YAMAGUCHI::weblog
こんにちは。本日3月13日を最終出社としてアマゾンウェブサービスジャパン合同会社を退職しました。 ※業務連絡: 私の退職に伴ってAWSにおけるデベロッパーアドボケイトのポジションがオープンになると思います。ご興味がある方はヘッドカウントを持っている（元）上司につなぎますので、お気軽にご連絡ください。コミュニティが好きで技術が好きな人にはとても楽しいポジションだと思います！ 2024年11月入社なので、1年半弱の在籍でした。転職から半年ちょっと様々なことが重なっていたため、転職直後から2025年7月くらいまでは半分くらい記憶がありません。入社直後にre:Invent 2024のためのさまざまなSlackチャンネルに入れられて、オンボーディング中でまだ会社のクレジットカードもない状況で、いきなりラスベガス行きの出張の手配をするところから始まって慌ただしかったことを覚えています。コミュニティマネ
何かを書き留める何か
Curriculum Vitaeと呼ぶには何かが欠けている気がするが気にしない。 各種アカウント Twitter 何だかんだ学生時代から続けている。ある意味20代の歴史である。 Mastodon 流行りだしたので作って放置していたが、一応生きている。 misskey.io にわかに流行りだしていたので作ってみた。 Bluesky 招待制ではなくなったので、とりあえず作る。 連絡方法 TwitterのDMはだれでも送信できるように設定してある。ただし、スパム扱いされた場合は通知が来ないので、気づかない可能性もある。 BlueskyのDMはだれでも送信できるように設定してある。 Mastodon、misskey.ioはほとんど見ていないため、気づかない可能性が非常に高い。 よって、TwitterまたはBlueskyでコンタクトを取り、適宜、適切な手段に移行する、となる。 翻訳 『Python
Python 3.6の概要 (その3 - async関連) - atsuoishimoto's diary
非同期ジェネレータ 現在のPythonでは、ジェネレータを使って、とてもお手軽にイテレータを作成できる。例えば、奇数列を生成するジェネレータは、次のように書ける。 def odds(): i = 1 while True: yield i i += 2 しかし、ジェネレータが存在しなかった頃のPythonでは、わざわざ__iter__メソッドなどの特殊メソッドを実装したクラスを定義し、 class Odds: def __init__(self): self._cur = 1 def __iter__(self): return self def next(self): ret = self._cur self._cur += 2 return ret などと書かなければならなかった。 Python3.5で導入された コルーチン は、イテレータと同様な概念として 非同期イテレータ をサポー
Python 3.6の概要 (その4 - クラス定義) - atsuoishimoto's diary
クラス定義のカスタマイズ これまで、Pythonのクラス定義をカスタマイズする手段として、メタクラスが使われてきた。しかし、メタクラスを利用したカスタマイズは、Pythonのオブジェクトモデルや型システムの知識が必要で実装が難しく、また複数のメタクラスを同時に使用するのが難しい、などの問題点があった。そこで、PEP 487 -- Simpler customisation of class creation では、メタクラスを使わずにクラスをカスタマイズする手段を提供している init_subclass() メソッド クラスのサブクラスが作成されたときに呼び出され、引数として、派生クラスと、クラス定義の引数が渡される。__init_subclass__()メソッドは、自動的にクラスメソッドとなる。 class Spam: def __init_subclass__(cls, **kwarg
Python 3.6の概要 (その5 - ファイルシステムパス プロトコル) - atsuoishimoto's diary
ファイルシステムパス プロトコル pathlib はPython3.4で導入されたが、pathlibで表現されるファイルパスは、 open() やos.path.* などの、既存のファイル操作関連関数では使用できないため、あまり便利には使えていなかった。 Python3.6からは、pathlib.Path などのファイルパスをあらわすオブジェクトに特殊メソッド __fspath__() が実装された。ファイル名を引数として受け取る、open() などの関数は、__fspath__()を呼び出して、ファイルパスを取得するように変更された。 >>> import pathlib >>> spam = pathlib.Path('./spam') >>> spam.__fspath__() 'spam' >>> open(spam, 'w') <_io.TextIOWrapper name='s
Python 3.6の概要 (その1 - f文字列) - atsuoishimoto's diary
f文字列 これまで、Pythonで文字列に変数を埋め込む方式にはいくつかあったが、ついに式を文字列中に直接記述できるようになった。 (PEP 498 -- Literal String Interpolation) 式を埋め込んだ文字列はf文字列(formatted string:フォーマット済み文字列)と呼ばれ、raw文字列の r と同じように、先頭に f を指定する f文字列は通常の文字列と同じようも使えるが、文字列内の {} で囲まれた部分は、Pythonの式として評価し、その結果を文字列として出力する。 >>> f'hello' # 式を含まないf文字列 'hello' >>> f'100+1={100+1}' # 式を評価 '100+1=101' >>> order={'spam':100, 'ham':200} >>> f'spam: {order["spam"]}, ham:
Python3.6の概要(その2 - 変数アノテーション) - atsuoishimoto's diary
変数アノテーション PEP 484 -- Type Hintsで導入された型ヒントが、モジュールのグローバル変数や、クラスのインスタンス変数などにも指定できるようになった。PEP 526 -- Syntax for Variable Annotations 変数の型アノテーションは、mypy などではコメントとして指定するようになっていたが、Python3.6以降では、正式なPythonの構文で指定できるようになった。 >>> SPAM:str = 'global spam string' # SPAM は str型グローバル変数 >>> class Ham: ... EGG: int = 100 # EGGはint型クラス変数 この例では、代入文で変数を作成するのと同時に型を宣言しているが、変数の値を指定せずに、変数の型だけでも宣言できる。この場合は代入文では使用せずに、 >>> SPA
APSchedulerを使ってBackground Jobを行ってみる |
Herokuで30秒以上かかるプログラム(メール送信、Push通知の送信 etc…)を実行させる場合はプログラムをバックグラウンドで実行させる必要があるのですが、APSchedulerというライブラリを使うと簡単に実装ができたので自分のためにメモしておきます。 Install まずは、APSchedulerをインストールします。 $ pip install apscheduler $ pip freeze > requirements.txt Coding 次にclock.pyを作成します。 例として平日はdo_workメソッドを呼び出して、休日はdo_restメソッドを日本時間の9時30分に定期的に実行するプログラムを書いてみます。 clock.py from apscheduler.schedulers.blocking import BlockingScheduler import
How to Scrape Javascript Rendered Websites with Python & Selenium
view-source:https://munchery.com/menus/sf/#/0/dinnerNotice that the data is wrapped by a <script> tag? That data is in JSON format and is rendered to HTML upon loading. We have the option to parse the JSON data, but let’s say we want to extract based on what we see or generated. Let’s write the steps on how we’d do that: Go to www.munchery.com. (be sure to check their robots.txt and terms before p
デジタル・フロンティア-Digital Frontier | DF TALK
2018/5/8 北米で公開されたCGアニメーション劇場用映画: 全作品リスト(1995-2017)より [メジャースタジオと独立系] 前回ご紹介したデータから、製作・配給体制別のシェアを算出してみました。一般的にメジャースタジオと呼ばれるのは、ウォルト・ディズニー・スタジオ、タイム・ワーナー（ワーナー・ブラザーズ)、コムキャスト（ユニバーサル・スタジオ... 2018/5/7 北米で公開されたCGアニメーション劇場用映画: 全作品リスト(1995-2017) CG部 海外事業開発担当の鈴木です。今回は趣向を変えて、CGの市場について当社が行っている調査をご紹介します。過去23年間（1995~2017年）に北米（アメリカ合衆国およびカナダ）で劇場公開された、CGアニメーション映...
Beginning AI
機械学習にどのようなPythonの知識が必要かは、Python機械学習プログラミングの監訳者福島 真太朗（ふくしま しんたろう）さんが以下のように述べられています。 Pythonの文法については、リスト、タプル、ディクショナリなどの基本的なデータ構造、forループ、print関数、zip関数、enumerate関数、関数やクラスの作成方法などが理解できていれば十分です。 thinkit.co.jp そこで今回はPythonで書かれた機械学習のコードを読めるように、リスト、タプル、ディクショナリなどの基本的なデータ構造、forループ、print関数、zip関数、enumerate関数、関数やクラスの作成方法について学んでいきます。 従ってこの記事は、Pythonを一度もやったことがなく、機械学習のためにPythonを学びたいという人向けです。 今回読み解くPythonコードについて 今回は題
高速化のためのPython Tips - のんびりしているエンジニアの日記
皆さんこんにちは お元気ですか？私は元気です。 Pythonにおける高速化手法を掲載してみます。 簡単なコード並びに索引のような感じで引けるようなイメージで作成しました。 本日の目次です。 Pythonにおける高速化の必要性 Pythonの高速化 高速化の手順 Profiling 基本的な条件 計測コード Pythonの基本的な書き方部分 rangeよりxrangeを（Python2.7） リストの生成 文字列結合 Import文のコスト 関数呼び出しのコスト ドットを避ける yieldを使う Numpyに関するTips Numpyを使用して基本演算を高速化する Numpyの要素にアクセスする演算をしない Numbaで手早く高速化 その他高速化ツール Cython Dask PyPy 感想並びに展望 参考文献 Pythonにおける高速化の必要性 PythonはC++やJavaと比較すると非
atsuoishimoto's diary
あたらしく自前のBlog https://aish.dev をつくりましたので、こちらはもう更新しないつもりです。 https://aish.dev は、自作のMiyadaiku というSSGを使い、Github actionを使ってGithub pagesで公開しています。 編集環境としては専用のJupyterLab環境を用意して、テキストを編集して保存すると自動的に確認用のページがビルドされ、編集が終わったらgit commit して git push すると公開される、というプログラマにはとてもフレンドリな環境になっています。giはJupyterLabの拡張モジュールから操作できますし、ブラウザ上のターミナルからも扱えます。 リモート環境ながらレスポンスは良好だし、Jupyter NotebookでBlogを書けるのがほんとに便利です。「fotolife記法」なんかの独自記法に悩まさ
3.3. Scikit-image: 画像処理 — Scipy lecture notes
3.3. Scikit-image: 画像処理¶ 著者: Emmanuelle Gouillart scikit-image は画像処理に特化した Python 画像ライブラリで、 NumPy 配列を画像オブジェクトをネイティブに扱います。この章では scikit-image を多様な画像処理タスクにどう利用するかや NumPy や Scipy などの他の Python の科学技術モジュールとの連携についても扱います。 参考 基本的な画像操作、たとえば画像の切り抜きや単純なフィルタリングなど、多くの単純な操作は NumPy や SciPy でも実現できます Numpy と Scipy を利用した画像の操作と処理 を参照して下さい。 この章を読む前に前の章の内容について慣れておく必要があります、マスクやラベルといった基本操作は準備として必要です。
Feedy(Python)でRSSフィードをいい感じに処理する - c-bata web
最近、RSSフィードをfetchしてゴニョゴニョ処理したいと思うことが多かったのですが、特に気にいるライブラリが無かった *1 のでFeedyというライブラリを作ってみました。 個人的には結構気に入っていて、便利に使えているので紹介します。 もともと欲しかった機能・特徴としては、 デコレータベースでシンプルに記述できる 当然、前回fetchした時間からの更新分のみの取得も可 RSSフィードのリンク先のhtmlも自動で取得して、好きなHTMLパーサ(個人的にはBeautifulSoup4)でいい感じに処理したい 具体的には↓のように記述します from feedy import Feedy feedy = Feedy('./feedy.dat') # 前回フェッチした時間とかを格納(Redisとかに自分で置き換えることも可能) @feedy.add('https://www.djangopa
Electron as GUI of Python Applications · Fleeting Years
Electron as GUI of Python Applications 21 Jun 2015 important notice Do NOT need to read this post. Please checkout the updated post for a better solution and a better explanation. what Electron (formerly Atom Shell) is a desktop node.js-powered “shell”. It is designed by Github and used to build Atom Editor. Python is a simple and powerful programming language. This post is a note about how to use
MyEnigma
ＬＩＦＥ ＳＨＩＦＴ（ライフ・シフト）―１００年時代の人生戦略 LIFE SHIFT ＬＩＦＥ ＳＨＩＦＴ２―１００年時代の行動戦略 LIFE SHIFT 目次 目次 はじめに ツイートメモ 参考資料 MyEnigma Supporters はじめに かなり面白かったので、 すぐにアクセスできるように、 関連ツイートをまとめておきます。 続きを読む 現場で使える！Python科学技術計算入門 NumPy/SymPy/SciPy/pandasによる数値計算・データ処理手法 目次 目次 はじめに SciPyのサブモジュール scipy.cluster: クラスタリング scipy.constants: 物理数学定数 scipy.datasets: データセット scipy.differentiate: 数値微分 scipy.fft: フーリエ変換 scipy.integrate: 数値積分 s
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
https://www.ploggingdev.com/2017/01/multiprocessing-and-multithreading-in-python-3//
https://sekailab.com/wp/2016/07/18/python-test/
サービス終了のお知らせ