Register as a new user and use Qiita more conveniently You get articles that match your needsYou can efficiently read back useful informationYou can use dark themeWhat you can do with signing up
![Finderのブラウズが異様に遅い時の対処方法3つ(Marvericks) - Qiita](https://cdn-ak-scissors.b.st-hatena.com/image/square/baf14fc0c82846745fababac64d64245c38344c1/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-9f5428127621718a910c8b63951390ad.png%3Fixlib%3Drb-4.0.0%26w%3D1200%26mark64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-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%26mark-x%3D142%26mark-y%3D112%26blend64%3DaHR0cHM6Ly9xaWl0YS11c2VyLWNvbnRlbnRzLmltZ2l4Lm5ldC9-dGV4dD9peGxpYj1yYi00LjAuMCZ3PTYxNiZ0eHQ9JTQwdGFrdWhpdG8taCZ0eHQtY29sb3I9JTIzMjEyMTIxJnR4dC1mb250PUhpcmFnaW5vJTIwU2FucyUyMFc2JnR4dC1zaXplPTM2JnR4dC1hbGlnbj1sZWZ0JTJDdG9wJnM9ZDRhNDE4MmI1NGQyNTc0NmFmYjM1ODIyMTRhMWE2NGM%26blend-x%3D142%26blend-y%3D491%26blend-mode%3Dnormal%26s%3D02876b12a5f0ef06110ea5d3359b426b)
PythonのJUnit系のテストライブラリ unittest についてご紹介します。 使い方 まずは最もベーシックな使い方から。 最小の流れは次のようなものになります。 unittest ライブラリの読み込み unittest.TestCase を継承したクラスの中にテストケースを書く unittest.main() でテストを実行する ことばで聞くよりコードを見るのが早いので、例を見てみます。 # unittest ライブラリを読み込んでおく import unittest # テスト対象の関数 def factorial(n): """factorial function""" if n < 2: return 1 return factorial(n - 1) # テストケースをまとめたクラス # メソッド名が test で始まるメソッドがひとつのテストとなる class Fact
doctest docstring 内に書ける。凡例として使える。 使い方 doctest を import し、docstring 内で以下のように書き、doctest.testmod() を呼ぶ。実行する際は python ${ファイル名}.py -v とする。 サンプルコード # -*- coding: utf-8 -*- import doctest def twice(n): """ 引数を 2 倍して返す関数 >>> twice(8) 16 >>> twice(1850923) 3701846 """ return n * 2 if __name__ == "__main__": doctest.testmod()
Pythonでパッケージを作って、PyPIに登録した時の作業メモ なお、今回はコマンドラインツールを作りました PyPIに登録することによってpipでインストール出来るようになります ディレクトリ構成 ├── README.md ├── requirements.txt ├── setup.py └── src ├── __init__.py └── hoge.py ファイル詳細 requirements.txt、src/init.py touchで作った空ファイルです README.md github用 src/hoge.py 実装したパッケージのソースコード 今回はコマンドラインツールなので、main関数に実行する処理を記述しておきました setup.py パッケージを登録する際に必要な情報を記載します # -*- encoding:utf-8 -*- from setuptools
webサイトのログ分析のような、「疎」なデータをいじっていると、大体 *分布なんだけど0のデータが多すぎるよん、という事はよく有る。そういう時は、zero inflated * distribution というのの出番らしい。 これは、要するに、0に確率が集中したデルタ分布と、普通の ** 分布との混合分布で、EMアルゴリズムで最尤推定出来る。 参考文献:Murphy, Kevin P. Machine learning: a probabilistic perspective. MIT Press, 2012. の、Chap.11 zero inflated geometric distribution の例 ソース num <- 1000 eps <- 0.3 prob <- 0.2 z <- ifelse(runif(num) < eps, 1, 0) y <- ifelse(z==
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