Python

base64モジュールの関数は、バイナリデータをプレーンテキストプロトコルを使用した送信に適したASCIIのサブセットに変換します。 エンコーディングおよびデコーディング機能は、Base16、Base32、およびBase64アルゴリズムを定義するRFC 3548の仕様と、デファクトスタンダードのAscii85およびBase85エンコーディングの仕様を実装します。 RFC 3548エンコーディングは、バイナリデータのエンコーディングに適しており、電子メールで安全に送信したり、URLの一部として使用したり、HTTPPOSTリクエストの一部として含めたりすることができます。 このモジュールによっ

binhexモジュールは、ファイルをbinhex4形式でエンコードおよびデコードします。この形式は、ASCIIでのMacintoshファイルの表現に使用されます。データフォークのみが処理されます。 binhexモジュールは次の関数を定義します- binhex.binhex（input、output）： ファイル名が入力されたバイナリファイルをbinhexファイルの出力に変換します。出力パラメーターは、ファイル名またはファイルのようなオブジェクト（write（）およびclose（）メソッドをサポートする任意のオブジェクト）のいずれかです。 binhex.hexbin（input、

binasciiモジュールを使用すると、バイナリ表現とさまざまなASCIIエンコードバイナリ表現の間の変換が可能になります。 binasciiモジュールには、速度を上げるためにCで記述された低レベルの関数が含まれています。これらは、uu、base64、binhexモジュールなどの上位モジュールで使用されます。 binasciiモジュールは、次の関数を定義します。これらの関数には、a2b_*またはb2a_*という名前が付けられています。 binascii.a2b_uu（string）： uuencodeされたデータの1行をバイナリに変換し直して、バイナリデータを返します。行には通常、最後の

Pythonの標準ライブラリのキーワードモジュールを使用すると、Pythonプログラムで文字列がキーワードかどうかを判断できます。 keyword.iskeyword（s）： sがPythonキーワードの場合、この関数はtrueを返します。 keyword.kwlist： この属性は、インタープリター用に定義されたすべてのキーワードを含むシーケンスを返します。将来のバージョンでキーワードが表示される場合は、それらも含まれる予定です。 >>> import keyword >>> kwlist = keyword.kwlist >>>

Pythonは、主にnumpy、pandas、matplotlib、seabornなどのデータ分析と視覚化のための多数のライブラリを提供します。このセクションでは、numpyの上に構築されたオープンソースライブラリであるデータ分析と視覚化のためのpandasライブラリについて説明します。 これにより、迅速な分析とデータのクリーニングと準備を行うことができます。Pandasには、以下で説明する多数の組み込みの視覚化機能も用意されています。 インストール パンダをインストールするには、ターミナルで以下のコマンドを実行します- pipinstall pandas Orweにはanacondaが

Pythonは、データを視覚化するためのさまざまな使いやすいライブラリを提供します。良い点は、これらのライブラリが小さなデータセットまたは大きなデータセットで機能することです。 データの視覚化に最も一般的に使用されるPythonライブラリのいくつかは-です。 Matplotlib パンダ プロット シーボーン 以下では、1つの固定データについてさまざまなタイプの視覚化チャートをプロットして、そのデータをより適切に分析します。 以下のデータセットを分析して、さまざまなグラフで視覚化します- 国または地域 年 バリアント 値 インド 2019

クローラーを開発するための最良のフレームワークの1つは、scrapyです。 Scrapyは、高レベルの機能を利用してWebサイトのスクレイピングを容易にする、人気のあるWebスクレイピングおよびクロールフレームワークです。 インストール Windowsにscrapyをインストールするのは簡単です。pipまたはconda（anacondaがある場合）のいずれかを使用できます。 ScrapyはPython2と3の両方のバージョンで動作します。 pip install Scrapy または conda install –c conda-forge scrapy Scrapyが正しく

スクレイピースパイダー Scrapy spiderは、Webサイトのリンクをたどり、Webページから情報を抽出する機能を提供するクラスです。 これは、他のスパイダーが継承しなければならないメインクラスです。 Scrapinghub Scrapinghubは、Scrapyスパイダーを実行するためのオープンソースアプリケーションです。 Scrapinghubは、Webコンテンツをいくつかの有用なデータまたは情報に変換します。複雑なウェブページの場合でも、ウェブページからデータを抽出できます。 Scrapinghubを使用して、Scrapyスパイダーをクラウドにデプロイし、実行します。

自然言語処理は、自然言語の自動生成と理解の研究です。コンピュータ技術が今日ほとんどすべての産業に統合されているので、これは解決するためにますます興味深いタスクになりつつあります。自然言語処理内の1つの特定の分野を研究します。読みやすさ。これには、テキストの読みやすさを判断するというトピックが含まれます。これは、テキストを読んだり理解したりするのがどれほど難しいかを示しています。 読みやすさの指標は、テキストを読んで理解することがどれほど難しいか（または簡単か）を示す数値です。読みやすさを判断するためのいくつかの異なるテストがあり、それらには異なる使用分野があります。 「読みやすさは、ドキュ

画像認識は、線形回帰や類似性の比較など、はるかに単純な方法を使用して行われていました。手書きのアルファベットを認識するという単純な作業でさえ、結果は明らかにあまり良くありませんでした。畳み込みニューラルネットワーク（CNN）は、画像を知覚するときに人間の脳の神経活動を大まかにシミュレートする計算上安価な方法を提供することにより、従来の方法から一歩進んだものになるはずです。 畳み込みニューラルネットワークの概要 さまざまなオブジェクトを認識する方法と非常によく似ていますが、コンピュータアルゴリズムは、入力を一般化し、これまでに見たことのない画像を判断する前に、何百万もの画像を調べる必要が

Foliumは非常に強力なPythonライブラリであり、いくつかの種類のリーフレットマップを作成できます。リーフレット/フォリウムマップはインタラクティブであるため、ダッシュボードの建物を作成するのに理想的です。 インストール 葉のインストールはpipを使用して非常に簡単です- $pip install folium 下のスクリーンショットからわかるように、console / cmdに上記のコマンドを入力するだけで、pipがFoliumとPythonインストールの依存関係をインストールします。 基本マップ #Import library import folium #U

Pythonには、-を含む画像処理用のライブラリが多数用意されています。 OpenCV −画像処理ライブラリは主にリアルタイムのコンピュータビジョンに焦点を当てており、2Dおよび3D機能ツールキット、顔とジェスチャーの認識、人間とコンピュータの相互作用、モバイルロボット工学、物体識別などの幅広い分野に適用されます。 NumpyおよびScipyライブラリ −画像の操作と処理用。 Sckikit −画像処理用の多くのアルゴリズムを提供します。 Python Imaging Library（PIL） −ツムネイルの作成、サイズ変更、回転、異なるファイル形式間の変換な

ステガノグラフィは、舞台裏で情報を隠す技術です。これは、データの暗号化（SHA1、MD5などのさまざまなアルゴリズムによる）に焦点を当てた暗号化とは異なり、ステガノグラフィは、別のファイル、画像、メッセージ、またはビデオ内にデータ（データはファイル、画像、メッセージ、またはビデオ）を隠すことに焦点を当てています。魅力を避けるため。 そのため、ここでは、画像の外観に目立った変化を与えることなく、画像の背後にある情報を非表示にする単純なPythonプログラムを作成しようとします。プログラムには2つの主要な部分があります。1つは画像ファイルから秘密情報を抽出できるデコード機能で、もう1つは秘密メッ

Pythonは、f-stringsと呼ばれる文字列をフォーマットする新しい方法を提供するようになりました。この機能は、PEP-498のPython3.6から利用できます。文字列の接頭辞「f」が付いているため、これらは（f-string）と呼ばれます。文字「f」は、これらのf文字列をフォーマットに使用できることも示します。 以下は、f文字列の使用法を示す例の一部です。 プログラム＃1 name = 'Rajesh' age = 13 * 3 fString = f'My name is {name} and my age is {age}' print(fSt

ここでは、Pythonを使用して非常にユニークな方法でテキストを表示する方法がどのように異なるかを見ていきます。 したがって、「Hello、Python」を表示したいとし、テキスト/文字列（「Hello、Python」）を次のように表示できるさまざまな方法を考えてみましょう。 入力 “Hello, Python” 出力1 ___ ___ .__ .__ / | \ ____ | | | | ____ / ~ \_/ __ \| | | | / _ \ \ Y /\ ___/| |_| |_( <_> ) \___|_ / \___ >____/___

自然言語処理の背後にある主なアイデアは、機械が、テキストの意味の一部を理解したり、言おうとしたりするなど、少なくともある程度は人間の介入なしに、何らかの形の分析または処理を実行できることです。 コンピュータは、テキストを処理しようとしているときに、テキストから役に立たない、または重要性の低いデータ（単語）を除外する必要があります。 NLTKでは、役に立たない単語（データ）はストップワードと呼ばれます。 必要なライブラリのインストール まず、nltkライブラリが必要です。ターミナルで、次のコマンドを実行するだけです。 $pip install nltk したがって、これらのストップワードを

データマイニング、情報検索など、さまざまなドメインからWebページのコンテンツを抽出できます。新聞や雑誌のWebサイトから情報を抽出するには、新聞ライブラリを使用します。 このライブラリの主な目的は、新聞や同様のWebサイトから記事を抽出してキュレートすることです。 インストール： 新聞ライブラリをインストールするには、ターミナルで実行します： $ pip install newspaper3k lxmlの依存関係については、ターミナルで以下のコマンドを実行してください $pip install lxml PILをインストールするには、を実行します。 $pip

ここでは、PyTorchを使用して、MNISTデータセットを使用して手書き数字分類器を認識するようにCNNをトレーニングします。 MNISTは、手書き数字の28*28ピクセルのグレースケール画像にラベル付けされた70k以上をカバーする手書き分類タスクに広く使用されているデータセットです。データセットには、約60kのトレーニング画像と10kのテスト画像が含まれています。私たちの仕事は、60kのトレーニング画像を使用してモデルをトレーニングし、その後、10kのテスト画像でその分類精度をテストすることです。 インストール まず、MXNetの最新バージョンが必要です。そのためには、端末で次を実行す

NodeJとPythonは、開発者とWebデザイナーの間で2つの主要な優先言語です。しかし、NodeJがPythonに達していない分野がいくつかあります。それは、数値計算と科学的計算（AI、機械学習、深層学習など）です。一方、Pythonは、科学計算をより簡単に操作するための多くのライブラリを提供します。 幸い、バックグラウンドでpythonを実行して結果を返すことで、nodejsアプリケーション内でpythonライブラリを利用できます。 このために、NodeJのchild_process標準ライブラリを使用して、バックグラウンドでPythonプロセスを生成し、計算を実行して、結果をノード

1970年頃の英国の数学者は、彼の「ライフゲーム」を作成しました。これは基本的に、生物のコロニーの混沌とし​​た、しかしパターン化された成長を描いた一連のルールです。 「GameofLife」は、「生きている」細胞と「死んでいる」細胞で構成される2次元グリッドです。 人生ゲームのルール 人口過多 ：細胞が3つ以上の生きている細胞に囲まれている場合、細胞は死にます（オフ）。 静的 ：細胞が2つまたは3つの生きている細胞に囲まれている場合、その細胞は生きています。 過少人口 ：細胞が2つ未満の生きている細胞に囲まれている場合、細胞は死にます（オフになります）。 複製 ：死ん