PEP 8 – Style Guide for Python Code | peps.python.org
PEP 8 – Style Guide for Python Code Author: Guido van Rossum <guido at python.org>, Barry Warsaw <barry at python.org>, Alyssa Coghlan <ncoghlan at gmail.com> Status: Active Type: Process Created: 05-Jul-2001 Post-History: 05-Jul-2001, 01-Aug-2013 Table of Contents Introduction A Foolish Consistency is the Hobgoblin of Little Minds Code Lay-out Indentation Tabs or Spaces? Maximum Line Length Shoul
pyplot — Matplotlib 1.3.1 documentation
matplotlib.pyplot¶ Provides a MATLAB-like plotting framework. pylab combines pyplot with numpy into a single namespace. This is convenient for interactive work, but for programming it is recommended that the namespaces be kept separate, e.g.:
seabornでMatplotlibの見た目を良くする | note.nkmk.me
seabornはmatplotlibベースの統計データビジュアライゼーションライブラリ。 Seaborn is a Python visualization library based on matplotlib. seaborn: statistical data visualization — seaborn 0.6.0 documentation statisticalと銘打っているだけあって、統計的なデータをプロットするための機能がたくさん用意されているが、普通の折れ線グラフの見た目を良くするためだけにも使える。 import numpy as np import matplotlib.pyplot as plt import seaborn as sns sns.set() sns.set_style("whitegrid", {'grid.linestyle': '--'})
matplotlibをオブジェクト指向スタイルで使う その2 - minus9d's diary
前にmatplotlibをオブジェクト指向スタイルで使う - minus9d's diaryという記事を書きました。しかし、matplotlib によるデータ可視化の方法 (1) - Qiita および Why do many examples use "fig, ax = plt.subplots()" in Matplotlib/pyplot/python - Stack Overflow によると、plt.subplots()という関数を使うと、より簡潔に書けるようです。この記事ではplt.subplots()の例を紹介します。 なお、以下のコード片では、全て冒頭に import matplotlib.pyplot as plt import numpy as np と書かれているものとします。 一つの図に一つのグラフの場合 まず、一つの図と一つのグラフ領域を持つ絵を、私が前の記事で
Pythonらしいコードの書き方 - Kesinの知見置き場
はてなブログに移行して最初の記事はやはりPythonネタにしました。 はてなブログいいですね。デザインの編集がやりやすくなったのと、Markdownで書けるのが素晴らしいです。 PyCon 2013の動画を見ていたら、素晴らしい"Transforming Code into Beautiful, Idiomatic Python"という発表を見つけたのでそのまとめです。 今どきのPythonコードのベターな書き方を紹介しています。 Transforming Code into Beautiful, Idiomatic Python ... スライドはこちらにありました 結構長くなってしまったので、知ってる項目は読み飛ばしてもらえばと思います。 ループの基本 整数のループ まずは基本のループ。 Cのfor int i=0; i<6; i++をPythonで単純に書くとこうなります。 for
Python でファイルを直接イテレータとして使うのが適切でない場合 - methaneのブログ
Pythonでサブプロセスと対話する - 西尾泰和のはてなダイアリー Python のファイルは、通常のファイルの読み込みの効率を考えて大きめ(8192バイト)のバッファリングを行っているので、ソケット通信やパイプで問題になるケースがある。 問題になるケースの一つがファイルオブジェクトをイテレータとして使って行単位の処理をする場合で、 for line in fileobj: do_something(line) のようなコードを書くと、実際には fileobj の中にあるCのFILEから一気に読み込み、その中から改行文字を探して切り出していくので、8192バイト読み出せるかファイルの終端に到達するまでブロックしてしまう。 一方、 file.readline() は、改行を見つけるまで getc() を繰り返すか、(UnixでUniversal Newlineを使わない場合は)fgets
各種リテラルと内包表記について
Pythonのリスト内包表記はよく知られていますが、その他のオブジェクトについても内包表記と、直接記述する場合のリテラルについてまとめます。 ※Python3で導入された表記がPython2.7でも使えるようになっています。 リスト(list) よく知られたリスト内包表記です。 l1 = [0, 2, 4, 6, 8] # listリテラル l2 = [x*2 for x in range(5)] # list内包表記 print l1, l2 # -> [0, 2, 4, 6, 8] [0, 2, 4, 6, 8] タプル(tuple) タプルは内包表記がありません。一見、()で書ける内包表記があるようですがこれはジェネレータ式です。 t1 = (0, 2, 4, 6, 8) # tupleリテラル t2 = tuple(x*2 for x in range(5)) # tuple内包表
Python を速くする取り組み - methaneのブログ
速い Python 実装といえば PyPy が有名ですが、 Python 3 へのキャッチアップが遅い、 CPython が持っている Python/C API のサポートがまだ弱く遅い、などの欠点があります。 また、 Google の1年プロジェクトだった Unladen Swallow もありました。これは CPython をフォークして LLVM で JIT を実装するものでした。この fork 実装は終わりましたが、この時期まだ不安定だったLLVMへの貢献は大きく、（ちゃんとおってないので憶測ですが）現代LLVMを利用したJITを実装しているプロジェクトは全部間接的に Unladen Swallow の成果の上に成り立っていると言えるかもしれません。 終了した JIT プロジェクトといえば、 psyco もありました。これはベタに CPython の JIT を実装していましたが、
Cython
強力なライブラリを豊富に備え、科学計算から統計分析、金融工学まで利用が広がるPython。スクリプト言語とは思えない高速性の秘密が、NumPyやSciPyなどのPythonパッケージで広く使われているCythonです。CythonはPythonプログラムの実装を高速化するコンパイラであると同時に、C/C++で書かれたライブラリをPythonから利用できるようにするブリッジとしての役割も果たします。本書はPythonの表現力とC/C++の速さを備えたCythonを使って、高速なシステムを効率的に開発する手法を示します。科学技術計算や統計分析の分野では恒常的にある「Pythonを高速化したい」というニーズに応える一冊です。 はじめに 1章 Cythonの基本 1.1 Python、C、Cythonの比較 1.1.1 関数呼び出しのオーバーヘッド 1.1.2 ループ処理 1.1.3 算術演算 1
Quick Start - Spark 1.3.0 Documentation
Quick Start Interactive Analysis with the Spark Shell Basics More on Dataset Operations Caching Self-Contained Applications Where to Go from Here This tutorial provides a quick introduction to using Spark. We will first introduce the API through Spark’s interactive shell (in Python or Scala), then show how to write applications in Java, Scala, and Python. To follow along with this guide, first, do
Apache SparkのWebUI、いろいろ比較してみた
Sparkを実行できるWebUIをいくつか比較してみました。 対象としたのは下記の３つです。 Apache Zeppelin pyspark + Jupyter(iPython Notebook) spark-notebook Spark付属のSpark Web Interfaceは実行状況のモニタリングやRDDの状態が可視化されていて非常に便利なものなのですが、上記とは毛色が異なるため今回比較対象に入れていません。 Hueのnotebookやdatabricks cloudに関してはまた今度。。。 まずはそれぞれの概要を少しご紹介します。 Apache Zeppelin Apacheが作っているnotebook形式のWeb UIで、対話型実行ができます。 この記事を書いている時点での最新バージョンは0.6.0です。 Scala, Python, SQL(Spark), SQL(Hive)
1分くらいでpython3の変更点をざっくりと紹介する. - k4zy no blog
python3は後方互換性を捨てた事だけが一人歩きしてて，実際変更を知らない人が多い(自分も)ので， よく使う処理の周りだけざっくりと1分くらいでわかるようにまとめました． printの変更 printは"命令(文)"から"関数"に変更されました． ちゃんとカッコをつけましょう的な話です． 関数にすることでそれなりにメリットもあるそうですが，細かい話なので次いきます. print "hello world" print( "hello world" ) 文字コード周りの変更 2系にあった"8ビット文字列"と"Unicode文字列"は 3系で"str型(Unicode)"と"バイナリ型"に変更されました． 設計的にはわかりやすくて，良くなったっぽいですがエンコード周りでのハマりポイントがなくなったってわけではないような気がします． フォーマット文字列の変更 2系では print "Hello
とっても遅延評価なPython3 - ponkotuyの日記
はじめに Python2.x系は関数型言語としては、遅延評価が弱かったのだが、Python3から幾らかのBuilt-in Functionが強力な遅延評価機能を導入したのでちょっと見てみる。 filter Python2までは 文字列・タプル→そのまま それ以外→リスト を返していた（つまりそのまま評価されていた）のが、Python3からfilterオブジェクトを返すようになり、必要になるまで評価されない。 ちなみにこのfilterオブジェクトだが、あまり面白いことはできない。__getitem__が無いのでslice取れないし、__len__メソッドが無いのでlen()で長さを直接知ることはできない。 まぁlenに関しては、関数型言語では、長さを測る方法が意外に高コストなので、それと同じ事情と思われるが、しかしfilterした結果の長さとか割と使う機会多そうなので残念。 そういうことをし
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
Limit number of threads in numpy
Plotting dendrogram in Scipy error for large dataset
10 Minutes to Pandas — pandas 0.19.2 documentation
IPython kernels for other languages
Getting a map() to return a list in Python 3.x
http://glueviz.org/en/stable/
numpy.sort — NumPy v1.10 Manual