はじめに Pythonでキチンと型アノテーションを書くのであれば一度は読んでおきたいのがtypingライブラリの公式ドキュメントです。 前回の記事でも読んでくださいと(偉そうに)書いたわけですが、実のところこれは型アノテーションを解釈する側1に向けたドキュメントだったりもするのでアノテを書く側にとっては情報がごちゃごちゃしてるんですよね。加えて未翻訳の箇所もそれなりにあってま～～～～読みにくい。実際に読んでいただいた方々からの評判もすこぶる悪かったです。また 機能は分かったけど結局どんな時に使えばいいのか分からない という致命的なコメントも聞きました。 そこで今回はこれらの不満を解消すべく、公式ドキュメントを一般ユーザー向けに再編し具体的なユースケースを盛り込んだ非公式ドキュメントをご用意しました。 なおPython 3.10は2021年10月04日リリース予定ですが、先駆けてドキュメント

SRE-SET Automation Night #2 での発表資料です。 https://mercari.connpass.com/event/79046/ Ansible 2.5 正式リリース版は以下です https://www.slideshare.net/akira6592/ansible25nw-92031433Read less

現在、Rubyはデータサイエンス分野では使いにくいプログラミング言語です。その主な理由として、実用的に使える環境が存在しないことが挙げられます。この状況を変えるには、データサイエンスの全工程をRubyで実施できる環境を整備しなければなりません。本稿ではデータサイエンスでよく利用されるPythonのツール群をRubyから使用するための仕組みである「PyCall」を紹介します。 PyCall（GitHub） 1 はじめに 株式会社Speeeで研究者をしている村田です。現在はRubyをデータサイエンスで使えるプログラミング言語にするための仕事に取り組んでいます。 これまでRubyはデータサイエンスの仕事では役に立たないプログラミング言語でした。仕事で実用に耐えられるツールが無く、ユーザが増えず、開発者も集まらない悪循環が原因です。こうした悪循環を解消するには、実用的な道具や環境を早急に整備して、

[IT研修]注目キーワード Python UiPath(RPA) 最新技術動向 Microsoft Azure Docker Kubernetes 第89回　サーバーオペレーションUIとしてのJupyterの可能性 (中井悦司) 2016年5月 はじめに 前回は、JupyterとAnsibleを組み合わせることで、Notebook形式の「実行可能な手順書」を実現する方法を紹介しました。この時、従来の手順書のように、実行するべきコマンドを単純に並べて記載するのではなく、Jupyter独自の機能を活かしたオペレーションを実現することも可能になります。 今回は、プログラムコードを手順書に埋め込んで利用する、あるいは、コマンドの実行結果を表やグラフに表示するといった、Jupyterならではの新しいサーバーオペレーションの可能性を紹介したいと思います。 JupyterでサーバーインフラのAPIを操作

ブラウザが立ち上がり、Jupyterが立ち上がる. 実行したディレクトリの情報が表示される. おすすめの使い方として、~/notebookというディレクトリを作って、githubで管理するのがいいという話も. 現代のエンジニアのための強力なメモ帳 Jupyter notebookのすゝめ 実行したディレクトリには、.ipynbというファイルが作成される. ノートブックの実行は、右のメニューからPython3を実行する. 直感的にわかるように、Cellという単位ごとにプログラムを実行できる. また、Cellのタイプをマークダウンにすれば、間にメモを記入できる. そのほか、ノートの操作にはショートカットも用意されている. matplotlibの表示matplotlibは、グラフを作成してくれるpythonのライブラリ. jupyterで、matplotlibのグラフを表示するには、先頭に %m

はじめに Python入門系の記事では概して、Pythonのロギング機能の紹介で最初にlogging.debug()といったloggingモジュール付属の関数を呼ぶ方法を案内しています。 Python本家が提供するloggingの「基本チュートリアル」でもこの点で大差ありません。Python本家の基本チュートリアルでは、print()関数を使用する方法もロギングの手段として有効であるとし、タスクに応じてprint()やlogging.debug()を使いわけよう、という流れで記述されています。 コマンドラインスクリプトやプログラムで普通に使う、コンソール出力の表示 : print() そのような「基本」の説明の後「上級」チュートリアルになってようやく、Python言語付属のロギングメカニズムの説明が始まります。「上級」では4+1種類のデータ構造が紹介され、ここで「基本」で多用されていたlo

エキスパートPythonプログラミング改訂2版posted with カエレバMichal Jaworski,Tarek Ziade KADOKAWA 2018-02-26 Amazonで最安値を探す楽天市場で最安値を探すYahooショッピングで最安値を探す 目次 目次 はじめに subprocessによる複数子プロセス処理 concurrent.futuresによるマルチプロセス処理 Queueによる並行プログラミング 最後に 参考資料 MyEnigma Supporters はじめに 元々Pythonは、 そこまで処理速度が早い言語ではないので、 システムの処理速度を最適化したい場合は、 C++などで書き直した方が良いのかもしれませんが、 Pythonシステムをあと少し早くしたい時には、 並行処理プログラミングをしてみると、 効果があるかもしれません。 最近のコンピューターはマルチコア

勉強がてら Python の Flask で REST API を作ってみた。/users リソース以下にユーザの CRUD を作ってある。リソースの表現は JSON にした。 #!/usr/bin/env python # -*- coding: utf-8 -*- import json from functools import wraps from flask import Flask, jsonify, request, url_for, abort, Response app = Flask(__name__) # ダミーデータ (DB の代わり) id_index = 3 users = {1: {'id': 1, 'name': 'foo'}, 2: {'id': 2, 'name': 'bar'}} def consumes(content_type): def _con

NIC についてる IP アドレスとか MAC アドレスを調べるのって、自前でやるとかなり大変そう。 netifaces は、そんな大変そうなことを代わりにやってくれるモジュール。しかもプラットフォーム非依存。 インストールは pip (PyPI) から。 # pip install netifaces 論よりコードということで早速以下サンプル。 #!/usr/bin/env python # -*- coding: utf-8 -*- import netifaces def print_dict(d): for item in d or []: print '\t\t', for key, value in item.items(): print '%s: %s,' % (key, value), print '' def print_ifaces_data(): for iface_

# -*- coding: utf-8 -*- from __future__ import absolute_import, unicode_literals # テストする関数 def add(a, b): return a + b # テストコード 関数名はtest_ から始めるのがpytestでのお作法 def test_add(): assert add(1, 1) == 2 assert add(1, 2) != 2 >>> $ py.test ../tests/test_add.py =============================================================================== test session starts ================================================

Python の concurrent.futures はバージョン 3.2 で追加された並行・並列処理用のパッケージ。 似たようなパッケージにはこれまでにも threading や multiprocessing があったんだけど、これはそれよりも高レベルの API になっている。 デフォルトでスレッド・プロセスプールが使えたり、マルチスレッドとマルチプロセスがほとんどコードを変えずに使い分けられるメリットがある。 下準備 使う Python のバージョンが 3.2 未満のときは PyPI にあるバックポート版のパッケージをインストールする必要がある。 $ pip install futures ただし、今回使う環境は Python 3.5 なので関係ない。 $ python --version Python 3.5.1 $ sw_vers ProductName: Mac OS X P

皆さんこんにちは お元気ですか。私は元気です。 今日はPythonにおける便利記法を書いてみます。 他の言語しか使ったこと無い人もぜひ ※1/25間違いかと思われる箇所の加筆修正を実施 リストに関するイテレーション enumerate（インデックスとオブジェクトのループ） zip（同時に２つのオブジェクトでループ） yield（途中で一旦返す） for-else（forで途中で停止しない場合の条件） リスト内包表記 Collections Counter default dict（辞書のデフォルト値設定） Sort（ソート） sorted if文の書き方 Fileに関する処理（with） in（オブジェクトに存在しているかどうか） 関数について 返り値を複数返す。 関数のオブジェクト化 参考文献 リストに関するイテレーション enumerate（インデックスとオブジェクトのループ） enu

参考 1段ネストしたリストをflattenする方法 Making a flat list out of list of lists in Python - Stack Overflow 2段以上ネストしたリストをflattenする方法 Flatten (an irregular) list of lists in Python - Stack Overflow Right Foot In: More on python flatten 色々方法があるみたいなので書留め。 1段ネストしたリストをflattenするとは つまり、 l = [[1,2,3],[4,5,6], [7], [8,9]] を [1,2,3,4,5,6,7,8,9] にするということ。 reduceを使った方法 reduceを使ってリストを畳み込むことができる。 reduce(lambda x,y: x+y,l) 組込み

以前こんなエントリを書いたけど、こういったコードは自分で書かずに itertools を使うのが Python の定石っぽい。 1. 繰り返しを許さない組み合わせ itertools.combinations() を使う。 #!/usr/bin/env python # -*- coding: utf-8 -*- import itertools if __name__ == '__main__': l = [1, 2, 3, 4, 5] # 組み合わせ (1) # 繰り返しを許さない: 1,1 はない # 順序が違っても同じと見なす: 1,2 と 2,1 は同じ for element in itertools.combinations(l, 2): print(element) # 以下のコードと意味的に等価 ''' for i, iv in enumerate(l): for j,