showery さん プロフィール

  •  
showeryさん: showeryのBlog
ハンドル名showery さん
ブログタイトルshoweryのBlog
ブログURLhttp://hxn.blog.jp/
サイト紹介文システム開発時のメモ
参加カテゴリー
更新頻度(1年)情報提供32回 / 247日(平均0.9回/週) - 参加 2017/08/24 13:22

showery さんのブログ記事

  • 棒状図と折り線の複合チャート
  • import pandas as pdraw = pd.read_csv("birth.csv")rawOut[1]:yearbirthsbirth rate0200011905471.361200111706621.33220021153
    8551.323200311236101.294200411107211.295200510625301.266200610926741.327200710898181.348200810911561.379200910700351.3710201010713
    041.3911201110508061.3912201210371011.4113201310298161.4314201410035321.4215201510056561.46In [2]:import plotly# Jupyter内部で
    プロットするために、下記 [続きを読む]
  • 棒状図(値のラベル付き)
  • # import plotly as offline modeimport plotly.offline as offlineimport plotly.graph_objs as gooffline.init_notebook_mode()from skle
    arn.datasets import load_digitsimport pandas as pdimport numpy as np# dl the digits datadigits = load_digits()# 今回はlabelだ
    け使います.label = digits.targetN = label.shape[0]freq = np.zeros(10)for i in range(10): count = N - np.count_nonzero(lab
    el - i) freq[i] = [続きを読む]
  • SpotFileでパレート図を作る
  • ある学生の成績表は下記とします。 科目 成績 国語 85 地理 92 歴史 78 公民 65 数学 90 理科 83 外国語 73 体育 81 芸術 69 家庭 90 情報 88 パレート図を作成してみよう。※縦軸にカラム演算式「Sum([成績]) OVER (AllPrevious([Axis.X])) / Sum([成績]) OVER (All([Axis.X])) * 100」を追加して、パセーンテージを示す折り線を作成。但し、成績が高い方から降順で並び替えると [続きを読む]
  • pandas.DataFrame、pandas.Seriesに関する行・列の選択、抽出、処理、統計分析
  • ★行・列の選択、抽出★ pandasで特定の文字列を含む行を抽出(完全一致、部分一致)pandasで複数条件のand, or, notから行を抽出(選択)pandas.DataFrame, Seriesの重複した行を抽出・削除pandasのインデックス参照で行・列を選択し取得pandas.DataFrameの行・列を指定して削除するdroppandas.DataFrame, Seriesの先頭・末尾の行を返すheadとtailpandasの行・列をランダムサンプリング(抽出)するsamplepandas.DataFrame, Seri [続きを読む]
  • pandas.DataFrameの連結 / 結合
  • http://sinhrks.hatenablog.com/entry/2015/01/28/073327Merge, join, and concatenatehttp://pandas.pydata.org/pandas-docs/version/0.15
    .2/merging.html連結: データの中身をある方向にそのままつなげる。pd.concat, DataFrame.append結合: データ
    の中身を何かのキーの値で紐付けてつなげる。pd.merge, DataFrame.joinpd.concat ふたつの DataFrame の連結
    は pd.concat で行う ( DataFrame.concat ではない)。 import pandas [続きを読む]
  • pandas.DataFrame概要
  • pandasにはSeriesとDataFrameという2つのデータ構造があり、 Seriesは1次元配列に似ているのに対して、 DataFrameは2次元配列というかエクセルのようなスプレッドシートに似ている。Seriesは1次元配列でありながら、0からの整数だけでなく任意の文字列をインデックスとして使うことができる。DataFrameは行と列どちらも、0からの整数や任意の文字列をインデックスとして使うことができる。 ◆生成 pandasのDataFrameは pd.DataFr [続きを読む]
  • pandas.Series概要
  • pandasにはSeriesとDataFrameという2つのデータ構造があり、そのうちSeriesは1次元配列に似ている。インデックスは0から始まる整数だけでなく、任意の文字列にもできるので Pythonのディクショナリ(他の言語でいうと連想配列とかハッシュマップとか)にも似ているが、 SeriesはPythoのリストと同様に順序を保存する点がディクショナリとは異なる。◆生成Pythonのリストから簡単に生成できる。import pandas as pdsr = pd.Series([10 [続きを読む]
  • 行列計算に欠かせないNumPyの配列の基本
  • NumPyの配列の基本操作リスト型から配列を作るnumpy.array1次元配列はリスト型と似ていますが、全ての要素が同じ型である必要がある点が異なります。1次元配列は、下記のように「numpy.array」を使うことで、リスト型から簡単に作れます。a = np.array([1, 2, 3])また、1次元配列「a」のi番目の要素にアクセスするにはリストと同様に「a[i]」とします。a[1]ただしPythonでは、インデックスは0から始まるので、要素を順に「0番目」 [続きを読む]
  • pandasでcsvファイルの書き出し
  • https://note.nkmk.me/python-pandas-to-csv/panda.DataFrameまたはpandas.Seriesのデータをcsvファイルとして書き出したり既存のcsvファイルに追記したりしたい場合は、to_csv()メソッドを使う。pandas.DataFrame.to_csv ― pandas 0.22.0 documentationto_csvメソッドでcsvファイル書き出し、保存to_csv()の引数特定の列のみ書き出す: columnsヘッダー、インデックスありなし: header, indexエンコーディング: encoding区切り文 [続きを読む]
  • pandasでcsv/tsvファイル読み込み
  • https://note.nkmk.me/python-pandas-read-csv-tsv/csvファイル、tsvファイルをpandas.DataFrameとして読み込むには、pandasの関数read_csv()かread_table()を使う。pandas.read_csv ― pandas 0.22.0 documentationpandas.read_table ― pandas 0.22.0 documentationread_csv()とread_table()の違いheaderがないcsvの読み込みheaderがあるcsvの読み込みindexがあるcsvの読み込み列を指定(選択)して読み込み行をスキップ(除外) [続きを読む]
  • pandasで特定の文字列を含む要素を持つ行を抽出する方法
  • https://note.nkmk.me/python-pandas-str-contains-match/完全一致==部分一致str.contains(): 特定の文字列を含むstr.endswith(): 特定の文字列で終わるstr.startswith(): 特定の文字列で始まるstr.match(): 正規表現のパターンに一致する完全一致== を使うと、要素が文字列に完全一致するとTrueとなるpandas.Seriesを取得できる。df[df['state'] == 'CA']部分一致str.contains(): 特定の文字列を含むpandas.Seriesの文字列メソッ [続きを読む]
  • jupyter notebook Tips
  • Ctrl + Enter: セル内のプログラムを実行Shift + Enter: 下にセルを追加セルをダブル : セルを再度編集可能にするMatplotlib で出力したグラフをノートブック内に表示させることも可能です。先頭に、%matplotlib inline という行を記載する必要があります。各種テキストを Markdown 形式でメモとして残すことが可能です。エクスポート機能Jupyter のノートブックは .ipynb 形式のファイルとして保存し、他の PC で開くこと [続きを読む]
  • Shift_JIS と Windows-31J (MS932) の違い
  • https://weblabo.oscasierra.net/shift_jis-windows31j/Windows-31J と MS932 は同意である。 (統合された CP932 を指している)Windows-31J (MS932) は、Shift_JIS を拡張した文字コードである。Shift_JIS と Windows-31J では、当時 NEC と IBM が拡張した文字が追加されていることに違いがある。 (「NEC特殊文字」「NEC選定IBM拡張文字」「IBM拡張文字」が追加されている。) [続きを読む]
  • 生?管理系?构筑所必需的基?知?
  • 制造?的信息管理系?的核心是生?管理不同企?的“生?制造”方法不同所有相?利害部?的意?整合生?管理的4?信息必?可?化的??的判断借助IT将工厂的??共有化制造?的价???企??通?考?的SCM工程?是BOM的来源工程??化工具--PDM,PLM生?管理的全球化 [続きを読む]
  • 生?管理系?不是??的IT化
  • 生?管理系?是改善CQD的工具不准确的数据或者不清晰的??流程几乎必然?致??的?生???源和信息的充分活用是改善CQD的?匙必?站在企??体高度上?行系???不同的行?需要系?化的?象也不同control和management的不同生?管理的定?也因人而异系?化的注目点随行?而异??制造商着重??研?管理部件的制造和承包商最重?的是交期和成本跨国企?最?心的是卓有成效的SCM系??子零件的厂家??品的?效性和价格是 [続きを読む]
  • 怎?构筑成功的生?管理系?
  • 生?管理系?不是??的IT化全面掌握(俯瞰)生?管理系?所必需的基?知???客?真正需要的需求定?的要点利用及?准确的需求信息?行生??划的要点生??划的作成以及生??划?更的??MRP(物料需求?划)的理?和?践生?管理的核心数据BOM基于CQD的采?管理子系?的构建工程管理子系?的控制机能提升的方法基于生?管理的在?和在?管理工厂??和成本管理系?的注意点 [続きを読む]
  • 在庫
  • 在庫(ざいこ)とは、企業・商店などが加工や販売するために保有する原材料・仕掛品・製品あるいは商品などの財貨を指す。棚卸資産(たなおろししさん)の一部である。“在庫”というものは実体は1つしかありませんが、システム上では、MESとMRP/ERP、WMS、SCMなどいろいろなシステムの、いろいろな管理形態において、ダブって管理されています。 例えば、倉庫にある在庫はWMSで管理されています。「入庫日」や「ロットナンバー [続きを読む]
  • 在庫
  • 在庫(ざいこ)とは、企業・商店などが加工や販売するために保有する原材料・仕掛品・製品あるいは商品などの財貨を指す。棚卸資産(たなおろししさん)の一部である。“在庫”というものは実体は1つしかありませんが、システム上では、いろいろなシステムの、いろいろな管理形態において、ダブって管理されています。 例えば、倉庫にある在庫はWMSで管理されています。「入庫日」や「ロットナンバー」を基準に、場合によっては「 [続きを読む]
  • 製番管理
  • 製番管理とは、製造手配時に「製番」(オーダーを管理する番号)を付けることにより、計画・発注・出庫・作業指示など、「製番」をキーにしたリソースを確保し、履歴を管理します。それによって、所要量展開、工程展開、作業展開といったすべての計画に、この製番にひも付けたナンバーを振り、「いま、どの工程で、どの作業が行われているのか」を管理しやすくします。 製番管理の利点は、製造業務の進ちょく管理、仕掛管理などが [続きを読む]