pandasとmathでしばし戸惑った。 DataFrameで角度データを作成 floatのdtypeなのを確認して、「よし、degreesからradiansに変換するか」とmath.radians(df['degrees'])を実行したらエラー。 TypeError: cannot convert the series to <type 'float'> って、floatダヨ! しばしネットを彷徨い、もういい!自分でradiansに変換する簡単な関数作るか(メソッド作るか…が正しい?)と思ったら、まんまな問い合わせがヒット。 stackoverflow.com そうですか。 numpy最高!! mathにdf食わせちゃダメだ。
やられた!! 完璧にプログラミング初心者の私は 「そんな書き方じゃ、分かるかい!!」 と、発狂しました。 mathモジュールを使う際は、 from math import * とかを使ってインポートするのは分かってるんだけど!! log()関数を使うときよ!! 参考書には log(x[,base]) って、記載されているから 例えば、いつものインタラクティブシェルでやってみると >>>log(8[,2]) File "", line 1 log(8[,2]) ^ SyntaxError: invalid syntax って、エラーが出るし!! じゃあ、それなら参考書の誤植かと >>>log(8,[2]) Traceback (most recent calll last): File "", line 1, in TypeErrot: a float is required って、またまた
pandas.DataFrameの任意の位置のデータを取り出したり変更(代入)したりするには、at, iat, loc, ilocを使う。at()ではなくat[]のように記述する。 pandas.DataFrame.at — pandas 2.0.3 documentation pandas.DataFrame.iat — pandas 2.0.3 documentation pandas.DataFrame.loc — pandas 2.0.3 documentation pandas.DataFrame.iloc — pandas 2.0.3 documentation 位置の指定方法および選択できる範囲に違いがある。 位置の指定方法 at, loc: 行名(行ラベル)、列名(列ラベル) iat, iloc: 行番号、列番号 選択し取得・変更できるデータ at, iat: 単独の要素の
2024/01/25 · pandas.DataFrameから任意の条件を満たす行を抽出するにはquery()メソッドを使う。比較演算子や文字列メソッドによる条件指定、複数条件の組み合わせ ...
2024/01/25 · pandas.DataFrameから任意の条件を満たす行を抽出するにはquery()メソッドを使う。比較演算子や文字列メソッドによる条件指定、複数条件の組み合わせ ...
pandasについて pandasはnumpyを基にしたデータ操作なので,numpyの操作がそのまま使えるので便利.ただ,馴れるまで行・列の取り出した方法が分かりにくい.まだまだ不馴れなので,記しておく. DataFrameとSeries pandasにはDataFrameとSeriesの2種類のデータ形式がある.前者は二次元データ,後者は一次元データである.基本的に,Seriesは使うことがあまり無いので,DataFrameを中心に説明する.DataFrameから一つのcolumnを指定して取り出した場合,それはSeries型となる. DataFrameの操作 indexとcolumn DataFrameには,要素の位置情報として,n行目m列目といったnumpyのような要素番号と,indexとcolumnによるユーザー定義の要素指定が可能である. 特に指定しなければ,番号が割り当てられる
Rっぽく条件指定する時に悩んだのでメモ。 ixが今のところ良さそう。 とりあえず、データフレームを作る >>> df = pd.DataFrame(arange(12).reshape((3, 4)), index=list("ABC"), columns=list("abcd")) >>> df a b c d A 0 1 2 3 B 4 5 6 7 C 8 9 10 11
NaNをisNaNで判定しようとするとおかしな事になる可能性があるので気をつけましょうって話です。 Effective JavaScriptで紹介されていたのですが、知らなかったのでメモです。 isNaNの挙動 標準で用意されているisNaNにNaNを渡すと確かにtrueが返ります。 ただ、暗黙の型変換によって引数を数値へと変換してしまう為、NaN自身でなくても、NaNへと変換される類のものに対してもtrueを返してしまいます。 isNaN(NaN); // true isNaN("foo"); // true isNaN(undefined); // true isNaN({}); // true isNaN({ valueOf: "foo" }); // true isNaNはNaNであるかの判定ではなく、引数が数値へ変換可能かどうかの判定に使われるみたいです。 NaN判定のイディオム
In [3]: df=pd.DataFrame(np.random.randn(5,5)) In [4]: df.columns=list('ABCDE') In [21]: df.iloc[1,1]=np.nan In [30]: df Out[30]: A B C D E 0 NaN -0.785578 -0.688584 -0.335229 -1.981495 1 0.094032 NaN 1.482541 0.160781 0.106237 2 -1.912919 1.432783 NaN NaN 1.212469 3 -0.549426 0.236417 0.087149 NaN 1.089239 4 -0.056149 -0.696856 1.137570 0.855886 NaN #####isnull() == True で NaN を持つ行だけを抽出できる isnull(
2023/05/05 · nanの判定: math.isnan(), np.isnan(). math.isnan() で値が nan かどうかを判定できる。 ... numpy.isnan() もある。 ... スカラー値のほか、リストやNumPy ...
Nan (Not a number) を判定する方法。 2種類ほどあるらしい。。 math.isnan() を使うか、同じ値を比較。 In [1]: import pandas as pd In [2]: import math In [4]: df = pd.DataFrame(index=[0,1,2,3], columns=[0,1,2,3]) In [5]: df.ix[3,3]=5 In [6]: df Out[6]: 0 1 2 3 0 NaN NaN NaN NaN 1 NaN NaN NaN NaN 2 NaN NaN NaN NaN 3 NaN NaN NaN 5 In [7]: type(df.ix[0,0]) Out[7]: float In [8]: type(df.ix[3,3]) Out[8]: int In [9]: math.isnan(df.ix[0,0]
概要 pythonによるデータ分析入門を参考に、MovieLens 1Mを使ってsqlで普段やってるようなこと(joinとかgroup byとかsortとか)をpandasにやらせてみる。 ファイルの読み込み 落としてきたファイルを解凍すると、movies.dat、rating.dat、users.datという3つのファイルが入っているので、read_csvで読み込む。 import pandas as pd movies = pd.read_csv( 'ml-1m/movies.dat', sep='::', header=None, names=['movie_id', 'title', 'genres'] ) ratings = pd.read_csv( 'ml-1m/ratings.dat', sep='::', header=None, names=['user_id', 'mo
はじめに¶ Pythonは書きやすいけど,何も工夫しない場合CとかFortranに比べると絶望的に処理速度が遅い.簡単な計算なら気になるほどではないが,大規模な計算になってくると処理速度は重要だ. Pythonに限らず,プログラムの高速化については常に気にしていたい.今まではそこまで処理速度を意識したコードを書いてこなかったので,少し勉強しようと思ってたのでまとめる. もちろん武器はCython! 手元にPython関連のテキストはいっぱい転がってるが,最初は触るくらいからはじめたいのでなんかいい記事ないかな~って探してたいいのがあった. 深入りしないCython入門 – Qiita 【Cython】Pythonの高速化に挑戦! – Qiita 今回は,これら記事の内容を写経して勉強させて頂く. 写経してみた¶ Pythonの処理を高速化させる方法としてcythonを使う.Pythonの処
2023/10/12 · (1束550円)ただし直火は不可ですので、必ず焚火台やバーベキュー台を使用してください。 屋外には野外炊事場が2か所、トイレが1カ所ありますので ...
2023年・新潟県で開催される花火大会の一覧(24件)です。花火大会のスケジュールはもちろん、会場までの行き方なども詳しくご紹介!
新発田市のおすすめアウトドア6ヶ所をセレクト!おすすめのBEACH SIDE HOUSE PARADISOや二王子神社キャンプ場などをランキングでご紹介。新発田市のアウトドアスポット ...
無限大(inf)をチェックする方法 inf = float("inf") if(val == inf): #valが無限大だったときの処理を書く float("inf")で無限大を作ることが出来る。無限大チェックは通常アプリではなかなかやらないかも知れない。 Nanをチェックする方法 if( val != val ): #valがNanだったときの処理を書く PythonではNanとNanを比較するとFalseがかえってくるため。なお、Python2.6以降ではmath.isnal(val)で調べることが出来る。 こちらはとてもよく使う。けど、初めてこのコードを見たら、何やってんだコレ?となってしまいそうなので、# Nan Check とでもコメントを添えておくことにしよう。
Djangoのモデル定義で下記「【Before】.models」のように外部キー(ForeignKey)を設定させ、テンプレートで{{ bar.bar }}と書いても「Bar object (XX)」と画面表示され ...
とかやれば出来るのだが、これはDjangoのアプリケーション配下に /app_name/management/commands/MY_COMMAND.pyとして置き、BaseCommandを継承して下記のようにしなければならない。 from django.core.management.base import BaseCommand, CommandError class Command(BaseCommand): def handle(self, *args, **options): print 'hogefuga' こうすることで、上記のmanage.py MY_COMMANDによってDjangoの拡張コマンドとして利用することが可能になる。 Djangoのアプリと関連した何かを作りたい時は上記で良いですね。 Djangoのアプリと関係ないけどDBを参照したい DjangoのDBを何か
全てのFieldで共通にセットすることができるoption * models.pyをディレクトリにする場合はmodels/init.pyにModelクラスをimportする。 テーブル名 デフォルトでは<アプリケーション名>_<Model名>になる。 Metaクラスの db_table にテーブル名を指定することができる。 idが自動的に生成される* validationはfull_cleanで行う。 独自のvalidation処理はcleanに記述する field一覧 * カスタムフィールドの作成方法 * Fieldに指定することができるオプション一覧 * Field.validatorsに指定するvalidatorについて * 多対多の関係をにするにはそれようのfieldとテーブルを作成する * * Many-to-many relationships * Meta * related
本書はゲームインフラエンジニア向けのGCP解説書です。AWS一本のインフラ構築からマルチクラウドへとニーズが変化していく中でゲーム業界でもGCPの検討は進みつつあります。コンソール系、アーケード系、モバイル系などそれぞれの分野で必要な情報を横断的な情報をまとめ、GCPの全体的な紹介から事例までをわかりやすく解説します。【執筆者:野下 洋、芝尾 幸一郎(株式会社Aiming)、野邉 宏一郎、岡田 正之、渡邊 宏樹(シリコンスタジオ株式会社)、長谷川 祐介(株式会社grasys)、橋口 剛】 【目次】 第1章 GCPの概要 GCPのサービス概要/GCPの各サービスにおけるゲームインフラとしてのユースケース 第2章 GCPの特徴 “The Datacenter as a Computer”/一般的なクラウドサービス、オンプレミスとの比較 GCEのベンチマークとコスト比較 第3章 ゲームインフラと
[django][python] 久しぶりにdjangoのORMのことについて書いてみる はじめに djangoのORMは正直好きじゃない。そもそも挙動が正確には把握しづらくてなんだか覚えにくいと感じる所がある。また、ドキュメントに書かれたとおりの書き方では不足することもあったりして、結局生のSQLを書かなければいけなかったりする場合もある。とは言え、ORMでできることはORMの機能を使ってやったりすると良い。 queryのチューニングについて select_related() と prefetch_related() について queryのチューニングについて書いてみようと思う。queryのチューニングと聞いて真っ先に思い浮かぶのは「N+1クエリーの除去」かもしれない。関連オブジェクトの取得が対象となるオブジェクトの個数だけ実行されるようなもののこと。これには、 select_relat
Django プロジェクト(ディレクトリ)の外部にある Python コードから、Django アプリケーションのデータベースを操作します。 ドキュメンテーションにあるように、モデルをインポートする前に以下の手順を実行しておきます。 1. プロジェクトのパッケージを sys.path に追加します。 2. DJANGO_SETTINGS_MODULE 環境変数がプロジェクトの settings.py を指すように設定します。 この手順なしに、外部のコードが Django の models モジュールをインポートした場合、ImportError が発生します。 ImportError: Settings cannot be imported, because environment variable DJANGO_SETTINGS_MODULE is undefined. ここでは、プロジェ
http://sqlitebrowser.org/ でDDLを確認する。 1.4 テストデータの投入 以降の確認のために、テストデータを作成する。 u1 = User(user_id='User1',password='pass1') u1.save() u2 = User(user_id='User2',password='pass2') u2.save() p1 = Page(url='http://google.co.jp') p1.save() p2 = Page(url='http://yahoo.co.jp') p2.save() t1 = Tag(name='search engine') t1.save() t2 = Tag(name='portal') t2.save() b1 = Bookmark(page=p1,user=u1) b1.save() b1.tags.a
3本ローラーではたぶん無理,安全な固定ローラー台で行きましょう!(^^) SONY NEX-5N + E18-55mm つい1ヶ月前に片付けたばかりですが,新年早々,ローラー台が復活しています(おかげで巨大事故も防げています♪) いつもの年なら,早くても2月,遅ければ4月ごろから登場していたのですが,今年は,おいら周辺のヒルクライム侍達が,のきなみ冬場から一生懸命トレーニングしているので,落ち着いていられなくて,おいらも早めに再開です。 せっかくなので,いつもの,超緩いメニュー(緩い&短い)を改善し,もっとキツイトレーニングとして,流行のHIIT(High Intensity Training)の一つ,タバタプロトコルをやってみることにしてみました。 昨シーズンまでのトレーニング(緩い&短い) 以前,紹介したことがあるのですが,おいらのローラー台トレーニングの基本は「緩い&短い」です。 こ
2023/07/07 · 複数条件のAND, OR, NOTで行を抽出するには、複数の bool の pandas.Series に対してAND, OR, NOTを適用すればよい。
高強度インターバルトレーニングの動画を作ってしまいました。 ZWIFTで走行している動画を見ながら行うトレーニングメニューです。 実際に自分がやるために作ったのですが、情けないことに・・・今の体力では無理。 最初に作った1setのメニューを実践して体力をつけてから、この高強度トレーニングにチャレンジする・・・はずです。 www.youtube.com ZWIFTで行う高強度インターバルトレーニング 高強度インターバルトレーニングって? HIITの効果 ストレッチと休息 ZWIFTで行う高強度インターバルトレーニング メニューの内容は ウォーミングアップ 10分 ワークアウト(ワーク 20秒、レスト10秒を8セット) 休憩 3分 ワークアウト(ワーク 20秒、レスト10秒を8セット) クールダウン 8分 以上です。 今、自分がやったら、最初のワークアウトでダウン。 情けないパワーしか出せずに
システムの構築、新しい技術の習得、PythonやDevOpsなどに情熱を注ぐソフトウェア開発者です。現在はチューリッヒを拠点とするビッグデータのスタートアップで働いており、データ分析およびデータ管理ソリューションのためのPythonの技術を磨いています。 1 はじめに Python は開発時間を短縮できるという点で一般的に評価の高い言語です。しかし、Pythonを使って効率よくデータ分析をするには、思わぬ落とし穴があります。動的かつオープンソースのシステムであるという特徴は、初めは開発を容易にしてくれますが、大規模システムの破綻の原因になり得ます。ライブラリが複雑で実行時間が遅く、データの完全性を考慮した設計になっていないので、開発時間の短縮どころか、すぐに時間を使い果たしてしまう可能性があるのです。 この記事ではPythonやビッグデータで作業をする時に、最も時間を無駄にしがちな事柄につ
※こちらの記事は、プロスタ編集部が現在大変人気の高いPythonの文法記事を公開することで、皆様の学習にお役に立ちたい意図で投稿しております。 参考サイト:【Python入門】Pythonにおけるclassの使い方とは? Pythonはオブジェクト指向プログラミングをサポートしている言語です。そのためにはクラスを定義、作成することが必要です。Pythonのクラス定義は他の言語と比べると簡単に行えるようになっています。 今回は、Pythonにおける基本的なクラスの扱いについて説明します。 クラスの定義 Pythonではクラスの定義にclass文を使用します。class文を使った定義の仕方は以下のようになります。
今回は基本に立ち返って、 Python の組み込み型である「タプル」と「リスト」の違い、それと「タプルの使いどころ」について説明してみたいと思います。 「 Python タプル リスト 違い 」といったキーワードで Google 検索すると、多くのページで「リストとタプルは記法が異なります」「タプルはイミュータブルです」という説明だけがなされていて、それだけだとなぜタプルが用意されているのか、タプルはどんなときに便利なのかがわからないのではないかと思い、今回このテーマで書いてみようと思いました。 以下、 Python におけるリストが何なのかというのは読者の方はご存知だという前提でお話ししていきます。 まずはかんたんなおさらいとして、そもそもタプルとは何ぞやというところから見ていきましょう。 タプルとは Python における「タプル」とは、複数のデータを一直線に並べた「コレクション」タイ
Pythonの辞書(dict)では、keyを登録した順番は記憶されません。 例えば以下のコードを実行すると、 # 普通のdictの場合 d = {} d["zz"] = 0 d["cc"] = 30 d["aa"] = 10 d["bb"] = 20 d["aa"] = 40 for key, val in d.items(): print(key, val) 以下の結果が得られます。登録した順番と異なる順番で要素が取り出されてしまいました。 cc 30 aa 40 bb 20 zz 0 辞書に登録したkeyの順番を保ちたい場合には、標準ライブラリのcollections.OrderedDictを使うのが良い方法です。 使い方はほとんどdictと同じです。 from collections import OrderedDict od = OrderedDict() od["zz"] = 0
iPhoneやiPadをテレビに映せるとスーパー便利。 iPhoneやiPadで撮った写真をリビングでみんなで見たり もちろん、動画を映すこともできます youtubeを見ることもできますし HuluやNetflix、Amazonのプライムビデオも KeynoteのプレゼンもOKなので仕事にも使える すべてテレビの高解像度大画面で見られます。 親に運動会の写真やビデオをみせたり、友人の子供達がきたときにはHuluなどでアンパンマンを見せられます。 もちろん、週末の夜中にまったり好きな海外ドラマをみるのも幸せです。 いつでも映し出せるようにしておくと親や知人、友人がきたときにもとっても重宝するので覚えておくとかなり便利です。 iPhone,iPadとテレビの接続方法 大きく2つの方法があります。 一つは、有線接続(ケーブルで接続)する方法、 もう一つは無線で接続する方法です。 有線で接続する
知らないほうが良かったとまで言われる中毒性の高いアプリから、最新の人気アプリまで編集部で厳選してみました! 全部無料アプリなので、気になったらどんどんダウンロードして使ってみましょう! サンデーの人気マンガが無料で読み放題!?そんな夢のようなアプリが『サンデーうぇぶり』です。 大人気の「名探偵コナン」だって無料で読みまくれるんです。 なんと、コナンの大人気キャラ「安室透」の特集までありますよ!しかも、安室特集はアプリ限定です! まずはアプリをダウンロード!ボーナスコインをいきなり1,000枚も貰えるから、最初からたくさんの話を無料で読めます。 その後も時間で回復するフリーコインを使って、無料でマンガを読み続けられますよ。 コナンのほかにも「犬夜叉」「H2」「MAJOR」なども読み放題! 『サンデーうぇぶり』、使わない手はありません!
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