EF15形は高性能な電気機関車であったが、引き出し性能が蒸気機関車に劣ると誤解されていた。 誤った運転方法により本来の性能を引き出せていなかったのである。 （spaceaero2 [CC BY 3.0], ウィキメディア・コモンズより） こんにちは、エムスリー・エンジニアリングG・基盤開発チーム小本です。 WEBサイトは RailsやSpringなどの「本体部分」だけでは完結しません。レポート作成・データ更新などの細かい処理も必要です。 過去にはこうした用途にはBashがよく使われました。しかし、Bashは落とし穴が多かったり、クラスなどの抽象化機能がなかったりして、規模が大きくなると辛くなります。 そこで、Bashの代替候補に挙がるのがPythonです。エムスリーでもかつてはBashを使っていましたが、現在は新規案件にはPythonを推奨しています。 しかし、実際にPythonで書き直そ

こんにちは。 決定木の可視化といえば、正直scikit-learnとgraphvizを使うやつしかやったことがなかったのですが、先日以下の記事をみて衝撃を受けました。そこで今回は、以下の解説記事中で紹介されていたライブラリ「dtreeviz」についてまとめます。 explained.ai dtreevizの概要 dtreevizとは より良い決定木の可視化を目指して作られたライブラリです。 解説記事 : How to visualize decision trees Github : GitHub - parrt/dtreeviz: A python machine learning library for structured data. Sample Imagesdtreeviz/testing/samples at master · parrt/dtreeviz · GitHub 多

エキスパートPythonプログラミング改訂2版 作者:Michal Jaworski,Tarek Ziade発売日: 2018/02/26メディア: 単行本 はじめに — Webアプリケーションフレームワークの作り方 in Python の資料が最近になってホットエントリー入りし、思ったよりも多くの方に読んでいただけているようです。見返しているとWSGIサーバーを作りながらHTTPについて学べる章があってもいいかもとふと思いました。書くとすれば内容的には id:shimizukawa さんのPyCon JP 2018の発表をもう少し詳しく説明する資料になりそうな気がします。 PyCon JP 2018: Webアプリケーションの仕組み - 清水川のScrapbox とはいえ自分もWSGIサーバーを一度も書いたことがないので、気分転換にシンプルなWSGIサーバーを書いてみました。 4時間ぐら

Learn Languages 2018 というイベントで、最近のPythonについて発表してきました。 (一昨年まではLightweight LanguageでLLイベントだったのが、去年からLearn Languagesイベントになったらしい！) Python update in 2018 #ll2018jp from cocodrips www.slideshare.net せっかくなのでポイントだけでも書き起こして見ようと思います。 ここ1~2年で便利になった機能 1. The pathlib module (PEP 428) pathlibはファイルパスに関するモジュールで3.4で導入されました。 ただ、build-inのopenやos.pathモジュールがpathlib.Pathオブジェクトを受け入れられるようになったのがPython3.6(PEP519)となっています。 3.

スクレイピングをするときに調べたことを中心に使い方をまとめる。 Python3.6でリクエスト部分にurllib、パース部分にBeautifulSoup4を使って行った。 基本的なことはQuick Start — Beautiful Soup 4.4.0 documentationに書いてあるので、まず読め。 準備 Installing Beautiful Soup — Beautiful Soup 4.4.0 documentation pip install beautifulsoup4 呼び出し方 pipではbeautifulsoup4でインストールするが、importはbs4。 from bs4 import BeautifulSoup soup = BeautifulSoup(html, 'html.parser') パーサーの指定についてはこの記事を参照するといい。 Pytho

String constants¶ The constants defined in this module are: string.ascii_letters¶ The concatenation of the ascii_lowercase and ascii_uppercase constants described below. This value is not locale-dependent. string.ascii_lowercase¶ The lowercase letters 'abcdefghijklmnopqrstuvwxyz'. This value is not locale-dependent and will not change. string.ascii_uppercase¶ The uppercase letters 'ABCDEFGHIJKLMNO

The Python Profilers¶ Source code: Lib/profile.py and Lib/pstats.py Introduction to the profilers¶ cProfile and profile provide deterministic profiling of Python programs. A profile is a set of statistics that describes how often and for how long various parts of the program executed. These statistics can be formatted into reports via the pstats module. The Python standard library provides two dif

アルゴリズム・ゲームAI・インフラ・データマイニング・セキュリティのコンテストと、そのはじめかたを紹介していきます。Read less

自作PythonスクリプトをWindows実行バイナリに変換する場合、pyInstallerはとっても楽ちんなのであるが、問題もある。 実行ファイルがスタートされるまで、とても待たされることだ。 その遅さに耐えかねてpy2exeを試してみたところ、ビルドまでは面倒なものの、作成した実行ファイルはめっぽう速くて驚いた。 そういったわけで、py2exeでのWindows実行バイナリ作成方法について記す。 まず最初に、pyInstallerとpy2exeで果たしてどの程度差があるかを示す。 実行速度の違い UNIX系だと、time; ＜実行ファイル＞ とすると所要時間を計測してくれるが、Windowsだとどのようにするのであろうか。 よく分からない。 あんまり興味もないのでWindowsにもあるtimeコマンドで大まかに測ってみた。 前提 ・同じスクリプトを使用する ・バイナリは一つにまとめる

Bottleフレームワークを触ってみてます。 Pythonの軽量Webフレームワーク「Bottle」 上記で作成したサンプルに画像を表示しようとした時事件が・・・ よくある問題 staticというフォルダを作成し、image.jpgを保存。 それを表示しようと、こんなプログラムとテンプレートを作成しました。 index.py # -*- coding:utf-8 -*-from bottle import route, run, view, static_file@route('/static/<filepath:path>')def static(filepath):    return static_file(filepath, root="./static")@route('/<name>/<count:int>')@view("hello_template")def hello(n

序論｜配列生成における生成速度 n 個の x からなるベクトル，あるいは，連続する整数 x | 0, 1 .... , n に対して、f(x) の値から配列を生成したいというケースが多々発生する． このとき，内包表記，map関数，などどういう手法をとればよいのかを検討してみる． 1. n 個の定数から成る配列 方法 例えば，n個の 1 から成る配列を生成することを考える． 下記の４つの手法で配列を生成する計算時間を比較する．ただし，Numpy の出力結果は１行10000000列の行列である． # 内包表記 a = [1 for _ in xrange(10000000)] # append b = [] for _ in xrange(10000000): b.append(1) # map関数 c = map(lambda _: 1, xrange(10000000)) # Numpy

Pythonで，知っておくとちょっと便利になる組み込み関数や標準ライブラリを紹介してみようと思います！ そこそこメジャーなものからニッチなものまでいろいろありますが，知らないものはぜひチェックしてみて下さい． 組み込み関数 allとany all( )は引数の要素が全てTrueならばTrue，any( )は引数の要素のいずれか1つでもTrueならTrueを返す． In [1]: all(_ % 2 == 0 for _ in [1, 2, 3]) # 全て偶数 or not Out[1]: False In [2]: any(_ % 2 == 0 for _ in [1, 2, 3]) # いずれか1つでも偶数 or not Out[2]: True

皆さんこんにちは お元気ですか。私は元気です。 さて、今日はPythonで並列分散処理を行ってみましょう 今回使うライブラリはmultiprocessです。 まずは、引数を与えて出力をしてみましょう。 最も単純な例 #coding:utf-8 import multiprocessing import os def f(number): print number, os.getppid(),os.getpid() if __name__ == '__main__': jobs = [] for i in xrange(100): p = multiprocessing.Process(target=f, args=(i,)) jobs.append(p) p.start() for job in jobs: job.join() joinをすることにより待機することができます。 このプログ