STU48が某個人配信プラットフォームで強いって言われてるけど・・・ その１ - Qiita
アイドル様 僕はアイドル様が好きなのですが、そのアイドル愛が歪んで、某個人配信プラットフォームでアイドル様の配信の分析をしています。個人的に、秋元康氏プロデュースのアイドル様に興味があります。究極の目標はアイドル様の人気の数値化と、某総選挙順位や選抜の予測です。ただし、某個人配信プラットフォームを全く利用しないランカーさんも存在するため、そのあたりは知りません。 STU48とは STU48（エスティーユー フォーティーエイト）は、秋元康のプロデュースにより、2017年に誕生した瀬戸内7県を拠点とする日本の女性アイドルグループ。AKB48グループを構成するグループのひとつである。出典：wikipedia 公式サイト メンバー一覧はプロフィールで見れます。かわいい。 一般人の認知度はものすごく低く、劇場となるはずの船の予定も未定、2ndシングルの発売も延期となりましたが2019年2月に決定と、
何番煎じ？ kaggle の Titanic: Machine Learning from Disaster をやってみる。 その３ - Qiita
何番煎じ？ kaggle の Titanic: Machine Learning from Disaster をやってみる。 その３pandasKaggle 前回の反省 Kernelを眺めていると すばらしいまとめがありました。 https://www.kaggle.com/pliptor/how-am-i-doing-with-my-score によると僕が前回までに出した0.75598 というスコアは 全員死亡としてsubmit：0.62679 Sex, Embark, Pclass だけ考慮したら：0.76555 というわけで、僕のスコアは余計な処理をした割には凡人スコアでした。 Embark を使わなかったけど・・・ だいたい0.8が専門家との分かれ目という感じです。（0.8から何が書いてあるのかわからない） 前回断念した、名前の関連性（ファミリーか、親子か？）みたいなこともやって
何番煎じ？ kaggle の Titanic: Machine Learning from Disaster をやってみる。 その1 - Qiita
タイタニック号の乗客名簿的なものから、生存者のデータを分析するチュートリアル的なやつです。 https://www.kaggle.com/c/titanic データ初見でやりながら記事を書いてるので、支離滅裂です。 素敵な解説 自分の好みに合わせて、つまみ食いします。 https://qiita.com/suzumi/items/8ce18bc90c942663d1e6 https://www.codexa.net/kaggle-titanic-beginner/ https://qiita.com/k2me14/items/ab9d71960d2b9d422c16 https://www.codexa.net/kaggle-titanic-beginner/ 道具 Python 3 Jupyter notebook Pandas XGBOOST Google colaboratory 前
pandasとデータでみるアイドルのファンはどれくらい他のメンバーのファンか。 - Qiita
データ概要 アイドル好きな僕が、某生配信プラットフォームの放送を見まくった結果をまとめます。 ここに出てくる数値はあくまで参考値で、僕の独断と偏見と勘が多分に含まれていることと、実データに対して多分なエラーが含まれていることをここに記しておきます。 使うのは２０１８年９月の一か月分のデータを使用しています。 参考：通信内容の解析方法 やりたいこと アイドルヲタク用語でいうところの単推しがどれくらい居るかを調べます。グループ（チーム）を跨いでるのは後日やるかもしれません。 参考：単推し 解析方法 自分がまとめたDataFrameから某アイドルグループのメンバーの配信に現れたuserのリストを取得します。 もっと効率のいい書き方をご存知の方は是非とも教えてください。 extracted_user=df[df["url_key"]=="48_F*J*W*R*_*Z*S*"]["user"].un
pandas で groupby した後のはなし - Qiita
した時に表示されるものの絶望は忘れません。 多くのチュートリアルは、data.groupby(['col1', 'col2'])の後に、.mean() .max() .sum() などの処理をする前提で書かれています。 とかすると、中身のデータは平均化されるけど、とりあえず見ることはできます。 ちゃんと公式のマニュアル Group By: split-apply-combineに他の処理方法が書かれてます。 他にもstackoverflowを漁っていると lambda を使う面白い記事がありました 元記事は見失ったのですが、僕が書いたプログラムの一例です。 とある生放送プラットフォームの視聴者側の会話やアイテムのログのdataframeからの抽出です。 Dataframeのdfでcol:idol_nameがmenberに含まれるものを抽出して、さらに視聴者のuseridとその視聴者のpoi
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
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
