uv + Ruff + mypyで構築する超軽量Python開発環境 – イメージサイズ削減・型安全性確保を実現
はじめにども！前回「DevContainer と uv で構築する爆速 Python 開発環境」という記事を書いた龍ちゃんです。 この記事を社内で報告したところ、上司から「リンターとフォーマッターは何を使っているの？」という質問をいただきました。確かに、せっかくパッケージマネージャーに uv を採用しているなら、同じ Astral 社が開発している Ruff で統一した方が良いですよね！ ということで今回は、uv + Ruff で統一した Python 開発環境を構築してみました。さらに、ベースイメージも見直すことで、イメージサイズを 83%削減（1.63GB → 273MB）することに成功しています。 Streamlit を使ったデータ分析アプリをサンプルとして作成していますが、もちろん Streamlit 以外のプロジェクトでも利用可能です。リポジトリは公開しているので、必要な方はクロ
Jupyterよりも marimoが使いやすい理由
みなさん、marimoってご存じですか？ 最近marimoを触ってみたんですが、これが思った以上に便利でびっくりしました。 このツールだけで完結できる場面が多くて、しかもUIがリアルタイムに反応してくれるので、作っていてすごく楽しいんです🎶 驚くほど簡単で直感的に使えますし、「試してみたい！」と気持ちがどんどん湧いてきました。 というわけで、この記事ではそんなmarimoの魅力や、基本的な使い方について紹介していきたいと思います。 ちょっとでも「面白そう」と思ってもらえたら嬉しいです。 はじめに Pythonでデータ分析や機械学習をするとき、まず思い浮かぶのが Jupyter Notebook という人も多いんじゃないでしょうか。 定番ツールとして長く使われてきたJupyterですが、実際に使ってみると「セルの実行順がバラバラになって混乱する」「どこで何が定義されてるか分かりづらい」「G
Effective Python 第3版
GoogleでPythonを使ったさまざまなサービスを立ち上げ、Pythonを知り尽くした著者による、Pythonエキスパート必携書の最新版です。第3版では、Python 3.13までの最新機能に対応し、第2版から新たに35項目を追加し、既存項目も時代に合わせて大幅に改訂されています。各項目では、優れたPythonコードを書くために何をすべきか、何を避けるべきか、そしてその理由をPythonの流儀に従って明確に解説。効率的でロバストであるだけでなく、読みやすく、保守しやすく、改善しやすいPythonicなコードを書く秘訣を学べます。Web開発、データ分析、自動化スクリプト、AI訓練まで、あらゆる分野でPythonの真の力を発揮したい開発者にとって、必読の一冊です。 はじめに 1章 Pythonicな考え方 項目1 使用するPythonのバージョンを把握する 項目2 PEP 8スタイルガイド
【海外記事紹介】ベイズ定理からアテンションメカニズムまで、機械学習・LLMで使われている数学の主要な方程式をまとめたページが話題に
機械学習の主要方程式まとめ 8月29日、Chizkiddが「The Most Important Machine Learning Equations: A Comprehensive Guide」と題した記事を公開した。この記事では、機械学習を支える主要な数学的方程式について詳しく紹介されている。 以下に、その内容を簡潔に紹介する。詳しくは原文を参照していただきたい。 1. 確率と情報理論 ベイズの定理 方程式 説明 新しい証拠 $B$ に基づいて仮説 $A$ の確率を更新する手法。分類やベイズ最適化に利用される。 Python実装 def bayes_theorem(p_d, p_t_given_d, p_t_given_not_d): p_not_d = 1 - p_d p_t = p_t_given_d * p_d + p_t_given_not_d * p_not_d retur
データサイエンスのための数学入門
本書は、データサイエンスに欠かせない微積分・確率・線形代数・統計を、線形回帰・ロジスティック回帰・ニューラルネットワークといった実践的なアルゴリズムと結びつけて学べるハンズオンガイドです。数式による説明を最小限に抑え、SymPy、NumPy、scikit-learnなどのコード例を通じて直感的に理解し、実際に活用する力を養います。後半では、市場で評価されるスキルセットやデータサイエンス分野でのキャリア構築に役立つ実践的アドバイスも提供しています。読み終える頃には、強固な数理基盤と実践力を備え、自信を持って現場で活躍できる力が身についているはずです。 賞賛の声 訳者まえがき まえがき 1章 基礎数学と微積分のおさらい 1.1 数論 1.2 演算の順序 1.3 変数 1.4 関数 1.5 総和 1.6 指数 1.7 対数 1.8 オイラー数と自然対数 1.8.1 オイラー数 1.8.2 自然対
uv, ruff, devcontainer, Claude Codeを使ったモダンなPython開発環境のテンプレート
こんにちは．今回は，uv, ruff, devcontainer, Claude Code, Cursorなどのモダンなツールを使ったPythonの開発環境テンプレートを作成したので，その内容を紹介します． テンプレートは以下のリポジトリで公開しています． テンプレートの特徴・構成 本テンプレートは，シンプルで自由度の高いテンプレートを目指すため，あまり多くのツールを導入しないように心がけています．多くのツールを導入すると，学習コストも高くなるためです． uv: Rust製の高速なPythonの仮想環境・パッケージ管理ツール ruff: Rust製の高速なFormatter, Linter pytest: テストフレームワーク pre-commit: コミット前のFormat, Lintによるコード品質の担保 devcontainer: 統一された開発環境の提供 Docker, Docke
Kaggleと名のつく本を全て読んだので紹介していく - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 本記事で紹介するKaggle関連の技術書の一部＠Amazon 目次 はじめに コンペ初心者向け 実践Data Scienceシリーズ PythonではじめるKaggleスタートブック! Kaggleデータ分析入門 Pythonで動かして学ぶ! Kaggleデータ分析入門 データサイエンスの森 Kaggleの歩き方 Kaggleのチュートリアル kaggleで上位に入るための探索的データ解析入門 コンペ中上級者向け 6. Kaggleで勝つデータ分析の技術 7. Kaggleに挑む深層学習プログラミングの極意 8. Kaggleで磨く 機
ハイパーモダンPython
ハイパーモダン（hypermodern）という言葉は20世紀初頭を代表するチェスプレーヤーたちが考案した、当時モダンであると考えられていたオープニング戦略を超える斬新な戦略に由来するものです。本書はPythonを使った開発におけるハイパーモダンな戦略を提示します。Poetry、Nox、pytest、Ruff、uv、Ryeといった新しいツールを活用して、ワークフローをさらに効率化し、堅牢かつ信頼性の高いプロジェクトにする手法を紹介します。ハイパーモダンな戦略を通じて、開発において本当に重要なことを学べる1冊です。 訳者まえがき はじめに Ⅰ部 インストールと環境 1章 Pythonのインストール 1.1 複数のPythonのバージョンをサポートする 1.2 Pythonインタプリタを探す 1.3 WindowsにPythonをインストールする 1.4 Windows用Python 1.5 m
ばんくしさんによる「ゼロから作る自作 Python Package Manager 入門」がほんとよい！ 写経を積みます - nikkie-ftnextの日記
積ん読宣言エントリです。 ざっと一読した感想を述べています。 目次 目次 エムスリーテックブック5（技術書典15） 第6章 「ゼロから作る自作 Python Package Manager 入門」 組合せてパッケージマネージャー 終わりに P.S. 最近のばんくしさん エムスリーテックブック5（技術書典15） 2023年11月に頒布されました 第6章 「ゼロから作る自作 Python Package Manager 入門」 上記のエムスリーさんのエントリより この課題がどこから来ているのか、どのように解消されようとしているのか、そして開発者としてどのように貢献していけるのかを、実際にPackage Managerのlock、install、run、build、uploadのようなサブコマンドを実装して行くことで知っていく章になります。 ばんくしさんには2023年10月のみんなのPython
FastAPI + Prisma で REST API を作る
$ rye add fastapi "uvicorn[standard]" prisma Added fastapi>=0.103.0 as regular dependency Added uvicorn[standard]>=0.23.2 as regular dependency Added prisma>=0.10.0 as regular dependency $ rye sync Initializing new virtualenv in /Users/coji/progs/spike/python/fastapi-prisma-test/.venv Python version: cpython@3.11.3 Generating production lockfile: /Users/coji/progs/spike/python/fastapi-prisma-test/
PythonでJavaScriptの分割代入をどこまで再現できるかやってみた | I Was Perfect
はじめに JavaScript には分割代入（Destructuring assignment）と呼ばれる代入の方法があります。下記はMDN のサンプルの一部です。 let a, b, rest; [a, b] = [10, 20]; console.log(a); // => 10 console.log(b); // => 20 ところで、Python でも似たような構文が使えます。実際、下記の Python コードは上記の JavaScript のコードと同じ意味です。 >>> [a, b] = [10, 20] >>> print(a) 10 >>> print(b) 20 そこで JavaScript の分割代入の知識は、Python ではどこまで活かせるのかが気になったので調査してみます。具体的には、下記の MDN のページのサンプルコードを Python で再現できるかどうか
僕の考えた最強の Python 開発環境 (2024)
はじめに こんにちは, 普段は情報科学専攻の大学院生をしながらバックエンドエンジニアをやっている @koki-algebra です. 普段は Go をよく書いているのですが, 大学でやっている機械学習の研究では Python を使うことがほとんどです. Go のエコシステムに慣れきった私は Python の混沌とした環境に耐えきれず, 最強の開発環境を整えることを決意しました. 具体的には Package Manager, Formatter, Linter, Type Checker, Test Tool を選定し, VSCode の DevContainer を用いてポータビリティに優れた開発環境を作ることを目指します. また, Deep Learning では GPU が必須である場合が多いので, GPU 環境も同時に整えたいと思います. 以下のレポジトリが今回考えた開発環境のテンプ
PandasからPolarsへ移行した方がいいのか - Qiita
なぜこの記事を書くのか 皆さん、データ解析を行う際にどのようなライブラリを用いているでしょうか。 おそらく大半の人はpandasを使っているのではないでしょうか。 私もpandas使ってます。簡単だよね(´・ω・｀) しかし、業務でバカクソでけえデータを読み込もうとしたときに、読み込み時間がとんでもなくかかったり、メモリ不足でそもそも読み込めもしないことが起きていました。 読み込みにメモリ食われすぎて他の作業ができずに待機した挙句、燃え尽きたかのようにノーパソのファンが止まると同時にメモリ不足のエラーが出たときには切れ散らかします。 （画像元：葬送のフリーレン公式Xアカウントのポストより） そんなこともあり、AWSなどのクラウドサービスでメモリに余裕を持たせるためにめちゃくちゃ良いインスタンスを使用していましたが、コストの問題で断念しました。 しかし、どうしても読み込みたいということもあり
Pythonの開発環境の3つの観点をおさえよう
先日 "Python の「仮想環境」を完全に理解しよう" というスライドを公開したらかなり反響がありました。 Python の開発環境の構築は、正直言ってかなり複雑だと思います。 pip・venv・pyenv・Pipenv などなど、似たような名前・似たような役割のツールがたくさん登場して、最初は全然意味が分かりません。 慣れればなんとかなるのですが、慣れるまではかなり苦しいです。 このようにとても難解であるにも関わらず、Python は機械学習などでよく使われることから、避けられないことも多いです。 そこでこの記事には、「そもそも Python の開発環境にはどんな観点があるんだ？このツールはなにを解決してくれるんだ？」という話をまとめます。
Python初学者のためのPandas100本ノック - Qiita
Information 2024/1/8： pandas , Polars など18を超えるライブラリを統一記法で扱える統合データ処理ライブラリ Ibis の100 本ノックを作成しました。長期目線でとてもメリットのあるライブラリです。こちらも興味があればご覧下さい。 Ibis 100 本ノック https://qiita.com/kunishou/items/e0244aa2194af8a1fee9 2023/2/12： 大規模データを高速に処理可能なデータ処理ライブラリ Polars の 100 本ノックを作成しました。こちらも興味があればご覧下さい。 Polars 100 本ノック https://qiita.com/kunishou/items/1386d14a136f585e504e はじめに この度、PythonライブラリであるPandasを効率的に学ぶためのコンテンツとして
あなたのPythonを100倍高速にする技術 / Codon入門
はじめに Pythonは世界的にも人気のあるプログラミング言語ですが、実行速度については課題があります。Pythonの実行速度を高速化したい、という要求は根強く、これまでにも様々なツールや処理系が開発されています。 この記事ではMITの研究者らが開発したPythonを高速化するツール「Codon」について紹介します。 この記事を3行でまとめると： 高性能で簡単に扱えるPythonコンパイラ「Codon」 Pythonとの互換性がありながら、CやC++に匹敵する高速化を実現 実際にPythonコードが100倍速くなることを検証 Codonとは Codonは高性能なPythonコンパイラです。実行時のオーバーヘッドなしにPythonコードをネイティブなマシンコードにコンパイルし、シングルスレッドで10-100倍以上の高速化が実現できます。Codonの開発はGithub上で行われており、2021
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
[入門] PythonでuvとPEP 723を使うと開発体験が10倍向上する理由 - Qiita![[入門] PythonでuvとPEP 723を使うと開発体験が10倍向上する理由 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/c19b6276855b19658612cf1697c19b37dfa0667b/backend=imagemagick;height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fqiita-user-contents.imgix.net%252Fhttps%25253A%25252F%25252Fcdn.qiita.com%25252Fassets%25252Fpublic%25252Ftech-festa-ogp-background-4b5015b2c518c7e6b9062a7c9f5f5e90.png%253Fixlib%253Drb-4.0.0%2526w%253D1200%2526blend64%253DaHR0cHM6Ly9xaWl0YS11c2VyLXByb2ZpbGUtaW1hZ2VzLmltZ2l4Lm5ldC9odHRwcyUzQSUyRiUyRnMzLWFwLW5vcnRoZWFzdC0xLmFtYXpvbmF3cy5jb20lMkZxaWl0YS1pbWFnZS1zdG9yZSUyRjAlMkYzNTIxNTczJTJGZTBmMGU4NmM4MTg2ZGUzN2NmMGFlNWMxYmIzMzFjNzM5NDIyNjNhOSUyRnhfbGFyZ2UucG5nJTNGMTc1MjIyNTQyMz9peGxpYj1yYi00LjAuMCZhcj0xJTNBMSZmaXQ9Y3JvcCZtYXNrPWVsbGlwc2UmYmc9RkZGRkZGJmZtPXBuZzMyJnM9NjhmYzIyNjMwMzllNGU0NzQyOTE3MGMyZTdjYjExOTY%2526blend-x%253D120%2526blend-y%253D467%2526blend-w%253D82%2526blend-h%253D82%2526blend-mode%253Dnormal%2526s%253Dcc1a59e5a96046a7f38619543aa5f4c8%3Fixlib%3Drb-4.0.0%26w%3D1200%26fm%3Djpg%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk2MCZoPTMyNCZ0eHQ9JTVCJUU1JTg1JUE1JUU5JTk2JTgwJTVEJTIwUHl0aG9uJUUzJTgxJUE3dXYlRTMlODElQThQRVAlMjA3MjMlRTMlODIlOTIlRTQlQkQlQkYlRTMlODElODYlRTMlODElQTglRTklOTYlOEIlRTclOTklQkElRTQlQkQlOTMlRTklQTglOTMlRTMlODElOEMxMCVFNSU4MCU4RCVFNSU5MCU5MSVFNCVCOCU4QSVFMyU4MSU5OSVFMyU4MiU4QiVFNyU5MCU4NiVFNyU5NCVCMSZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZ0eHQtY29sb3I9JTIzRkZGRkZGJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTU2JnR4dC1wYWQ9MCZzPTQ5M2E4YWRmODcwOGJlNDM1ZTk1Y2UwM2RiOTdiYjVi%26mark-x%3D120%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTgzOCZoPTU4JnR4dD0lNDBTaGlnZW1vcmlNYXNhdG8mdHh0LWNvbG9yPSUyM0ZGRkZGRiZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtcGFkPTAmcz1kODJmMzE4ZjlkN2I5OGFjYjY0Y2YwOGYwNDBlMDE3YQ%26blend-x%3D242%26blend-y%3D480%26blend-w%3D838%26blend-h%3D46%26blend-fit%3Dcrop%26blend-crop%3Dleft%252Cbottom%26blend-mode%3Dnormal%26s%3De6ffe0873f7442f78a4c703e83a5e1a6)
「Pythonのドキュメントでも読むか～」「え、何その裏技」 - Qiita
【図解】Python基礎64選 - Qiita
はじめに — Python早見帳
