Unit Testing in Maya – Chad Vernon
Unit testing is a valuable tool that a lot of studios fail to implement. Unit testing can save a great amount of time and energy (and therefore money) by allowing developers, tool writers, and even content creators to catch broken deliverables before passing them downstream in the pipeline. The lack of unit testing with TD’s is most likely due to one of the following: The person doesn’t know what
Pythonのダイナミックな型付け - Qiita
変数は値が代入されると同時に作成される 作成後に代入が行われた場合、すでに代入されていた値が新しいものに入れ替わる この場合、変数はすでに作成済みのため、新たに作成されているわけではない 型情報 変数自身は型情報を持たない 型情報を持つのは変数に対応する「オブジェクト」 変数は対応しているオブジェクト（その時点で代入されているデータ）へのリファレンスだけを持つ プログラム実行時の変数の扱い 対応するオブジェクトにすべて置換えられる 対応するオブジェクトがない変数は使用できない 変数とオブジェクトはメモリの別の部分に格納されリンクされる ガーベージコレクション 変数に新たなオブジェクトが代入された場合、それまで代入されていたオブジェクトは破棄され、そのオブジェクトが占めていたメモリ領域は開放される、このことをガーベージコレクションと呼ぶ 共有リファレンス
OpenCV3とPython3で特徴点を抽出する（AgastFeature, FAST, GFTT, MSER, AKAZE, BRISK, KAZE, ORB, SimpleBlob, SIFT） - Qiita
import cv2 # 画像ファイルの読み込み img = cv2.imread('img.jpg') # ORB (Oriented FAST and Rotated BRIEF) detector = cv2.ORB_create() # 特徴検出 keypoints = detector.detect(img) # 画像への特徴点の書き込み out = cv2.drawKeypoints(img, keypoints, None) # 表示 cv2.imshow("keypoints", out) 実行結果 ORBで特徴点を抽出し、特徴点を画像に重ね合わせると以下のようになりました。 人間の目では、手前の道路に立っている人が特徴点なのかと思ってしまいますが、コンピュータの目では、道路に立っている人はそれほど特徴的とは思っていないようでした。 ORB AKAZEで特徴点を抽出し、特徴
シンプルなコンテンツベースのレコメンデーション・エンジンをPythonで実装する | POSTD
ECサイト向けのレコメンデーション・エンジンを構築すると仮定しましょう。 構築する方法としては、コンテンツベースか協調フィルタリングを使用する2つの進め方があります。それぞれのメリットとデメリットを見てみましょう。そして、コンテンツベースエンジンを 簡単に実装する方法 について探りましょう(Herokuにデプロイ可能です)。 コンテンツベースを使用するとどのようになるのか先に知りたい方は、ほぼ同じレコメンデーション・エンジンが Groveの商品（紹介）ページで使用 されていますので、見てみてください。 コンテンツベースのレコメンデーション・システムはどのように機能するのか 商品説明や商品名、価格などの実際のアイテムプロパティなどが使用されるため、コンテンツベースシステムで構築されていると周りには思われているのではないでしょうか。これまで一度もレコメンデーション・システムの使用を検討したこと
Python のリファクタリングでイケてないコードを別に美しいオブジェクト指向設計ではない普通のコードにする方法 - Qiita
# ordersreport.py from collections import namedtuple Order = namedtuple("Order", "amount placed_at") class OrdersReport: def __init__(self, orders, start_date, end_date): self.orders = orders self.start_date = start_date self.end_date = end_date def total_sales_within_date_range(self): orders_within_range = [] for order in self.orders: if self.start_date <= order.placed_at <= self.end_date: orders
Jinja2の使い方がわかるとFlaskを用いた開発がよりスマートになる - Qiita
現在Flaskを用いてwebサービス的なものを作っているのですが、サーバーサイドからクライアントサイドに値を渡した後にJinja2の記法で詰まるときがよくあるのでメモしておきます。 概要 Flaskの使い方をちゃちゃっと紹介（インストール済みならばコピペで動作) Flaskの日本語版ユーザーガイドはあるけど、Jinja2のガイドは英語なのが厄介 Jinja2の構文を数種類紹介 基本的な構文を組み合わせた使用例を紹介 Jinja2を活用してクライアントサイドの記述をスマートにできる Flaskとは Python用のマイクロWeb開発フレームワークです。 RubyでいうところのSinatraといっても問題ないと思います。 Flaskのインストールや使い方は他にも色々記事があると思うのでここでは割愛します。 Flaskユーザーガイドのように日本語化されたガイドがあるのも嬉しいです。 Flaskは
Qt Designer の使い方 - Qiita
Qt Designer を使ってポトペタでウィンドウを作成しました。 そのときに調べたことをメモとして残します。 ツールバーの設定の仕方 ツールバーはウィンドウ上のコンテキストメニューの [ツールバーの追加] で追加できます。 最初はそこにツールボタンをドラッグ＆ドロップで配置するのかと思ったのですが違っていました。 ツールバーにボタンを配置するために、そのボタンに対応したアクションを作ります。 そのアクションをツールバーにドラッグ＆ドロップすることでボタンを配置できます。 アクションはアクションエディタの [新規] ボタンを押すことで作成できます。 ボタンに画像を表示する場合は、アイコンにリソースの画像を設定します。 ボタンに画像を設定する場合は、リソースとして画像を登録し、それを設定します。 ツールバーのボタンのイベント処理 ツールバーのボタンが押されたときのイベント処理を PySid
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。
Full Stack Python
Learn to Build, Deploy and Operate Python Applications You're knee deep in learning Python programming. The syntax is starting to make sense. The first few ahh-ha! moments hit you as you learn to use conditional statements, for loops and classes while coding with the open source libraries that make Python such an amazing programming ecosystem. Now you want to take your initial Python knowledge and
How to Build Your First Slack Bot with Python
Post updated by Matt Makai on December 13, 2017. Originally posted on June 04, 2016. Bots are a useful way to interact with chat services such as Slack. If you have never built a bot before, this post provides an easy starter tutorial for combining the Slack API with Python to create your first bot. We will walk through setting up your development environment, obtaining a Slack API bot token and c
機械学習のためのPythonの基礎「NumPy」を学ぶ - learning.ikeay.net
機械学習といえば「Python」です。なぜPythonなのかというと、数値演算や機械学習に関するライブラリがたくさん揃っているからだそう。行列がとても扱いやすいNumPy、グラフ描画が簡単にできるmatplotlib、機械学習のscikit-learnなどなど… 機械学習ではこの３つのライブラリを大いに活用します。 まずは今回はscikit-learnを使った機械学習ではかなり重要になってくる「NumPy」を学びます。 私はPythonもはじめてなのでまずはPythonの概要を把握しつつ、「100 numpy exercises」というNumPyを基礎から学べる問題集を写経して学習したいと思います。 環境構築 まずは環境構築です。詳しくは下記のリンクに飛んで確認いただきたいのですが、Macの場合は、Pythonのバージョン管理システムである「pyenv」と、分析環境を構築するのに便利な「A
pyvenvとは何か - Qiita
pyvenv とは 開発に必要なライブラリセットを、用途に応じて別々に持つ仕組み 使用例 １つの開発機で２つのプロジェクト(ProjectAとProjectB)を開発するケースの例 プロジェクトAでは、libray A の ver.1.0 と、library B のver.1.0 を使いたい プロジェクトBでは、libray A の ver.2.1 を使いたい 同じ開発機でプロジェクトAとプロジェクトBを開発したいが、それぞれの開発で環境を使い分けたい。 使い分ける理由の例 library A は ver違いをプロジェクトごとに使い分ける プロジェクトB ではlibrary B をインストールしたくない（不要なものをインストールして処理を重くしたくない、プロジェクトのコードと競合する、などの理由） 環境（必要なライブラリセット）を分けるためにpyvenvを使う pyvenv prj_a_e
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
編集距離 (Levenshtein Distance) - naoyaのはてなダイアリー
昨日 最長共通部分列問題 (LCS) について触れました。ついでなので編集距離のアルゴリズムについても整理してみます。 編集距離 (レーベンシュタイン距離, Levenshtein Distance) は二つの文字列の類似度 (異なり具合) を定量化するための数値です。文字の挿入/削除/置換で一方を他方に変形するための最小手順回数を数えたものが編集距離です。 例えば 伊藤直哉と伊藤直也 … 編集距離 1 伊藤直と伊藤直也 … 編集距離 1 佐藤直哉と伊藤直也 … 編集距離 2 佐藤B作と伊藤直也 … 編集距離 3 という具合です。 編集距離はスペルミスを修正するプログラムや、近似文字列照合 (検索対象の文書から入力文字にある程度近い部分文字列を探し出す全文検索) などで利用されます。 編集距離算出は動的計画法 (Dynamic Programming, DP) で計算することができることが
GithubにPythonのライブラリをあげてpipでインストールする | junion blog
概要 Githubで独自のPythonライブラリを管理して，pipでインストールができるようにする方法です． ディレクトリ構成 まずは，pipでインストールできる構成にするために，ディレクトリを以下のように構成します． pip_github概要 Githubで独自のPythonライブラリを管理して，pipでインストールができるようにする方法です． ディレクトリ構成 まずは，pipでインストールできる構成にするために，ディレクトリを以下のように構成します． pip_github_test |--pip_github_test | |--__init__.py | |--test.py |--README.md |--setup.py 各要素の説明 __init__.py pip_github_testがPythonライブラリであることを示すためのファイルです．中身は空でも良いのですが，ライブ
逆引きpytest - Qiita
Python その2 Advent Calendar 2015の11日目の記事です。 はじめに 本記事では、pytestを使用した際に得たTipsを逆引き形式でまとめている。 また以下のリポジトリに本記事の内容を含んだサンプルプロジェクト(Python3.5.0/pytest2.8.4で確認)を置いているため、合わせて参考にして頂ければ。 https://github.com/FGtatsuro/pytest_sample pytestの特徴 pytestはその名のとおり、Pythonで書かれたテストライブラリ。同様のライブラリとしては、unittestやnoseがある。 上記2つのツールに精通していないため、それらと比較した形での評価は下せないが、個人的には以下のような点が特徴的だと感じた。 独自のassertメソッド(ex. assertEquals)を定義せずに、Python標準のa
画像処理におけるフーリエ変換④〜pythonによるフィルタ設計〜
周波数とは振動数と同じで、単位時間にどのくらい振動しているかを表す指標です。単位は[Hz]で表されます。電力でよく60Hzとか50Hzとか聞くと思いますが、これは一秒間に信号が60回、50回振動しているという意味です。 上で述べた内容は1次元的な信号の場合ですが、画像のような2次元的な信号でも周波数を考えることができます。1ピクセル動いたときに、どのくらい画素が変化するかによって周波数を考えることができるのです。画素値の変化が大きいところは周波数大で画素値の変化が小さいところは周波数小です。
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
Pythonのビルトインオブジェクト - Qiita
VSCodeでPythonをデバッグする - Qiita
pip 7.1 で追加された constraints file の使いドコロ - Qiita
