pyenv-virtualenvとcondaを共存させる - Qiita
要約 色々な意見が飛び交っているが，condaのバージョンを古くしておけばうまく共存できる． このissueを読めばなんとなく解決する． はじめに pyenvはとっても便利なPythonバージョン管理ツールなので，新しいマシンでPythonを使うときにはまずpyenvを入れたくなる． pyenvは単体でも悪くないが，自分が本当にやりたいことは，例えば「とりあえずこのプログラムのために環境を構築してみて，何かあったときにはちまちま原因を探るのではなくとりあえず環境ごとぶっ飛ばす」とかなので，同じバージョンのPythonを複数の環境にインストールできてほしい． そこで，pyenv-virtualenvプラグインを用いて，pyenvのインターフェースでPythonの仮想環境を作れるようにする．venvとかvirtualenvとか，似たような名前の別人がたくさんいるので混同しないでほしい． ところ
Pythonでゼロから機械学習/データ分析を学ぶためのサイトマップ - プロクラシスト
データ分析ガチ勉強アドベントカレンダー 24日目。 当サイトでも、Pythonを使ったデータ分析や機械学習について、勉強しながらそれをアウトプットとして出すと言うかたちで、何個も記事を書いてきました。 記事数で言えば50とかそのくらいあるような気がします。 カレンダーも完成しつつあるので、個々では当サイトの総まとめとして、機械学習やデータ分析に触れたいという人がゼロから始めて触れられるように、記事をまとめていきたいと思います。 何か面白いことを勉強したい学生、就職までの勉強に、急に機械学習を使わなければならない社会人方々は、読んで見てください。 0. 環境構築 0.1. Pythonの導入 (Anaconda) 0.2. エディタ (Pycharm/VSCode) 0.3. バージョン管理 (Git) 1. Pythonの使い方(基本ライブラリ) 1.1. 数値計算 : numpy 1.2
Try Deep Learning in Python now with a fully pre-configured VM
New VM image — updated March 2018! I love to write about face recognition, image recognition and all the other cool things you can build with machine learning. Whenever possible, I try to include code examples or even write libraries/APIs to make it as easy as possible for a developer to play around with these fun technologies. But the number one question I get asked is “How in the world do I get
6 Best Python IDEs for Data Science in 2023
In this article, we’ll discuss six of the best IDEs for data scientists in 2023 Integrated Development Environments (IDEs) are coding tools that make writing, debugging, and testing your code easier. Many provide helpful features like code completion, syntax highlighting, debugging tools, variable explorers, visualization tools, and many other features. Notebook platforms provide similar benefits
Python Plotting for Exploratory Analysis
Python Plotting for Exploratory Data Analysis The simple graph has brought more information to the data analyst's mind than any other device. Contents Introduction Examples Bar Chart Histogram Scatter Plot Time Series Scatter Plot with Faceted with Color Scatter Plot with Points Sized by Continuous Value Scatter Plot Faceted on One Variable Scatter Plot Faceted on Two Variables Scatter Plot and Re
pyenvとanacondaを共存させる時のactivate衝突問題の回避策3種類 - Qiita
python環境構築決定版の補足です。 20180312追記 2017-12-20付けでリリースされたconda 4.4.0でconda activateが採用されたようです。 conda/CHANGELOG.md 現状では source activateが廃止されたわけではないようですが、conda activateが推奨されています。 最近dockerがこなれてきた (proxy越しwindows環境でもストレスを感じない)ため、pyenvを挟む必要性が減っており、私もdocker-anacondaに移行していますが、参考まで。 コメントで情報いただきました。 ありがとうございます。 pyenvとanacondaのactivate衝突問題とは? linuxやMacではpyenvを介してanacondaをインストールできます。 更に、anacondaで複数開発環境の切り替えをしたいケース
[Python] Joblibでお手軽並列処理 - Qiita
PythonはGIL (グローバルインタプリタロック)というものがかかっており、基本的にただコードを書いただけでは複数のCPUコアがある場合にそのリソースを全て使い切ることが出来ません。 しかし、大量のデータを処理する時などにはマシンのCPUリソースを全て使って出来るだけ高速に計算させたい時がありますね。 Python 並列処理などのキーワードで検索すると標準ライブラリによるmultiprocessingモジュールの解説がよく見られるので、こちらを利用されている方も多いのではないでしょうか。 がっつり並列処理を組み込んだシステムを作る際にはこちらのモジュールを使って作り込みたいところですが、書き捨てのコードを書くだけの時には正直ちょっと面倒です… そこで、よりお手軽にサクっと並列処理を実行出来るJoblibというモジュールについて紹介したいと思います。 コード量が減るのはもちろんのこと、他
![[Python] Joblibでお手軽並列処理 - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/72a3c498b59820a83e8130e47cfe84f78a20ba78/height=288;version=1;width=512/https%3A%2F%2Fqiita-user-contents.imgix.net%2Fhttps%253A%252F%252Fcdn.qiita.com%252Fassets%252Fpublic%252Farticle-ogp-background-412672c5f0600ab9a64263b751f1bc81.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTk3MiZoPTM3OCZ0eHQ9JTVCUHl0aG9uJTVEJTIwSm9ibGliJUUzJTgxJUE3JUUzJTgxJThBJUU2JTg5JThCJUU4JUJCJUJEJUU0JUI4JUE2JUU1JTg4JTk3JUU1JTg3JUE2JUU3JTkwJTg2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnR4dC1jb2xvcj0lMjMyMTIxMjEmdHh0LWZvbnQ9SGlyYWdpbm8lMjBTYW5zJTIwVzYmdHh0LXNpemU9NTYmcz03ZWY1MmMxZDBmZmNiNDM3ZmM1MTgwMGVlZmE0NWE0Yw%26mark-x%3D142%26mark-y%3D57%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZoPTc2Jnc9NzcwJnR4dD0lNDBZdWhzYWsmdHh0LWNvbG9yPSUyMzIxMjEyMSZ0eHQtZm9udD1IaXJhZ2lubyUyMFNhbnMlMjBXNiZ0eHQtc2l6ZT0zNiZ0eHQtYWxpZ249bGVmdCUyQ3RvcCZzPTQ1OWNiMmVkYTI2NzcxNmJlMDk3OTI3OGE1YWNmZmY5%26blend-x%3D142%26blend-y%3D486%26blend-mode%3Dnormal%26s%3Defb0e5ccbab27ec6327e36742bdb2e25)
Seabornの全メソッドを解説（その１：グラフ一覧） | 自調自考の旅
概要Pythonにはseabornという多機能で綺麗なグラフを描くライブラリがあります。このseabornの全メソッドの効果を検証したのが今回の記事です。サンプルデータとしてirisとtitanicを使って説明していきます。 #seabornはsnsという名前で使う import seaborn as sns if __name__ == "__main__": #irisデータをdfに格納 df = sns.load_dataset("iris") #titanicデータをdf2に格納 df2 = sns.load_dataset("titanic") メソッド一覧コンソール上でdir(sns)と入力すると、メンバの一覧が取得できます。その中でメソッドを抽出すると以下大量の77メソッドがあることが分かります。本記事（その１）では、誰もが気になる、グラフを書くためのメソッド（全24：水色塗
Python Dask で 並列 DataFrame 処理 - StatsFragments
はじめに 先日のエントリで少し記載した Dask について、その使い方を書く。Dask を使うと、NumPy や pandas の API を利用して並列計算/分散処理を行うことができる。また、Dask は Out-Of-Core (データ量が多くメモリに乗らない場合) の処理も考慮した実装になっている。 sinhrks.hatenablog.com 上にも書いたが、Daskは NumPy や pandas を置き換えるものではない。数値計算のためのバックエンドとして NumPy や pandas を利用するため、むしろこれらのパッケージが必須である。 Dask は NumPy や pandas の API を完全にはサポートしていないため、並列 / Out-Of-Core 処理が必要な場面では Dask を、他では NumPy / pandas を使うのがよいと思う。pandasとDas
GitHub - dodger487/dplython: dplyr for python
import pandas from dplython import (DplyFrame, X, diamonds, select, sift, sample_n, sample_frac, head, arrange, mutate, group_by, summarize, DelayFunction) # The example `diamonds` DataFrame is included in this package, but you can # cast a DataFrame to a DplyFrame in this simple way: # diamonds = DplyFrame(pandas.read_csv('./diamonds.csv')) # Select specific columns of the DataFrame using select,
Effective Pythonを読んで心に響いたこと - MyEnigma
Effective Python ―Pythonプログラムを改良する59項目posted with カエレバBrett Slatkin オライリージャパン 2016-01-23 Amazonで探す楽天市場で探すYahooショッピングで探す 目次 目次 はじめに Pythonのランタイムの種類 プライベート属性はアンダーバーを２つ先頭におく リストや文字列の空判定にlenなどは使わない mapやfilterよりもリスト内包表記を使う rangeよりはenumarateを使う オプションのキーワード引数は、位置ではなくキーワードで与えるとコードが読みやすい どんなクラスオブジェクトでも__dict__ですべてのフィールド辞書にアクセスできる Pythonコードのプロファイルを取るにはcProfileを使うと便利 参考資料 MyEnigma Supporters はじめに 以前、C++の名著Ef
Jupyterで日本語ラベルを使ったグラフを描画する - Qiita
IPython Notebook、デフォルト状態ではグラフ中の日本語ラベルが豆腐になるので設定ファイルで日本語フォントを指定して使っている人が多いと思う。しかしIPythonを3にアップデートしたらIPython NotebookがJupyterになり、日本語が再び豆腐になってしまった。 どうやら設定ファイルの構成が変わった様で、既存のProfileをそのまま使えなくなった。ipython_*_config.pyファイルは既存と同じ名前の物でもデフォルトの内容が変わっているので、Profileごと作り直した方が良さそう。 Jupyterの設定ファイル IPython 3.x系ではIPython 2.x系の ipython_notebook_config.pyがipython_kernel_config.py と ipython_notebook_config.py に分かれた模様。 Mat
Creating Excel files with Python and XlsxWriter — XlsxWriter
Creating Excel files with Python and XlsxWriter# XlsxWriter is a Python module for creating Excel XLSX files. (Sample code to create the above spreadsheet.) XlsxWriter XlsxWriter is a Python module that can be used to write text, numbers, formulas and hyperlinks to multiple worksheets in an Excel 2007+ XLSX file. It supports features such as formatting and many more, including: 100% compatible Exc
Jupyter Blog
Open Community CallWe want to see all the cool things you’re doing with Jupyter, so we’re holding an open call with the community for people to chat, and share their creations and work. Think of it as a “virtual JupyterCon”: It’s a place to announce and share fun things happening in the Jupyter community.
あなたのPythonを爆速にする７つの方法
最近プロコン（プログラミング・コンテスト）をはじめました。 基本的にはアルゴリズム勝負なのですが、とにかく速度を競うプロコンです。 小手先の速度チューニングもバカにできません。 何が速くて何が遅いのかはっきりさせるため、ボトルネックになりそうな操作のベンチマークを取りました。 実行環境は下記のとおりです。 python2.7.5 OS: MacOSX 11 CPU: Core i7 2GHz (4core) MEM: 16GB その1. 配列の初期化を高速化する まずはプロコンの基本中の基本、配列の初期化です。 下記７つの初期化方法を比較してみます。 空配列へappendして配列をつくる for内包表記で配列をつくる サイズ1(None)の配列を乗算してから値を代入する サイズ1(None)の配列を乗算する サイズ1(ゼロ)の配列を乗算する すべてゼロのarrayをつくる 0〜nのarra
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
Vega-Altair: Declarative Visualization in Python — Vega-Altair 5.1.2 documentation
PyCharm入門
ggplot | Documentation
Data Apps for Production | Plotly
Loading...
