost使えばさらに便利だ。 しかし、pythonはもっと使いやすい。 NumPyをベースにしたプロジェクト群(SciPy, matplotlib, pandas, ...) は共通の基盤の上に非常に使い易く整備されている上に、そこそこ高速に動作する。 C++を使うべきか、Pythonにバインドして使うべきか、 また私の中で結論はでていないが、とりあえずバインドするための情報をまとめる。 どうやってバインドするか？ 問題は2つある。 単純にPythonにバインドする方法 NumPyにバインドする方法 Pythonを使う理由の一つにNumPyのベースのライブラリを使用する事があるので、 NumPyのndarray等に変換できる必要がある。 基本となるのはPython C APIとNumPy C API
[Python] UnicodeEncodeErrorが発生した場合は、sitecustomize.pyでデフォルトのエンコーディングを指定する。 - SumiTomohiko's blog
環境 この記事の内容は、Ubuntu 6.10, Python 2.4で確認しました。 現象 ユニコード文字列をstr関数に与えると、UnicodeEncodeErrorが発生します。 $ python Python 2.4.4c1 (#2, Oct 11 2006, 21:51:02) [GCC 4.1.2 20060928 (prerelease) (Ubuntu 4.1.1-13ubuntu5)] on linux2 Type "help", "copyright", "credits" or "license" for more information. >>> s = u'ほげ' >>> str(s) Traceback (most recent call last): File "", line 1, in ? UnicodeEncodeError: 'ascii' codec
![[Python] UnicodeEncodeErrorが発生した場合は、sitecustomize.pyでデフォルトのエンコーディングを指定する。 - SumiTomohiko's blog](https://cdn-ak-scissors.b.st-hatena.com/image/square/4d80442003c8a5cdbd9b1dddb6c97ea7b83417d4/height=288;version=1;width=512/https%3A%2F%2Fogimage.blog.st-hatena.com%2F11696248318756227478%2F11696248318756228151%2F1375072083)
Pythonで数値計算のコツ：for文書いたら負けかなと思っている – はむかず！
転職してから1年とちょっとが経ち、Pythonをメイン言語としてからも同じくらいが経った。最近やっとnumpy/scipyの使い方のコツがわかってきたと思うので、マサカリ飛んでくるのを覚悟でなんか書いてみようと思う。 転職して初めてPythonを使ったというわけではない（実際wafのwscriptとかは書いたことある）が、まあでもほぼ初心者同然だった。学習曲線でいうとPythonはすごく良い言語だと思う。Python本体の言語仕様については、わりとすぐに覚えることができた。だが一方、numpy/scipyについては、そう簡単ではなく習得するにはそれなりに時間がかかったと思う。 ケーススタディ たとえば\(N\times M\)行列\(B\), \( M\times L \)行列\( C \), \( M \)次元ベクトル\(a=(a_k)_{1\leq k \leq M}\)が与えられて
Pythonコミュニティに無償のPython IDE、PyCharm 3.0をお届けします！ | Post Blog
PyCharm 3.0をリリースしました！JetBrainsの提供するPython IDEの最新バージョンです。主な新機能は以下の通りです: SQLAlchemy サポート Pyramid & Web2Py web フレームワークサポート 内蔵ターミナル 設定可能な language injections Python、Djangoコード解析の改善 PyQt、PyGTKコード解析の改善 しかし何より一番大きなニュースは: PyCharmは二つのエディション、コミュニティとプロフェッショナルをリリースしました。 そう、つまりオープンソースかつ無償のPyCharmの登場です！ JetBrainsはPythonが長い間科学計算や教育、公共福祉目的で人気のある言語だと認識しています。これらはJetBrainsが伝統的に支持してきたユーザーカテゴリになります。PyCharmの主要機能をより多くの方に
Pythonを使って簡単にデータを視覚化する
世の中のことをもっと知るにはどうしたら良いだろうと思うときがある。世の中の多くの事柄はログやデータに落とされる。Googleなどの検索サイトは良い例だろう。さて、そのログやデータをどうすれば良いのか? 多くの場合、視覚化が有効な手段となる。 まずは身の回りの日常的なデータやログを何とかしたい。ただ、日常のデータを視覚化するのに数十行以上のコードは書きたくない。まるで息をするかのごとく自然に視覚化を行いたいのだ。そのためには1～2行、長くて数行で済ませることが必要だ。そこでPythonとmatplotlibを使う。加えて、IPythonがあればなお良い。IPythonの導入については以前のブログ記事であるIPythonの埋め込みプロットが素晴らしいを参考にして欲しい。 まずは事前にnumpyとmatplotlibをインポートしておく。できればscipyも。 >>> from numpy im
1
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
