明日から広島旅行
明日から広島旅行に行きます。朝早いので今日の日記は簡素なものにさせてください。 backnumberとperfumeの対バンがあるので広島に行く形です。せっかく行くので、原爆ドームやピースウィングスタジアム等見てこようと思います。実は広島に行くのは初めてです。 少しの間子供を自分達の親に預けます。ちょっと寂しい。いい子にしててね。
72
1年前
投稿一覧
寝返
vs柏レイソル戦、最後よく追いつきましたね。勝たなければならない試合でしたけど、まあ負けなかっただけいいか…と思うことにしました。依然として残留争いは予断を許しません。残りの試合はガンバ大阪と浦和レッズ…厳しいなあ…頑張ってくれ…。 …とJリーグの話は置いておいて。子供が寝返りをしそうです。成長を感じて嬉しい一方、大変だと思ってしまいます。前より目を離せなくなりますし、スワドル（寝るときに着せる袋みたいなもの）も袖を外さないといけません。スワドルの袖がないと夜に寝てくれないことは以前にした実験から分かっています。実験から時間が経っているので袖がなくともよく寝てくれるようになっている可能性はありますが、まあそんなことはないでしょう。袖を外すのが怖いです。 おやすみなさい。
72
1年前
Linux上に構築した仮想環境をJupyterLabで動かす
準備：仮想環境の作成 JupyterLabで動かす仮想環境を作っておきます。以下では用意した仮想環境の名前を.venv313であるとし、作成した仮想環境と同じ階層にいるものとします。参考：uvコマンドの使い方 ipykernelのインストール 作成した仮想環境を有効化し、ipykernelをインストールします。 copy_all# 仮想環境を有効化する source .venv313/bin/activate # ipykernelを仮想環境にインストールする uv pip install ipykernel カーネルの作成 以下のコマンドを実行し、JupyterLab上で動かすカーネルを作成します。 copy_all# .venv313の仮想環境を有効化するカーネルを作成する # Python3.13(data_science)はJupyterLab上での表示名 python -m ipykernel --user --name .venv313 --display-name "Python3.13(data_science)" カーネルの再起動 仮想環境にパッケージを追加する等の変更を加えたりメモリのリセット（入力／出力の消去）をしたりする場合、カーネルの再起動をするとよいです。ページ上部タブの「カーネル」 > 「カーネルを再起動」から再起動ができます。 補足：カーネルの削除 不要なカーネルを削除する場合は、 copy_alljupyter kernelspec list でカーネルに対する一覧を表示して削除したいカーネルのパスを確認した後、 copy_allrm -rf <カーネルのパス> でカーネルが削除できます。
62
2ヶ月前
【pandas】データの代表値を求める
データの代表値をpandasで求める方法を紹介します。 計算する代表値 以下の代表値を計算します。 平均（相加平均） 中央値 最頻値 分散 標準偏差 四分位数 パーセンタイル 各代表値の説明は以下の通りです。 平均（相加平均） 全てのデータを足してデータの個数で割った値です。 $$ \begin{align} {\bar{x}} = \frac{1}{N}\sum\limits_{i}^{N}{x_{i}} \end{align} $$ 中央値 全てのデータを値の大きさの順に並べたときにちょうど中央に来る値です。データの個数が偶数であるときは中央に来る2つのデータの平均値を中央値とします。 最頻値 全てのデータの中で最も多く出てくる値です。 分散 各データが平均値から平均的にどのくらい離れた値を有しているかを、各データの平均値からの差分の2乗を平均することで評価した値です。 $$ \begin{align} s^{2} = \frac{1}{N}\sum\limits_{i}^{N}{\left(x_{i} - {\bar{x}}\right)^{2}} \end{align} $$ 標準偏差 分散の平方根をとった値です。 四分位数 全てのデータを小さい順に並べたときに、小さい方から全体の4分の1の位置に来るデータの値のことを第一四分位数、4分の2の位置に来るデータの値のことを第二四分位数、4分の3の位置に来るデータの値のことを第三四分位数といいます。第二四分位数は中央値と等しいです。 パーセンタイル 全てのデータを小さい順に並べたときに、小さい方から全体の$n$％の位置に来るデータの値のことを$n$パーセンタイルといいます。25パーセンタイル、50パーセンタイル、75パーセンタイルはそれぞれ第一、第二、第三四分位数と等しいです。 サンプルコード copy_allimport pandas as pd import numpy as np # サンプルデータを用意する data = { 'column': [3, 5, 6, 10, 6, 6, 20, 14, 1, 6] } df = pd.DataFrame(data) """ 代表値の計算 """ # 平均値 mean = df['column'].mean() # 中央値 median = df['column'].median() # 最頻値 mode = df['column'].mode() # 複数ある場合が存在するため、結果がSeriesとなる # 分散 variance = df['column'].var() # 標準偏差 std_dev = df['column'].std() # 四分位数 quartiles = df['column'].quantile([0.25, 0.5, 0.75]) # パーセンタイル（90パーセンタイルの例） percentile_90 = np.percentile(df['column'], 90) # 結果の表示 print(f"平均: {mean}") print(f"中央値: {median}") print(f"最頻値: {mode}") print(f"分散: {variance}") print(f"標準偏差: {std_dev}") print("四分位数:") print(quartiles) print(f"90パーセンタイル: {percentile_90}") 以下が実行結果です。 copy_all平均: 7.7 中央値: 6.0 最頻値: 0 6 Name: column, dtype: int64 分散: 31.34444444444445 標準偏差: 5.598610938835137 四分位数: 0.25 5.25 0.50 6.00 0.75 9.00 Name: column, dtype: float64 90パーセンタイル: 14.599999999999998
48
1ヶ月前
【FastAPI覚書】FastAPIを試す
環境構築 Python3.6以上のバージョンで仮想環境を作ります。今回はバージョン3.12で仮想環境を構築することにします。 copy_all# 仮想環境を構築 uv venv -p 3.12 .venv312 # 仮想環境を有効化 .venv312\Script\activate 作成した環境にFastAPIとUvicornをインストールします。Uvicornは高速かつ軽量なASGI（Asynchronous Server Gateway Interface）サーバーであり、Pythonの非同期WebアプリケーションとWebサーバー間の通信を標準化するためのインターフェース仕様を提供します。 copy_alluv pip install fastapi uvicorn これで最低限の環境構築は完了です。 エンドポイントと処理内容の記述 現在いる階層に以下の内容でmain.pyを作成します。 copy_allfrom fastapi import FastAPI # FastAPIのインスタンスを生成する app = FastAPI() @app.get('/') # FastAPIインスタンスにエンドポイントを紐づける def index(): # エンドポイントに対する処理の内容を記述する return {'text': 'hello'} エンドポイントの紐づけと処理を定義をどのファイルのどんな名前のFastAPIインスタンスにしたかはサーバーの起動時に必要になってきます。忘れないように控えておいてください。 サーバーの起動 以下のコマンドでWebアプリケーションを起動します。 copy_alluvicorn main:app --reload --port 8000 main:appはmain.pyのappインスタンスをWebアプリケーションとして起動する、という意味になります。--reloadをつけておくことでコードに変更が加えられてもブラウザ側が自動で変更を反映してくれます。--portではWebサーバーを利用するためのポート番号を指定します。 SwaggetUIによるWebアプリケーションの実行 http://localhost:8000/docsから作成したエンドポイントの一覧が確認できます。確認するだけではなく、定義したエンドポイントに対する処理を実行することも可能です。
47
1ヶ月前