予定と実績¶ Flaskを使う準備 20分 -> 60分 Flaskチュートリアル 40分 -> 60分 休憩 15分 Flaskを使いこなす1 40分 -> 60分 アプリを公開する 20分 -> 20分 休憩 15分 Flaskを使いこなす2 30分 -> 30分 プラグイン、情報源紹介、Q/A、予備 -> 10分
予定と実績¶ Flaskを使う準備 20分 -> 60分 Flaskチュートリアル 40分 -> 60分 休憩 15分 Flaskを使いこなす1 40分 -> 60分 アプリを公開する 20分 -> 20分 休憩 15分 Flaskを使いこなす2 30分 -> 30分 プラグイン、情報源紹介、Q/A、予備 -> 10分
Flaskのチュートリアルをやるに当たって参考にしたサイトはこちら. Tutorial — Flask 0.10.1 documentation チュートリアル — Flask v0.5.1 documentation 本家と日本語訳サイトがあるが,日本語訳サイトは本家に比べて古いので若干異なる部分があるうえ,日本語訳されていない部分が多い. ということで,英語に抵抗がないならもちろん本家で,苦手なら日本語訳サイトを見つつ本家と比べながら進めるのが良いかと. とりあえず,日本語訳サイトだけを鵜呑みにするのは良くないかもしれない. 完成版. チュートリアルをそのままじゃなくて,ちょっと変えてるので,一応GitHubにあげとこう. > o-tomox/flaskr · GitHub 内容 このチュートリアルではflaskrというブログアプリケーションを作成する. すごく簡単にできる. 機能とし
Pythonを始めたばかりのユーザーの多くが、どちらのバージョンを使えばいいのか迷っています。私の答えは、「気に入ったチュートリアルに書かれているバージョンにしましょう。そして、あとで違いを調べてください」という言葉につきます。 それでは、新しいプロジェクトを始めるときにはどちらを選べばいいのでしょうか? 使おうとしているライブラリを全てサポートしているなら、2.7.x系と3.x系のどちらを使ってもよいでしょう。そうはいっても、この2つのメジャーバージョンについて大きな違いを見ておくのは良いでしょう。どちらかのみでコードを書いたり、プロジェクトに使おうとしている時によくある落とし穴を避けられるからです。 __future__ モジュール Python 3.x で導入されていて Python 2 で使えないキーワードについては、 __furute__ モジュールをインポートすることで Pyt
書き込みたい値(outputdata)は [ ['0.0000704', '-6.875000E-5'], ['0.000070402', '-9.140625E-5'], ... ['time', 'value'] ] という形式になっています。 これをcsvモジュールでライターを作成し、サンプルと同じ形式でwriterowsメソッドを使用して書き込みました。 予測では 0.0000704 -6.875000E-5 0.000070402 -9.140625E-5 ... ... time value となるはず... ところが!!! 0.0000704 -6.875000E-5 空行 空行 0.000070402 -9.140625E-5 空行 空行 ... ... time value と空行が間に挟まれて出力されてくる... 僕が書いたコードはこう ちなみにPython3.3で実行
特長 Pythonユーザが待ちに待ったPythonによるMCMC本ではないでしょうか。原著タイトルが『Bayesian Methods for Hackers』だけあって、プログラマ・エンジニア向きだと思います。数式はびっくりするほど出てこない代わりに、Pythonコードは非常にたくさんでてきます。そしてPyMCの使い方が基礎から説明してあって丁寧です。自分でコーディングする際は原著のGitHubリポジトリを活用しましょう(なんとStarが10000個を超えてる!)。 Pythonで体験するベイズ推論 PyMCによるMCMC入門 作者: キャメロン・デビッドソン=ピロン,玉木徹出版社/メーカー: 森北出版発売日: 2017/04/06メディア: 単行本(ソフトカバー)この商品を含むブログを見る 購入を迷っている人の一番の心配は、本書のPyMCのバージョンが1つ前のPyMC2であることだと思
** Sorry, this note is Japanese only, but please take a look at some code snippets. Hope it helps you a bit! 唐突ですが、このブログの読者のみなさんってどんな環境でコード書いたり データ分析 したりしてるんでしょうか? たぶん、RStudio が一番メジャーかな?で、Jupyter / IPython notebook がそれに続き、以下、Anaconda とも縁の深い Spyder とかなんでしょうか。最近だと PyCharm とか使ってる人もいるのかも。 そんな環境に悩める子羊ならぬ データサイエンティスト のみなさん、(これまで R 使ってる人なら特に)朗報です。 Python のデータサイエンティスト向け開発環境に新しい選択肢「Rodeo」が加わりました。 英語版しかないせい
Django とか使う場合は、logging の設定をかけばよかったが、単体Pythonのプログラムで、ちょっと込み入ったことをやるときに、任意の場所にログを出力したい。 チュートリアルをざっと読んでも要領を得なかったが、 ログ出力のための print と import logging はやめてほしい がわかりやすかった。 今後のためにメモ。 #ロギング設定 logger = getLogger(__name__) if not logger.handlers: fileHandler = FileHandler(r'/logs/app.log') fileHandler.setLevel(DEBUG) streamHander = StreamHandler() streamHander.setLevel(DEBUG) logger.setLevel(DEBUG) logger.addH
pythonでスクレイピングをしようとしています。 元ネタ http://qiita.com/shizuma/items/9dbcfd9ebe6b988572f6 どうしても cp932 codec can't encode character '\u014d'in position6: ilegal multibyte sequence というエラーが帰ってきてしまいます。 別の記事も参考にして修正しようとしましたが、 http://qiita.com/narupo/items/663dafee9c2d20311083 i/o operation on closed file という別のエラーが出てきてしまいます。 以下コードです。 import requests from bs4 import BeautifulSoup import csv import time base_url
12月、私は PuPPy(the Puget Sound Python users group)の会合でQ&A セッション を行いました。そこでようやくPython 3が誕生した理由と、string/bytesに関する全てを説明しました。Python 3が作られた理由をユーザはもう知っているはずだと思っていたので、私はこの説明で称賛を得たことに、ちょっと驚きました。後で考えてみると、Pythonに詳しい人もそうでない人も含めて大多数の人が、その理由を探すように言われたり、好奇心からその理由を探し当てられるなどと考えた私が愚かでした。ですから、このブログの記事で、Python 3が存在する理由をわかりやすく説明します。後方互換性の全くない unicode / str / bytes の仕様変更は、Python 3のコードの移植の中でも本当に難解な部分ですので、私たちがその仕様変更を選択した理
リファクタリングとは リファクタリングとは、プログラムの振る舞いを変えることなくソースコードを変更すること。 ソフトウェア開発では、ソースコードの作成が進むにつれて、中途での設計変更やバグフィックスなどでプログラムは冗長で汚いものとなっていくことが多い。これらの問題点を解決し、将来の仕様変更に柔軟に対応できるようソースコードの手直しを行うことを「リファクタリング」という。 リファクタリングとは|refactoring - 意味/定義 : IT用語辞典 http://e-words.jp/w/%E3%83%AA%E3%83%95%E3%82%A1%E3%82%AF%E3%82%BF%E3%83%AA%E3%83%B3%E3%82%B0.html こちらを参照しました。素晴らしいスライドなので一読することをお勧めします。 リファクタリングツールあれこれ 〜 May the force be w
2017-12更新:Anaconda と VS Code での環境構築を新たにまとめました。以下の方が新しいです。 beachside.hatenablog.com Visual Studio Code(VS Code)でPythonをデバッグ実行する環境構築する際のメモです。 NumPy, SciPy, Matplotlibを使って機械学習用に環境作ろうとしています。 > Overview 作業の全体像は以下です。 1. 必要なものをダウンロード&インストール 2. VS Codeの環境設定 3. コーディング&デバッグ ここら辺を参考にしています。 code.visualstudio.com > Environment Windows10 Visual Studio Code (1.4.0) Python(3.5.1) Enthought Canopy(Express 1.7.4.33
Version 1.84 is now available! Read about the new features and fixes from October. Working with Python in Visual Studio Code, using the Microsoft Python extension, is simple, fun, and productive. The extension makes VS Code an excellent Python editor, and works on any operating system with a variety of Python interpreters. It leverages all of VS Code's power to provide auto complete and IntelliSen
おすすめの環境 Anaconda + Visual Studio Code で開発するのがおすすめ 自分の環境は OS:Windows10 Python:Python 3.5.1 :: Anaconda 4.0.0 (64bit) エディタ:Visual Studio Code version 1.3.0 Anaconda Python+主要なPythonライブラリのセットを簡単にインストールできるようにしたもの 初心者がPythonを個別に入れるのはおすすめしない、絶対にAnacondaを使うべき Visual Studio Code ver1.3.0からは自信をもってほかの人にお勧めできるものになったコードエディタ windows以外のOSでも全く同様に動くというのも素晴らしい Anacondaのインストール 1,Anacondaのダウンロード ここからwindows版をダウンロード(
PostgreSQL Advent Calendar 2013 12/11 です。 DBに格納したデータに対して機械学習のアルゴリズムを適用したくなったとします。 DBからデータを出力して他のプログラム言語で処理してもいいのですが、PostgreSQLで処理が完結した方が便利なこともあるでしょう。 しかし、PostgreSQLで処理するために機械学習のアルゴリズムを一から自分で実装するのは大変です。 PL/Pythonを使えば、pythonで書かれたライブラリを利用して手軽に機械学習を行うことができます。 また、pythonの機械学習ライブラリはC言語で書かれていることが多いので、速度面でも悪くないです。 インストール PL/Python PostgreSQLをソースコードからインストールしている場合は、configureのオプションに--with-pythonをつけてビルドします。 今回
はじめに データ分析でデータを与えられて最初に行うこととして,概略の内容把握がある.データを表の形にして,特徴量は何か,データのタイプは何かを理解しようとする.これと同時に行う作業が,欠損値についての調査である.データ欠損の有無は,データ操作に影響を及ぼすのでまず有無を確認し,さらに欠損値の頻度をみる.本記事では,この作業について,PythonとRでどのように行うかについて確認していく. (プログラミング環境は,Jupyter Notebook + Python 3.5.2 および Jupyter Notebook + IRkernel (R 3.2.3) になります.) Pythonでのデータ欠損状況確認 データセットとして,Kaggleが提供する"Titanic"を用いることとした.データを見た方も多いと思われるが,これは,乗客の特徴量から「生存した」/「生存できなかった」を分類するも
先月、PostgreSQLアンカンファレンスで「PL/Pythonで独自の集約関数を作ってみる」という発表をしました。 本エントリでは、その詳細について紹介させていただきます。 ■なぜPL/Pythonで集約関数なのか? 既に広く知られている通り、PostgreSQLではさまざまなプログラミング言語でプロシージャ/ファンクションをユーザが定義することができます。 では、なぜPL/Pythonで集約関数なのでしょうか? まず1つ目の理由としては、Pythonとデータ処理が非常に相性が良い、ということが挙げられます。古くから統計解析でRが使われてエコシステムが発展してきたのと同じように、最近ではPythonを取り巻くデータ分析に関するエコシステムが大きくなり、データ分析に関するさまざまな処理をPythonで行えるようになってきています。 2つ目の理由としては、データ処理と集約関数というのは切っ
主観的な観点からPythonとRの比較した記事は山ほどあります。それらに私たちの意見を追加する形でこの記事を書きますが、今回はこの2つの言語をより客観的な目線で見ていきたいと思います。PythonとRを比較をしていき、同じ結果を引き出すためにはそれぞれどんなコードが必要なのかを提示していきます。こうすることで、推測ではなく、それぞれの言語の強みと弱みの両者をしっかりと理解できます。 Dataquest では、PythonとRの両方の言語のレッスンを行っていますが、データサイエンスのツールキットの中では両者ともそれぞれに適所があります。 この記事では、NBA選手の2013/2014年シーズンの活躍を分析したデータセットを解析していきます。ファイルは ここ からダウンロードしてください。解析はまずPythonとRのコードを示してから、その後に2つの異なるアプローチを解説し議論していきます。つま
scikit-learn(sklearn)の日本語の入門記事があんまりないなーと思って書きました。 どちらかっていうとよく使う機能の紹介的な感じです。 英語が読める方は公式のチュートリアルがおすすめです。 scikit-learnとは? scikit-learnはオープンソースの機械学習ライブラリで、分類や回帰、クラスタリングなどの機能が実装されています。 また様々な評価尺度やクロスバリデーション、パラメータのグリッドサーチなどの痒いところに手が届く機能もあります。 インストール scikit-learnの他にもnumpyとかscipyとかが必要です。 Windows 64 bit版の人は以下のURLに色々なインストーラーがおいてあるのでおすすめ Python Extension Packages for Windows - Christoph Gohlke その他の人は以下のURLを見て
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