週刊少年誌のデータで教材を作ったら文化庁のコンテストで入賞した
文化庁が提供するメディア芸術DBには膨大な量のマンガ・アニメ・メディアアート等の情報が格納されている そこで，約47年分の週刊少年サンデー・ジャンプ・チャンピオン・マガジンのデータを用いて，データビジュアライゼーションの教材を作成した 2022年2月13日に開催された第2回メディア芸術データベース活用コンテストのビジュアルクリエイション部門にて最優秀事例賞を受賞した ちょまどさんおよび関係者の皆様にたくさん宣伝して頂いた（ありがとうございます！） 作ったもの 概要 1970年7月27日から2017年7月6日までの約47年間分の四大少年誌（週刊少年サンデー，週刊少年ジャンプ，週刊少年チャンピオン，週刊少年マガジン）の掲載データを使ってデータビジュアライゼーションについて学ぶWebサイトを作成しました． データは文化庁，メディア芸術データベース（MADB Lab）のデータセットを用いました．M
PythonでAPIを爆速で構築してみた - Qiita
目次 1.はじめに 2.コーディング 3.コンテナ化 1. はじめに 友人に「PythonでAPIをサクッと作ってよ」と言われたのでシンプルなREST APIを作ってみた。 作ったものを渡すだけでなく作り方も教えて欲しいとのことなので、ここに記事として掲載する。少し手順書のような記載なため、初学者向けかもしれない。 Pythonと聞いて「Djangoでも使うか？」と思いつつも、よりサクッと感のあるフレームワークを探してみたところ FastAPIなるものがあり、今回はこれを採用してみた。 公式より引用 FastAPI は、Pythonの標準である型ヒントに基づいてPython 3.6 以降でAPI を構築するための、モダンで、高速(高パフォーマンス)な、Web フレームワークです。 FastAPI には Swagger UI と ReDoc の両スタイルのドキュメントを自動で生成してくれる機
DockerでSonarQubeを構築してPythonコードを解析する
DockerでSonarQubeを構築してPythonコードを解析します。 はじめに 先人たちの知恵をお借りするなどして解決できたことを、この場をお借りして感謝するとともに、大変恐縮ですが 自分のメモ として、こちらへまとめておきます。 0 検証環境 Windows 10 Pro 21H1 Docker 20.10.12 1 SonarQubeとは コード品質を継続的に検査するためのオープンソースで、ソースコードの静的分析により自動レビューを行うことができます。 機能としては、下記のようなものがあります。 バグの検出 bugs 重複コードの検出 duplications 脆弱性のあるコードの検出 vulnerabilities バグを誘発しそうなコードの検出 code smells カバレッジの計測 coverage また、コード品質の判定するために、自ら設定できる品質が良い状態かの閾値と
シンプルなPython3.9のDocker環境をマルチステージビルドしてスリムにする - Qiita
はじめに MIERUNEアドベントカレンダー22日目です！ いよいよ終盤ですね！ 今回はDockerのマルチステージビルドについてやっていきます！ いやいやGIS関係ないんかい！と思う方もいるかもしれませんが、そんなことはありません！ GISに関わるプログラミングをするときにPythonはもはや必須ですし、WebGISをやっていく上でDockerも必須です。 なのでまぁDockerの話題はほぼGISですね。 ということで早速やっていきましょう！ 作成するファイルはこちらに置いていますので、せっかちな方はご利用ください。 https://github.com/nokonoko1203/minimize-docker-image 必要なファイルを作成する まずは適当にディレクトリを作成しましょう！
Python開発者のためのセキュアコーディングのコツ10個 - Qiita
本記事は2021年9月27日に公開したPython security best practices cheat sheetを日本語化した内容です。 2019年、Snykは最初のPythonチートシートをリリースしました。それ以来、Pythonのセキュリティの多くの側面が変化しています。開発者向けセキュリティ企業として学んだこと、そしてPython特有のベストプラクティスに基づいて、Pythonのコードを安全に保つために、この最新のチートシートをまとめました。 【チートシート】2021年版Pythonセキュリティベストプラクティス 本記事では、下記に関するPythonのセキュリティに関するヒントを紹介します。 外部データを常にサニタイズする コードをスキャンする パッケージのダウンロードに注意 依存先パッケージのライセンスを確認する システム標準版のPythonを使用しない Pythonの仮
Pythonでの開発・CI/CDの私的ベストプラクティス2022
はじめに 2021年、Pythonで複数の暗号系ライブラリを開発してPyPIで公開してきました。その過程で、setuptools、flit、poetryと、幾つかのパッケージ管理をわたり歩き、GitHub上でのCI/CDも色々試す中で私的なべスプラが定まってきたので、2022年初に備忘録としてまとめておきます。 具体的には、pyenv、poetry、pre-commit、tox、GitHub Actions を活用し、低コストで（＝なるべく自動で）、高品質のプロダクトをPyPIにデプロイする方法・設定を共有します。個別のツールの記事はよく目にするのですが、開発ライフサイクル全体をカバーする記事がなかなか無かったので。 開発環境の整備 - pyenvで複数のPythonバージョンでの開発環境を整備 パッケージ管理 - poetry/pyproject.tomlでの一元的なパッケージ管理 静的
BLE(Bluetooth Low Energy)を人力で解析する - Qiita
はじめに この記事は『BLEってなんだろう？』というレベルの方が読み物として読むことと、『BLEの解析したいけどやり方わからんからググって見つけた』というようなレベルの方が方法を見つけるために読むことの二通りを想定しています。 前者の場合は初めから、後者の場合は BLEの概念またはBLEの解析から読んでいただくと無駄がないかもしれません。 BLEとは BLEとは Bluetooth Low Energyのことで、その名の通りより低電力で扱えるようにしたBluetoothの拡張の一つです。 従来のBluetooth(BLEと比較してBluetooth Classicと呼ばれます)よりも通信距離が短く通信速度もかなり劣りますが、ボタン電池で何年も動作するので、昨今のIoTブームでは引っ張りだこの技術になっています。 実際にあなたがAmazonやらIKEAやらで何かしらのIoT機器・遠隔操作がで
API Gateway + Lambda + DynamoDB でサーバーレスな API 作成
Serverless Framework を使って API Gateway と Lambda、DynamoDB を組み合わせた API の作成方法を説明します。 前提 Serverless Framework がインストール済みで、AWS のアカウント設定済みの前提で進めます。 実行環境の Serverless Framework のバージョンは 2.29.0 で、Lambda で使用する言語は Python 3.8 です。 作成する API 簡単な ToDo リストの API を作成します。作成する API は以下の 4 つです。 POST /todo : 新規ToDoリスト作成 GET /todo/{todoId} : ToDoの取得 PUT /todo/{todoId} : ToDoの更新 DELETE /todo/{todoId} : ToDoの削除 DynamoDB のテーブル作
DockerでPython実行環境を作ってみる - Qiita
使っているパソコンを変えても、開発環境を揃えたい時はDockerを使うと便利。ということでDockerでPython環境を作って色々なところで使いまわせるようにします。Tokyo AEC Industry Dev Groupというミートアップグループで行う（行った）ハンズオンワークショップの内容となっています。こちらDockerを初めて使う初心者用の記事となります。 ワークショップ自体は録画してYoutubeにアップしてあります。そちらもよろしければどうぞ。 Dockerとは Dockerとはシステム開発や運用に最近よく使われるコンテナ技術を提供するサービスの一つです。コンテナとは、アプリケーションの実行に必要な環境をパッケージ化して、いつでもどこからでも実行するための仕組みです。自分のコンピュータの環境を汚すことなく、隔離された環境を作ってそこでプログラムを動かすことができるのでトライア
【M1 Pro/Max対応】M1 Mac環境構築ベストプラクティス - Qiita
はじめに 2021/10/26にM1 Pro/Maxを搭載したMacBook Proが発売され、現在環境構築をされている方も多いかと思います。 一方で、Pro/Maxも含めたM1 MacはIntel Macと同じ方法でセットアップできないツールが多く、また公式未対応時のイレギュラーなセットアップ方法の記事がネット上に多く存在するため、どのセットアップ方法が正しいのか判断するのが非常に難しい状況となっています。 そこで今回、私が調べた範囲で現時点でのベストプラクティスと思われる方法をまとめてみました。 方法選択には主観も含まれているため、「こちらの方が良い！」という方法をご存じであれば、気軽にコメント頂けるとありがたいです 更新情報 本記事は2021/10/30時点での内容をベースとしています。 発売直後でベストプラクティスが固まっていない要素も多いため、情報が入り次第適宜記事を更新していこ
まだ anyenv (**env) 使ってるの？ asdf を使おう！
しかし、言語ごとにバージョン管理システムをインストールするのはめんどうだ。そこで、これらをまとめた anyenv というものがある。 このツールはとても便利で、筆者も利用していたのだが、一点、致命的な弱点がある。それは、ロードが遅い ことだ。 筆者は ndenv, rbenv, pyenv, phpenv の 4 種類を anyenv で管理していた。そして、シェル起動時にそれらをロードするようにしていた。 ロードするための設定を以下に示す。 # anyenv if [[ -s ~/.anyenv ]]; then PATH="$HOME/.anyenv/bin:$PATH" eval "$(anyenv init -)" fi # ndenv if [[ -s ~/.ndenv ]]; then PATH="$HOME/.ndenv/bin:$PATH" eval "$(ndenv in
Software Design連載 2021年9月号 「テストが無い」からの脱却 - MonotaRO Tech Blog
こんにちは、鈴木です。 「テストが無い」状態を脱却しました。 「いつの時代かよ！」と突っ込まれるかもしれませんが、モノタロウは創業から 20 年ほど EC をやっています。昨日書いたコードも、15 年前に書いたコードも、元気にビジネスを支えています。 本記事ではモノタロウの EC を支える API の話をします。「テストが無い」状態がスタートラインでした。そこから、CI を導入して、ローカル開発環境の整備して、テストコードを書いて、リリースマネジメントを導入しました。 目新しいことは書きません。長寿の大規模システムであっても、愚直に数年取り組むことで、「前進できる！」「変えられる！」という実例を書きます。 ※本記事の初出は、 Software Design2021年9月号「Pythonモダン化計画（第2回）」になります。第1回の記事は「Software Design連載 2021年8月号
Software Design連載 2021年8月号 Python製のレガシー＆大規模システムをどうリファクタリングするか - MonotaRO Tech Blog
Software Design連載開始 ※ (2021/09/02 08:55) 「Pythonを用いて開発を始めたのが2003年」を「Pythonを用いて開発を始めたのが2002年」に修正 こんにちは。金谷です。 このたび、モノタロウにおけるPython大規模開発に関する取り組みを、技術評論社様で発刊されている Software Design に連載させていただくことになりました。 モノタロウがPythonを用いて開発を始めたのが2002年。2021年の現在もPythonを用いた開発が続けられています。 事業の成長に伴い、関連するシステムやエンジニアの数も増え続けていくなかで、いかに安定的に価値を提供し続けられるのか。 モノタロウにおける取り組みを、開発や運用周りを通してご紹介していきます。 本記事の初出は、 Software Design2021年8月号「Pythonモダン化計画（第1
【2021】モダンなPython開発環境の紹介 - Qiita
📌 はじめに Pythonで開発を行うにあたり、リンタやフォーマッタ、パッケージマネージャ等のツールの選定は非常に重要な問題です。一方で歴史的な経緯もあり、沢山の選択肢から何を選ぶべきか情報がまとまっていないように感じました。この記事では2021年9月時点でモダンと言えるであろう開発環境を紹介します。基本的にはシェアが高いこと、著名なパッケージで使用されていることを主な選定理由としており、また特定のエディタに依存しないことを前提とします。 本記事で紹介する内容は一つのテンプレートに近く、必要に応じてカスタマイズするもよし、そのまま使ってもよし、として参考になればと思います。(CI/CDについてはPythonとは独立した問題なので触れません。またドキュメント生成はSphinxを推しますが、必須ではないので今回は割愛します。) 📄 要約 "モダン"な開発環境を箇条で列挙すると下記の通りです
地理空間情報を扱うなら知っておきたいPythonライブラリ、GeoPandas入門~基礎編~ | 宙畑
さまざまなデータを地理空間情報として重畳する上で有用なPythonのライブラリであるGeoPandas。前編ではGeoPandasを用いたデータの描画方法など基礎的な扱い方を紹介し、後編では衛星データと組み合わせて解析結果を可視化する方法を紹介します。 Pythonで地理空間情報を行う場合、GeoPandasの使い方を覚えておくととても便利です。 例えば、都道府県別の気象データを持っていたとします。そのテーブルデータ(csv)には地理情報と言えば、都道府県の名称くらいしかありません。このような場合、これを日本地図の上に重畳して可視化することはできません。 しかし、このデータに地図上に描画できる情報を与えることさえできれば、好きなデータを地図の上に重ねることができます。このようなことをしたい場合に、GeoPandasの使い方を知っておけば助けになります。 今回は、簡単な例を通じて、GeoPa
サーバーアプリ開発環境(Python／FastAPI) | フューチャー技術ブログ
Pythonでお仕事する前提で、現在のところで自分が最適と考えるチーム開発のための環境整備についてまとめてみました。今までももろもろ散発的に記事に書いたりしていたのですが、Poetryで環境を作ってみたのと、過去のもろもろの情報がまとまったものが個人的にも欲しかったのでまとめました。前提としては次の通りです。 パッケージ管理や開発環境整備でPoetryを使う 今時はコードフォーマッター、静的チェックは当たり前ですよね？ コマンドでテスト実行、コードチェックとか実行とかができる（CI/CD等を考えて） VSCodeでもコマンドで実行しているのと同じコードチェックが可能(ここコンフリクトすると困る） デプロイはDockerイメージ コンテナのデプロイ環境でコンテナに割り当てられたCPU能力を比較的引き出せて、スケールさせたら線形にパフォーマンスアップできるようなasyncioを前提とした環境構
pipとpipenvとpoetryの技術的・歴史的背景とその展望 - Stimulator
- はじめに - Pythonのパッケージ管理ツールは、長らく乱世にあると言える。 特にpip、pipenv、poetryというツールの登場シーン前後では、多くの変革がもたらされた。 本記事は、Pythonパッケージ管理ツールであるpip、pipenv、poetryの3つに着目し、それぞれのツールに対してフラットな背景、技術的な説明を示しながら、所属企業内にてpoetry移行大臣として1年活動した上での経験、移行の意図について綴り、今後のPythonパッケージ管理の展望について妄想するものである。 注意：本記事はPythonパッケージ管理のベストプラクティスを主張する記事ではありません。背景を理解し自らの開発環境や状態に応じて適切に技術選定できるソフトウェアエンジニアこそ良いソフトウェアエンジニアであると筆者は考えています。 重要なポイントのみ把握したい場合は、各章の最後のまとめを読んで頂
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
はじめに — 機械学習帳
GitHub - jupyterlab/jupyterlab-desktop: JupyterLab desktop application, based on Electron.
LLDBを活用したデザインチェック
