Python for Data Analysis Chapter 4 - Qiita
NumPy Basics: Arrays and Vectorized Computation ndarray NumPyが提供するn次元配列オブジェクト Creating dnarrays #配列から作成 data1 = [6, 7.5, 8, 9] arr1 = np.array(data1) #多次元配列でも作成できる data2 = [[1, 2, 3, 4], [5, 6, 7, 8]] arr2 = np.array(data2) #pythonのrange関数 np.arange(10) #零ベクトル np.zeros(10) #零行列 np.zeros((3, 6)) #初期化しないで生成 np.empty((2, 3, 2)) #次元の確認 arr2.ndim #配列の形 arr2.shap #データ型の確認 arr1.dtype #データ型を指定して生成 arr1 =
Fluentd(td-agent)のインストールとPythonからの利用 - 偏った言語信者の垂れ流し
Fluentdを使おうと思って調べてる。 Fluentdを使うと、各種ログを集約したり、いろいろな出力先に振り分けたりが簡単にできる。 Rubyで実装されていて、gemでインストールすることができるけど、今回はRubyの実行環境も含めてパッケージ化されたtd-agentを使う。 GitHub - treasure-data/td-agent: This repository is OBSOLETE, check gh/treasure-data/omnibus-td-agent バージョンはUbuntu 12.04(precise)、Python 2.7、td-agent 0.10.35、fluent-logger-python 0.3.3。 ドキュメントがあるので、この通りでよさそう。 http://help.treasure-data.com/kb/installing-td-agen
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
ggplot2のPython実装ができてた
関数型志向Python - LLまつり2013
http://web-analytics-or-die.org/2013/07/pandas/
