GitHub - Uberi/speech_recognition: Speech recognition module for Python, supporting several engines and APIs, online and offline.You signed in with another tab or window. Reload to refresh your session. You signed out in another tab or window. Reload to refresh your session. You switched accounts on another tab or window. Reload to refresh your session. Dismiss alert
How to one-hot-encode from a pandas column containing a list?
I would like to break down a pandas column consisting of a list of elements into as many columns as there are unique elements i.e. one-hot-encode them (with value 1 representing a given element existing in a row and 0 in the case of absence). For example, taking dataframe df Col1 Col2 Col3 C 33 [Apple, Orange, Banana] A 2.5 [Apple, Grape] B 42 [Banana] I would like to convert this to: df Col1 Col2
[python] Webカメラからキャプチャした画像をサーバに送信して保存する - Qiita
<!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>get_capture</title> </head> <body> <h3>スペースキー押下でキャプチャ取得</h3> <video id="video" width="640" height="480" autoplay></video> <canvas id="canvas" class="canvas-wrapper"></canvas> </body> <script src="{{url_for('static', filename='main.js')}}"></script> <style> /*
![[python] Webカメラからキャプチャした画像をサーバに送信して保存する - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/2f48823ab1a4ffec8cd43b3b3bc99791fe0535a6/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBoXzAwMCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9NTgxMDQ3ZmJiNzcwMTFiZDA2NmI1MDI4YTllZTViNmY%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3D6458b0176046e333f4e490b27bb1245d)
Flask (Python) loggingで、ログ出力を複数のファイルに内容で分けたい
質問をすることでしか得られない、回答やアドバイスがある。15分調べてもわからないことは、質問しよう！新規登録して質問してみよう
Build a Python REST API with Serverless, Lambda, and DynamoDB
Build a Python REST API with Serverless, Lambda, and DynamoDB Your existing web framework tooling can work seamlessly with the Serverless Framework. Let’s go over how to use the Python web framework Flask to deploy a Serverless REST API. In this walk-through, we will: Deploy a simple API endpoint Add a DynamoDB table and two endpoints to create and retrieve a User object Set up path-specific routi
Serverless で Python のパッケージを使った Lambda 関数をデプロイ
Python パッケージを使う、原始的な方法 過去に2回、Serverless Framework を使った Lambda 関数の管理について書きました。 Serverless Framework による AWS Lambda 関数の管理1 | もばらぶエンジニアブログ Serverless Framework による AWS Lambda 関数の管理2 | もばらぶエンジニアブログ 1回目の投稿の際、Python のパッケージを使いたい場合は、以下の通り、Lambda 関数の Python ファイルと同じディレクトリにパッケージをインストールして、それを sls deploy でパッケージ化＆デプロイする方法を紹介しました。 pip install パッケージ名 -t . 「原始的な方法」の問題点 上に挙げた方法には2つの問題があります。 ディレクトリが汚れる pure Python で
PynamoDBで良い感じにTestableなモデルを定義して、DynamoDB Localを使ってテストする方法 - JX通信社エンジニアブログ
TL; DR; PynamoDBを使ったテストでローカルで動かすDynamoDBを叩きたい場合に テーブルのキー定義やキャパシティ設定の管理はterraform/CDKなどに任せつつ、アプリケーションコードを汚さずにテストを実行したい そんなときは getattr でmetaclassを取り出して setattr でテスト用の設定値を注入してあげましょう サンプルコードはこちら github.com もうちょっと詳しく 背景 PythonでDynamoDBを使った開発していればPynamoDBはとても便利なライブラリです。非常に書きやすいAPIでDynamoDBを読み書きできますし、手軽にテーブル自体もPynamoDBで作成することも可能です。 *1 しかしPynamoDBでテーブルを作成・管理してしまうと if table.exists() みたいな条件を書いて毎回判断させたり、キャパシ
Pythonのアロー演算子っぽいやつ - auの日記
auです。 きのう記事にしましたが、Pythonのアロー演算子っぽいやつ「->」の正体が分かったのでまとめようと思います。 program-shoshinsya.hatenablog.com 問題のコードはこれです。 def get_text(self, key: str) -> str: return texts(key) 関数アノテーション 「->」の名前は、関数アノテーションというようです。 アノテーション: タグ付、意味付という意味 引数や返り値の型の注釈です。 アノテーションを元に警告を出してくれるIDEやエディタを使っている場合に使うことがあるようです。 注釈なので保証している訳ではないので、別の型でも通過できるようなので注意が必要です。 以下のコードの場合は... def get_text(self, key: str) -> str: return texts(key) 引
スクレイピング時に本文だけを抽出する最高精度ツールが優秀！【日本語版も公開】 - Qiita
n,pはそれぞれnegative(ノイズ),positive(本文)を基準とした時の評価を表します。 例としてノイズ部分をN,本文をPとし,正解をT(True)、間違いをF(False)とした時にPresicionはそれぞれ以下の式です。 $$ Presicion_{[n]} = \frac{TN}{TN + FN} $$ $$ Presicion_{[p]} = \frac{TP}{TP + FP} $$ nのf値はどれだけ正確にノイズを除去できているかを、pのf値はどれだけ正確に本文を抽出できているかを評価していると考えればよいでしょう。 元のデータでの再現学習も問題無く行えました。また日本語対応版もおおよそ元論文と同程度の精度が出ています。 要点2:軽量でCPUでも1ページ0.02s程度の時間で予測できる Core i7,8コアのCPU環境でも1ページ0.02s程度の時間で予測が可能
Python言語による実務で使える100+の最適化問題 | opt100
指針 厳密解法に対しては、解ける問題例の規模の指針を与える。数理最適化ソルバーを使う場合には、Gurobi かmypulpを用い、それぞれの限界を調べる。動的最適化の場合には、メモリの限界について調べる。 近似解法に対しては、近似誤差の指針を与える。 複数の定式化を示し、どの定式化が実務的に良いかの指針を示す。 出来るだけベンチマーク問題例を用いる。OR-Libraryなどから問題例をダウンロードし、ディレクトリごとに保管しておく。 解説ビデオもYoutubeで公開する． 主要な問題に対してはアプリを作ってデモをする． 以下，デモビデオ： 注意 基本的には，コードも公開するが， github自体はプライベート そのうち本にするかもしれない（予約はしているが， 保証はない）． プロジェクトに参加したい人は，以下の技量が必要（github, nbdev, poetry, gurobi); ペー
WordNet を使ってPythonで類義語を調べる｜npaka
「WordNet」の使い方を軽くまとめました。 ・macOS 10.15.7 ・Python 3.6 1. WordNet「WordNet」は意味に基いて作成された巨大な概念辞書です。 「類義語」「上位概念」「下位概念」などがまとめられているDBになります。 ・類義語 : 意味が似ている語。 【例】猫の類義語 → ねんねこ, にゃんにゃん, 猫, キャット, ネコ ・上位概念・下位概念 : 下位概念は上位概念の概念関係を承継。 【例】猫の上位概念 → 動物 動物の下位概念 → 犬, 猫, 猿 2. WordNetのDB定義主なDB定義は、次のとおりです。 ◎ word 単語のテーブルです。 ・wordid : 単語ID ・lang : 言語 (jpn, eng) ・lemma : レンマ ・pron : -◎ synset 概念のテーブルです。 ・synset : 概念ID ・pos :
Pythonスクリプトのパフォーマンス計測ガイド | Yakst
Pythonスクリプトの速度を計測し、そのボトルネックを探る。さらに、メモリ使用量、メモリリークの原因特定までの調査方法を解説する。 あなたが書いたすべてのPythonプログラムで厳密なパフォーマンス計測が必要になるというわけではないにせよ、その時が来たら、役に立ってくれる様々な種類のツールがPythonのエコシステムにはあるのだということを知っておけば安心できるだろう。 プログラムのパフォーマンスを計測することは、すなわち以下の4つの基本的な質問に答えることだと要約できる。 どのくらい高速に実行できるか？ スピードのボトルネックはどこか？ どのくらいのメモリを使うか？ メモリリークしているのはどこか？ これから、いくつかの素晴らしいツールを使ってこれらの質問に答えていくための詳細を見ていこう。 大ざっぱな実行時間 素早くざっくりとコードの実行時間を計るのに、古き良きUNIXのユーティリテ
Pythonの機械学習ライブラリtslearnを使った時系列データのクラスタリング
tslearnとは 時系列分析のための機械学習ツールを提供するPythonパッケージで、scikit-learnをベースとして作られているみたいです。 主な機能として、クラスタリング、教師ありの分類、複数の時系列を重ねた際の重心の計算ができたりします。 今回使用するに至った一番のモチベーションは、波形や振動などの時系列データに対してクラスタリングできるというところです。 tslearnインストール pipコマンドでインストールできます。 Kshapeというクラスタリング手法 今回tslearnで使用するモジュールとして、Kshapeというクラスタリング手法を時系列データに適用していきたいと思います。 Kshapeは2015年に下記の論文で提唱された方法で、以下の流れで実行されるアルゴリズムになります。 相互相関測定に基づいた距離尺度を使う（Shape-based distance: SBD
AnacondaとPythonのバージョン対応表 - Qiita
参考 Anaconda Individual Edition Installer Archive https://repo.anaconda.com/archive/ Anaconda Documentation(Old package lists) https://docs.anaconda.com/anaconda/packages/oldpkglists/ Wikipedia(Python) https://ja.wikipedia.org/wiki/Python 更新履歴 2024/02/27:Anaconda3-2024.02-1を追加 2023/10/13:Anaconda3-2023.09-0を追加 2023/08/10:Anaconda3-2023.07-2を追加 2023/07/14:Anaconda3-2023.07-0、Anaconda3-2023.07-1を追加 2
M1 macOS で python + numpy/scipy/pandas/matplotlib/jupyterlab 環境構築のメモ(2020/12/24 時点) - Qiita
M1 macOS で python + numpy/scipy/pandas/matplotlib/jupyterlab 環境構築のメモ(2020/12/24 時点)PythonmacOSARMM1 M1 macOS で arm64 native な python と numpy/scipy/matplotlib, Jupyter-lab など入れてデータサイエンスしたい. 現状だと x86 の時と同じやり方でインストールしようとすると, M1(arm64) の場合はコンパイルがコケたりなどしてうまく行きません (pip とか, macports 経由とかでインストールとか) 例えば altivec(みんな知っているかな!) コンパイルフラッグが clang 未サポートで numpy ビルドできないなどの issue があります. いずれ時が解決するでしょうが, 待つのもめんどいです. ソ
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
https://www.marsa-blog.com/2019/06/statisticsarticle1.html
Built-in crawlers — icrawler 0.6.6 documentation
https://nomodulenamed.com/m/transformers.tokenization_bert_japanese
Streamlit • A faster way to build and share data apps
Downloads most hqq.tv streams