ERC20トークンのコードをViperとSolidityで比較してみた - Gunosy Blockchain Blog
はじめに 新規事業開発室の生田です。 今回はERC20と呼ばれる規格のトークンをSolidityとViperという2種類の言語で書いてみたので、その内容について紹介します。 Ethereumではスマートコントラクトを用いてトークンを簡単に発行することができます。 「そもそもEthereum、スマートコントラクトってなんぞや。」という方は先にこちらの記事をご覧ください。 これから紹介するViperについても少し書かれています。 blockchain.gunosy.io はじめに ERC20トークンについて ERC20とは ERC20という規格ができた理由 ERC20トークンの例 ViperとSolidityの概要 Viper Solidity ソースコード Viper Solidity ソースコードの実行 ソースコードの比較 1. コントラクト（クラス）の継承について 2. メソッドのスコー
Pipenvを導入してみる - Qiita
この記事はGunosy Advent Calendar 2017の17日目の記事です。 requirementsで管理しているモジュールをPipfileで管理したい Pythonのモジュール管理や仮装環境構築において、最近pypaに取り込まれたpipenvをPJで使ってみたいと考えました。 最近まで kennethreitzさんのプロジェクトのようでした。 現状、setup.pyやrequirements.txtで管理しているモジュールがあり、環境はvirtualenvとpyenvで管理していることが多いと思います。 Ppienvを導入すると、pyenvやvirtualenvが不要になり、代わりにvenvのみで構築できるようです。 Pew Pipenvをインストールすると、依存しているpewというモジュールも入る。指定のprojectを使いたい場合は明示的に指定することができる。 pewに
ニュースパス開発エンジニア横山と加藤の『Pythonによるクローラー&スクレイピング入門』が出版されます！ -
こんにちは！広報のおだんみつです。ニュースパス開発部のエンジニアの横山と加藤が共同で執筆した『Pythonによるクローラー&スクレイピング入門』が10月23日に発売されることになりました〜！！ 本には書かれていない解説が載っているPDF特典の予約キャンペーンを実施中だそうで、気になる方はこちらの予約特典サイトをご覧ください。 『Pythonによるクローラー&スクレイピング入門』Amazon予約特典キャンペーン ｜ 翔泳社の本 クローラーのプロたちから学んだ極意とは？著者インタビュー 出版を記念して、著者のお二人にインタビューしてきました！「クローラー開発未経験の方に読んでもらいたい」という想いを込めた今回の本、どんな経験を通して書かれたのでしょうか？ ー お二人のプロフィールを教えてください。 横山：サーバーサイドエンジニアの横山です。サーバーサイドエンジニア歴は10年程で、Gunosy歴
Go Python, Go! Stream Processing for Python
Wallaroo 0.6.o has been released! Check out the beautiful new API to go along with our Python 3 support. Learn more We’ve been hard at work for 18 months on a new processing engine called Wallaroo for deploying and operating big data, fast data, and machine learning applications. We designed Wallaroo to make the infrastructure virtually disappear, so you get rapid deployment and easy-to-operate ap
データ分析部が開発・運用するバッチ アプリケーション事情 - Gunosyデータ分析ブログ
はじめに こんにちは、データ分析部の森本です。 この記事ではGunosyデータ分析部がどのような視点に基づいてバッチアプリケーション（以下、バッチ）を開発・運用しているかしているのかを紹介します。 クライアントアプリ開発やAPI開発と比較してバッチ開発のノウハウなどをまとめたWeb記事の数は少なく感じます。 また、言語に関わらずWebフレームワークの数に対して、バッチフレームワークの数も少数です。 このような点を踏まえると一般的には難易度の高くない（ノウハウを必要としない、フレームワークに頼る必要のない）、もしくはニーズがあまりないなどの印象があるのかもしれません。 一方で我々は日々バッチ開発を行い、数多くの地雷を踏んできました。 これらの経験を踏まえてどのような点に気をつけているのかについて共有します。 理想的には多くの方の経験を共有して、建設的な議論に発展するとうれしいです。 はじめに
（翻訳）Apache Arrowと「pandasの10項目の課題」 - Qiita
Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? 始めに：pandasの作者であるWes McKinneyさんがPythonのデータツール関連でとても興味深いblogを書かれているので、翻訳して日本のPyDataコミュニティに公開してもいいでしょうか、とお聞きしたところ、快諾をいただきましたので少しずつ訳して公開していこうと思っています。 2017/9/21（木） Apache Arrow、pandas、pandas2、そして最近の私の作業の大まかな方向性と視界が開けてきている未来に関して、これから一連のポストを書いていきます。このポストはその第一弾です。少々量があり、全体に技術的な色
さくっとトレンド抽出: Pythonのstatsmodelsで時系列分析入門 - Gunosyデータ分析ブログ
久しぶりの投稿になってしまいましたが、ニュースパス(現在CM放映中!!)開発部の大曽根です。 作業中はGrover Washington Jr のWinelightを聴くと元気が出ます。参加ミュージシャンが素晴らしいですね。 なぜ時系列分析をするのか 季節調整 実演 おまけ: 時間別に見てみる まとめ 今後 なぜ時系列分析をするのか 数値を非常に重視している弊社では、数値を知るためのツールとしてRedashやChartioおよびSlackへの通知を活用しています。現在の数値を理解する上では、長期のトレンド(指標が下がっているのか、上がっているのか)を知ることが重要です。しかし、日々変化するデータ(特に売上やKPIと言われる指標)は、ばらつきも大きく、変化を適切に捉えることが難しいこともあります。 特にSlackなどへの通知を行っていると、日々の変化に囚われがちです。例えば、弊社ではニュース
Pythonの仮想環境構築 2017.01版 - YAMAGUCHI::weblog
はじめに こんにちは、Python界のテリー・ギリアムです。こんな記事を見かけて、Pythonの開発環境を作るのが面倒という認識が広まるのは良くないなあと思って書きました。ただの突っ込み記事です。 qiita.com そのツールほんとに要りますか？ 出だしにこんなセクションタイトルがありました。 その仮想環境本当に必要ですか？ たしかに仮想環境要らないひとは要らないよねっていうのは同意です。その場合、入ってるPythonのsite-packagesにどんどんパッケージがインストールされるだけなので、手動で消せる人はそれでいいし、そもそもパッケージのバージョンとか知るかって人はそのままパッケージインストールすればいいと思います。 とはいえ、複数のプロジェクトでパッケージのバージョンがぶつかったら困る人とかいるし、そういう人は仮想環境を使うことになるでしょう。で、件の記事ではいろいろなツールを
【初心者向け】Jupyter+Pandas+matplotlibを使ったデータ分析入門 - Gunosyデータ分析ブログ
こんにちは、データ分析部でバイトをしている子田（id:woody_kawagoe）です。 ニュースパスのログを集計して分析するといった業務を行っています。Gunosyで分析に利用しているツールとしては主にJupyter, Pandas, matplotlibがあります。 この組み合わせは非常に相性が良く、研究でも役立つと思います。 そこで今回のブログではデータ分析に役立つtipsや学んだことをまとめます。 Jupyter Pandas matplotlab データ分析の基本的な流れ 参考資料 Jupyter jupyter.org ブラウザ上で利用できる開発環境です。 対話型で、作成したスクリプトと出力結果の対応関係が非常に見やすいです。 スクリプトでprint文をかかなくても最終行に変数おけば表示してくれます。 またgithub上にJupyterで作成できるipynbファイルを置くと他の
Boto3でEMR - /var/log/laughingman7743.log
最近HiveでETL処理とかするためにEMRをよくさわっています。Boto3からクラスタ起動したりステップ追加したりしています。 Boto2だとクラスタ作成時にセキュリティグループの設定等をapi_paramsに追加する形になり非常にわかりにくいです。 Boto3だとJSONライクな指定ができていろいろと捗ります。 日次でクラスタを起動してETL処理するようなスクリプトのサンプルです。AirflowでDAGを作って実行すると良いですね。 https://gist.github.com/laughingman7743/5c675c9b1d9ed02539e6 クラスタの起動 クラスタ起動時にステップも指定できますが、どうも追加される順序がバラバラだったりするので、起動してから順に追加するような形が良さそうです。 Hiveメタデータストアの指定 ConfigurationsにRDSの接続先を指
prompt_toolkit がアツい - methaneのブログ
とりあえず mycli と aws-shell のスクリーンキャストを見てください。 prompt_toolkit はこのようなリッチコンソールアプリを作るためのライブラリです。 Windows でも動きます。 Jupyter (ipython notebook) を切り離した、コンソール版の ipython も次のメジャーバージョンでは readline ベースから prompt_toolkit ベースに作りなおされています。 ipython 以外にも ptpython というシェルもあり、 ipython の各種 magic が不要な場合はこちらで十分でしょう。 https://github.com/jonathanslenders/python-prompt-toolkit#projects-using-prompt-toolkit には、他にも prompt_toolkit を採用
どうすればPythonをJuliaと同じくらい速く動かせるのか？ : 様々なやり方で計算の高速化を図る | POSTD
どうすればPythonをJuliaと同じくらい速く動かせるのか？ : 様々なやり方で計算の高速化を図る Julia対Python 科学技術計算には、Pythonなどの言語よりもJuliaを使った方がいいのでしょうか？ http://julialang.org/ に載っているベンチマークを見ると、どうしてもそんな風に思ってしまいます。というのも、Pythonなどの高水準言語は、スピード面で大幅に劣っているのです。けれども、これは私が最初に感じた疑問ではありません。私が気になったのは、「Juliaのチームが書いたPythonのベンチマークは、Pythonに最適なものだったのか？」ということです。 こういった多言語の比較について、私の考えを述べましょう。まずベンチマークというのは、実行するタスクによって定義されるものです。よって、そのタスクを実行するための最適なコードを、各言語に精通した人々が最
Locust.io
An open source load testing tool. Define user behaviour with Python code, and swarm your system with millions of simultaneous users. Define user behaviour in code No need for clunky UIs or bloated XML. Just plain code. Distributed & Scalable Locust supports running load tests distributed over multiple machines, and can therefore be used to simulate millions of simultaneous users Proven & Battle-te
Python文法詳解
Python Enhancement Proposals（PEP） 3138の執筆者でもある日本人著者が、プログラミング言語としてのPythonの文法や、組み込みのオブジェクトに焦点を絞って解説する書籍。最新のPythonを深く理解し、使いこなすために必要な基礎を知る1冊。シンプルさを特長とし、できるだけ機能を絞り、覚えやすく、使いやすい言語をモットーとしてきたPythonが、20年にわたる進歩の結果として得た高機能さと複雑さの中から、入門書やチュートリアルではあまり触れられないその内部や仕組みに関するトピックを盛り込んでいます。本書によって、最新のPythonを深く理解し、使いこなすために必要な基礎を知ることができるでしょう。 著者による正誤表 はじめに 第1章 イントロダクション 1.1 Python の特徴 1.1.1 読みやすさ 1.1.2 シンプル 1.1.3 高レベル言語 1.
Faker: The Python tool to generate localized random data • joke2k
A blog about technology, coding and other IT amenities. Faker�is a Python package that generates fake data for you. Whether you need to bootstrap your database, create good-looking XML documents, fill-in your persistence to stress test it, or anonymize data taken from a production service, Faker is for you. The python project is open-source�and hosted by�Github. Thanks to readthedocs for hosting t
逆引きPython | Nekoya press
INDEX コーディングスタイル ファイル操作 日付・時刻 その他 その他 .pycを作りたくない 環境変数PYTHONDONTWRITEBYTECODEを設定すると、.pycおよび.pyoファイルが作成されなくなる。値は何でもいいので、 export PYTHONDONTWRITEBYTECODE=1 などと書いておけばよい。 辞書（dict）のソート キー（key）の順に取り出す >>> score = {'Jack':300, 'Mike':200, 'Jane':100} >>> for (k, v) in sorted(score.items()): ... k, v ... ('Jack', 300) ('Jane', 100) ('Mike', 200) 値（value）の順に取り出す >>> for (k, v) in sorted(score.items(), key=l
Pythonで数値計算のコツ：for文書いたら負けかなと思っている – はむかず！
転職してから1年とちょっとが経ち、Pythonをメイン言語としてからも同じくらいが経った。最近やっとnumpy/scipyの使い方のコツがわかってきたと思うので、マサカリ飛んでくるのを覚悟でなんか書いてみようと思う。 転職して初めてPythonを使ったというわけではない（実際wafのwscriptとかは書いたことある）が、まあでもほぼ初心者同然だった。学習曲線でいうとPythonはすごく良い言語だと思う。Python本体の言語仕様については、わりとすぐに覚えることができた。だが一方、numpy/scipyについては、そう簡単ではなく習得するにはそれなりに時間がかかったと思う。 ケーススタディ たとえば\(N\times M\)行列\(B\), \( M\times L \)行列\( C \), \( M \)次元ベクトル\(a=(a_k)_{1\leq k \leq M}\)が与えられて
hueでロードバランシングできるようにしてみる : slog
2013年12月14日 22:41 カテゴリ hueでロードバランシングできるようにしてみる Posted by steelwool_oxide No Comments スチールです。この記事はHadoop Advent Calendar 2013の14日目の記事です。 13日目の記事はkmizumarさんの「cdh-twitter-exampleで遊ぶ」です。 さて今回はhueについて、ちょろっと手を加えてみたのでそちらについてまとめてみます。 hueはHadoop運用してる方にはおなじみだと思われる、WebのUIでHadoopが使えるというプロダクトです。 職場でも、運用には参加していないメンバーがhiveやImpalaを中心にこのhueを通して集計作業をしています。 そのhueのHAを組む記事が「High Availability of Hue」にあるので、そちらを元に環境構築の検証
pyenv+virtualenv環境の作成方法まとめマン - 256bitの殺人メニュー
はい、おつカレー様です。 桑野です。 最近暑いですね、カレーが捗りますか？ぼくは捗ってます。 最近PythonでWebアプリを書いたりもしているんですが、環境構築についてちょこちょこまとめておこうと思いまして書きます。 今日はpyenvの環境作成について、、、要するに自分メモですｗ pyenv Pythonでアプリやら、スクリプトやら使うのにpyenv環境、本番とかでもCentOS6でも使われるPythonは2.6系だったりして、3.3とか、2.7系を使いたい時にいちいちRPMビルドをしたくないし、Pythonのバージョンアップしたい時等、環境もわかりやすくなるし、ぐちゃぐちゃになったら作り直せるしpyenvは便利。 必要なパッケージのインストール。 $ sudo yum install vim gcc gcc-c++ make git openssl-devel zlib-devel r
Python for Data Analysis: The Landscape of Tutorials — Data Community DC
Python has been one of the premier general scripting languages, and a major web development language. Numerical and data analysis and scientific programming developed through the packages Numpy and Scipy, which, along with the visualization package Matplotlib formed the basis for an open-source alternative to Matlab. Numpy provided array objects, cross-language integration, linear algebra and othe
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
