Pythonでパワポの説明資料（報告書）を生成する - Qiita
Pythonでパワポの報告書を生成する この記事の対象者は以下のような人である。 パワーポイントで説明資料を作って偉い人に報告する人 何を思ったか偉い人（経営層）がマイクロマネジメントに目覚めて毎日報告しろと言われている人 ディープラーニングの学習進捗を毎日報告しなければいけない人 あらまし だいたい上記で察すると思うが、偉い人がマネジメントの病に憑りつかれ、 毎日データを報告しなければならなくなった人を想定している。 しかも、紙媒体で報告するのにパワーポイントで作成しなければならないという縛りつきである。 余談であるが、こういった状況はペーパーレスブームの際にパワーポイントで説明する文化が出来上がったものの、機材や場所の都合でプロジェクターでの説明が減り、パワーポイントの資料作りだけが残ったものと思われる。 ※ なお、上記のような状況はフィクションであり、実在の企業や団体とは関係ないと信
忘れがちな＆間違えがちなPythonデフォルト機能メモ - MyEnigma
エキスパートPythonプログラミング 改訂2版 (アスキードワンゴ)posted with カエレバMichaｌ Jaworski,Ｔａｒｅｋ Ｚｉａｄｅ,稲田 直哉,芝田 将,渋川 よしき,清水川 貴之,森本 哲也 ドワンゴ 2018-02-26 Amazonで探す楽天市場で探すYahooショッピングで探す 目次 目次 はじめに printの表示フォーマット __str__ メソッド クラス変数 パッケージの下のモジュールのインポート 集合型(Set)の使い方 ジェネレータ リスト内包表記でfilter 複数代入 その他便利機能 参考資料 MyEnigma Supporters はじめに いつも忘れて、ググったり、 長い間上手く使えていなかった Pythonのデフォルト機能をメモとしてまとめておきます。 これらの機能は主に下記の資料を元に勉強しました。 Python 3入門 (全31回
覚えるだけでPythonのコードが少し綺麗になる頻出イディオム - タオルケット体操
まえがき 今年の春から今まで、2年ぶりにPythonを沢山書いているわけなんですが、JavaScriptのクソに頭をやられて久しぶり書くだけあって基本的なところから色々と頭から抜け落ちていたわけです。 そんで何か思い出すたびに会社のwikiを使ってメモっていたのですが、せっかくなので少々訂正をしてブログにも書きます。 また、弊社はPython2を使っているので、2が前提の記述になっているところがいくつかあります。なるべくフォローしていますが、参考にする場合は自分が使っているバージョンを確認することをおすすめします。 また、今から新しくPythonでプロジェクトを始めようと思っている人は3系を使いましょう。 知ってる人は当然知ってる、でも結構長いことPythonを書いてても知らなかったりするような小技を載っけました。 なお、メタプログラミングとかの黒魔術っぽい記事のまとめはこちら: hach
Pythonの入門書としても使える『言語処理のためのプログラミング入門』 - StatsBeginner: 初学者の統計学習ノート
Python及びテキストマイニングの超初心者向け入門書として 友人と週１回ペースで行っている統計＆プログラミングの勉強会で、以前、Pythonの入門書は何がいいだろうかと考えて本書を取り上げました。当時ブログにはまとめていなかったのでまとめておきます。 言語研究のためのプログラミング入門: Pythonを活用したテキスト処理 作者: 淺尾仁彦,李在鎬出版社/メーカー: 開拓社発売日: 2013/06/25メディア: 単行本この商品を含むブログ (3件) を見る 本書はほんとにプログラミングというものに全く触れたことがない人向けのものなので、内容はちょっと簡単すぎた感もあるのですが、勉強会ではRばかりやってきてPythonには皆慣れているわけではないし、テキストマイニングの入門という意味もこめて一応やりました。初心者でもすぐ理解できる内容なのでさっさと終わらせようと思い、１回２章ずつのペース
言語処理100本ノック with Python（第1章） - Qiita
はじめに 自然言語処理と Python のトレーニングのため，東北大学の乾・岡崎研究室 Web ページにて公開されている言語処理100本ノックに挑戦していきます．その中で実装したコードや，抑えておくべきテクニック等々をメモしていく予定です．コードについてはGitHubでも公開しています． 教科書は『Python入門 2&3対応（細田謙二ら著，秀和システム）』を使用しています． スタートアップに際して参考にさせていただいた記事をご紹介いたします．参考にしすぎてる感も否めないので，不快に感じられたらご連絡ください． http://qiita.com/tanaka0325/items/08831b96b684d7ecb2f7 ズブの素人なので記法が統一されてなかったり，Python 2/3 関係が混在していたりと大変お見苦しいのですが，ご指摘いただければ幸いです．実行環境自体は Python 2
（インターン向けに書いた）Pythonパッケージを作る方法 - Qiita
この記事は何？ Pythonパッケージの作り方を説明する Pythonパッケージを作るときに意識して欲しいことを説明する この記事はポエムです これまでのあらすじ インターンを迎える予定なのですが、彼らはパッケージを作ったことがないそうです。 一方で、企業としては、パッケージ化までしてくれないと、実務に使うまで時間がかかってしまって大変です。 そこで、社内向けに「Pythonパッケージの作り方」という文書を書きました。これをインターンの人に読んでもらっていい感じのパッケージを作ってもらうぜ！という都合の良い目論見です。 しかし、 私もいままでパッケージ化のノウハウをきちんと体系的に勉強したわけではないので、イマイチ不安です。そこで、Qiitaにポエム投稿して、ポエム修正をしてもらおうと思ったわけです。 ところどころ日本語が変なのはご容赦ください。日本語に不自由してます。1 この記事を読む人
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
Excelで佐々木希を描く with python - Qiita
【環境】 windows8.1 Excel 2013 python2.7 opencv3 【概要】 佐々木希の写真から色の情報を取得して、Excelのセルに塗りつぶします。 【フォルダ構成】 |---sasaki_excel |---sasaki_excel.py |---sasaki_nozomi.jpg（佐々木希の画像） |---sasaki_nozomi.xlsx（描画用のエクセル） こちらの画像を使用しました。 【プログラム】 # -*- coding:utf-8 -*- import cv2 from openpyxl import load_workbook from openpyxl.styles import PatternFill # 画像読み込み image = cv2.imread("sasaki_nozomi.jpg") # エクセルファイル読み込み wb = lo
【ディープラーニング】10時間でChainerの基本を身につける - あれもPython,これもPython
ディープラーニングは色々な知識が必要です。 「チュートリアル動かしました」で止まったままの人も多いでしょう。 そこで、自分がchainerを理解しながら動かした時の方法を書きます。 大前提 とは言ったものの、誰でも入門は無理なので。 以下が最低限の前提です。 数学:微分積分、行列、確率とか聞いても「ああ、あれね・・・」くらいには思う IT:Pythonがそれなりに分かる。numpyはそこそこ分かる。 機械学習:説明変数とか、目的変数とか分類とかが何となく分かる やる気:引っかかった時に、調べる気力がある ゴール chainerを自分で色々試せるレベルになる。 あくまで試せるレベルになるだけです。 それでも千里の道も一歩からです。 一緒に頑張りましょう。 ちなみになぜchainerか、というと、 入門者が触るには、バランスは良さそうに見えたからです。 最初の最初 ディープラーニングは歴史から
numpy/scipy/pandas/matplotlibメモ | mwSoft
pandasでいろいろplot 概要 pandasとmatplotlibの機能演習のログ。 可視化にはあまり凝りたくはないから、pandasの機能お任せでさらっとできると楽で良いよね。人に説明する為にラベルとか色とか見やすく出す作業とか面倒。 @CretedDate 2014/09/25 @Versions python 2.7.6, pandas0.14, matplotlib1.4.2 DataFrameをplot DataFrameに対してplot()と書くだけで概ね描画できる。 とりあえずimport。 %pylab import pandas as pd import numpy as np from matplotlib import pylab as plt 3つのカラムを持つDataFrameをplotしてみる。 df = pd.DataFrame( [ [0, 1, 2]
PythonでPandasのPlot機能を使えばデータ加工からグラフ作成までマジでシームレス - Qiita
Pandasのグラフ描画機能 この記事ではPandasのPlot機能について扱います。 Pandasはデータの加工・集計のためのツールとしてその有用性が広く知られていますが、同時に優れた可視化機能を備えているということは、意外にあまり知られていません。 この機能は Pandas.DataFrame.plot() もしくは Pandas Plot と呼ばれるものです。 Pandas Plotを使いこなすことが出来るようになれば、 データの読み込み、保持 データの加工 データの集計 データの可視化 というデータ分析の一連のプロセスを全てPandasで完結させることが出来る、つまり分析の「揺りかごから墓場まで」を実現することが出来ます。 Pandasのプロット以外の機能について この記事ではPandasのデータハンドリングなどに関わる機能は説明しません。 そちらにも興味がある方は下記の記事などを
Pythonで書ける便利な書き方を紹介します。 - 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。 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
■点列の補間 - eizoo3010の日記
2015-11-08 ■点列の補間 Python ql R ある点列があってその間の値をどうにかして求めるいわゆる内挿を行いたい。できれば外挿まで簡単にできると嬉しい。線形補間やスプライン補間ぐらいだったらscipy初めいろんなライブラリに実装されているけど、他の補間方法を使いたい時もある。そんな時に以下のコードが役に立つかもしれない。 import QuantLib as ql import numpy as np import matplotlib.pyplot as plt def interpolate(x, y, target, type): funct = type(x, y) return map(lambda target_: funct(target_, True), target) if __name__ == '__main__': dict = {"Backward
pythonで美しいグラフ描画 -seabornを使えばデータ分析と可視化が捗る その1 - Qiita
Pythonでのグラフ描画 Pythonチャートを描く場合の定番は「matplotlib」ですが、その見た目のやや野暮ったい感じと、表記法のややこしさが指摘されています。 そこで、この記事ではMatplotlibの機能をより美しく、またより簡単に実現するためのラッパー的存在である、「Seaborn」の使い方を取り上げます。 ◆ Overview of Python Visualization Tools http://pbpython.com/visualization-tools-1.html 上記の記事ではMatplotlibとSeabornについて下記のように書かれています。 matplotlibについて Matplotlib is the grandfather of python visualization packages. It is extremely powerful b
Pythonにおけるプロファイリング ― コードの高速化のために | POSTD
ここHumanGeo社ではPythonを使うことが多く、それは極上の楽しみでもあります。美しく機能的なコードを短時間で記述するのにPythonはうってつけで、私個人にとっても一押しの言語です。仕事に限らずプライベートでも使っています。そんな素晴らしいPythonですが、欠点がないわけではありません。それはあまりにも遅いことです。幸いPythonには、コードをプロファイリングするための優れたツールがいくつかあるので、コードの美しさと速さを共存させることができます。 HumanGeoで働き出した頃、実行に長時間を要すプログラムのボトルネックを探り、何とかしてそれを速くさせるという仕事を担当しました。その内容は、 cProfile や PyCallGraph （ ソース ）、はたまたPyPy（高速なPython用代替インタプリタ）などの各種ツールを使って、プログラムを最適化するためのベストな方法
あなたのPythonを爆速にする７つの方法
最近プロコン（プログラミング・コンテスト）をはじめました。 基本的にはアルゴリズム勝負なのですが、とにかく速度を競うプロコンです。 小手先の速度チューニングもバカにできません。 何が速くて何が遅いのかはっきりさせるため、ボトルネックになりそうな操作のベンチマークを取りました。 実行環境は下記のとおりです。 python2.7.5 OS: MacOSX 11 CPU: Core i7 2GHz (4core) MEM: 16GB その1. 配列の初期化を高速化する まずはプロコンの基本中の基本、配列の初期化です。 下記７つの初期化方法を比較してみます。 空配列へappendして配列をつくる for内包表記で配列をつくる サイズ1(None)の配列を乗算してから値を代入する サイズ1(None)の配列を乗算する サイズ1(ゼロ)の配列を乗算する すべてゼロのarrayをつくる 0〜nのarra
pythonのOpenCVでリアルタイムに笑い男 - Blanktar
2016-01-11 追記HTML5版もあります。併せてどうぞ。 先ほどの記事から何だか調子に乗ってしまってリアルタイムな笑い男を作ってみた。 組み合わせればリアルタイムにモザイクももちろん出来るはず。眠いからやらないけれど。 今回はpillowを使わずにOpenCVとnumpyだけでやってみました。 そのせいで合成まわりが面倒くさくなってしまった感じ。素直にpillow使えばよかったかもしれない。 笑い男の画像はぐぐって拾ってきてください。透過pngなら何でも動くはず。多分。 0: for rect in faces: rect *= 4 # 認識を4分の1のサイズの画像で行ったので、結果は4倍しないといけない。 # そのままだと笑い男が小さくって見栄えがしないので、少し大きくしてみる。 # 単純に大きくするとキャプチャした画像のサイズを越えてしまうので少し面倒な処理をしている。 rec
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でChromeを操作する
http://org-rabo.com/python_content_syosinnsya/
PuLP による線型計画問題の解き方ことはじめ - Qiita
