製造現場で管理データを測定したり、研究開発のためにデータを測定するとき、皆さんは 「この測定器、大丈夫かな？」 と気にすることはありますでしょうか？ 少なくともISOなどを取得している場合、製造現場の測定器は定期的に点検・校正はしているかもしれません。 しかしながら、点検・校正は飽くまで測定器を確認するだけで、測定システムは評価出来ていません。 また、更に言えば技術者は、そもそも測定機器の精度を疑う機会すらあまりないかもしれません。 データの”ばらつき”が大きくても相応にサンプルサイズを大きくして、平均値だけを押さえるだけでOKと考えているかもしれないからです。 しかし、これでは良くありません。 正しくない測定システムでは、そもそも当サイトで紹介しているような統計的手法を扱う事すら覚束ないはずです。 さながら、筆で米粒に文字を書くが如しです。米より大きな筆先では、如何な達人であろうとも文字

前回平均値-範囲法のGR&Rの解析方法を説明した。しかしこれはエクセルがなかった時代に簡易的に計算する方法として用いられていた手法である。現代であれば分散分析表からGR&Rを計算するほうがよい。 ということで今回はANOVA法を用いた解析方法について解説する。 実際にはほぼ二元配置分散分析と同様なので、詳細な考え方はこちらを見てください。 chemstat.hatenablog.com 使用するデータ 今回はGR&Rを行うデータとして、下記のデータを使用する 測定者：二人（Aさん、Bさん） 部品数：３個 繰り返し数：３回 各因子の効果を求める まずは人ごとと、部品ごとの平均値を算出し、それを全体の平均値との差分を取ることで、それぞれの効果を求める。 これを行うことにより各データを と分解することが出来る。 各因子の変動を求める それぞれの効果の二乗和を取り、変動を計算する。 各因子の自由度

業務ツールを作成する際、試しにElectronで作ってみました。 諸々の理由で結局採用しなかったんですが、せっかくなのでやったことの記録をしておきたいと思います。 実際、公式のドキュメントがわかりやすいのでそれで事足りちゃいます。 この辺までは触ったな・・という自分用のメモですのでしっかり学びたい方は公式のクイック スタート | Electronがおすすめですのよ。 Electronとは ElectronはGitHubが開発したソフトウェアフレームワークです。 www.electronjs.org トップページでは JavaScript, HTML, CSS でクロスプラットフォームなデスクトップアプリ開発 さらに、はじめに | Electronでは Electron は Chromium と Node.js をバイナリに組み込むことで、単一の JavaScript コードベースを維持しつ

概要 近年、品質管理やマーケティングの分野で「ばらつき」分析の重要性が叫ばれていますが、 ばらつき分析と切っても切り離せないのが**「ヒストグラム」と「分布の種類の判断」**です。 今回はPythonのグラフ描画ライブラリ「seaborn」をベースにして、 分析の種類の判断を強力にサポートするツールを作成しました！ 機能1. 正規分布かどうかの判断 機能2. 各種確率分布のフィッティングとあてはまり評価指標 2021/7 修正：pipでインストールできるよう改良しました 下記コマンドでインストール可能となりました こちらの記事で紹介しているseaborn_analyzerライブラリの一部として、githubにもアップロードしております。 histクラスが、本記事の内容に該当します。 バグや改善要望等ありましたら、コメント頂けますとありがたいです また、もしこのツールを良いと思われたら、Gi

globを使えばよいだけなのですが、実用的には絶対パス化、ディレクトリ・ファイルのフィルタリング、ソートも行った方がよいため、コードもいくらか長くなります。 トップディレクトリ以下の全サブディレクトリを処理する import os import glob # トップディレクトリをセットする sys.argv[1]など top_level_dir_path = '/home/user' # サブディレクトリ、ファイルの絶対パスのリストを得る # 再帰処理（サブディレクトリ以下のディレクトリも処理する）したい場合は recursive=True にする # recursive=False の場合はワイルドカードは '/*' でよいが recursive=Trueの場合は '/**' とする # Windows, Linuxどちらもパスの区切り文字は/でOK paths = map(os.pat

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article?

概要 pandasでマルチカラムがひょっこり出てくると焦りませんか? 僕は焦ります . そんなマルチカラムに対して「えいや!」とカラム名をべた書きで突っ込んでいませんか? 僕はそんなことしていました. そんな僕が贈る,マルチカラムをいい感じに処理してフラット化するためのtipsです. やってみる まずは対象のDataFrameを適当に作ります import pandas as pd df_score = pd.DataFrame( { "name": ["hoge", "hoge", "fuga", "piyo", "hoge", "piyo", "fuga"], "score": [30, 35, 67, 90, 20, 70, 20], } )

はじめに データを眺めていると、ある分布に対してそれが正規分布に従うのか、対数正規分布か、それともガンマ分布の方が近いのか？、というようにどの分布の当てはまりがよいかが気になることがあると思います。 これを確認する方法を探してみたところ、scipy.statsを使えばできそうだったのと、fitterというライブラリもあったので、それらを試してみた結果を記述します。 実験 scipyを使う 実装はnumpy - Fitting empirical distribution to theoretical ones with Scipy (Python)? - Stack Overflowを少しだけ修正したものです。入力に対してscipy.statsに登録されているすべての確率分布のパラメータを最尤推定した結果の平均二乗誤差を比較することで最もあてはまりのよい分布を求めます。 scipyには80

###diagramflowjs 削除や追加、リネームなど機能が豊富な感じで実用向けな感じ ###SimpleFlowchart バインバイン動く ###svg.connectable.js ソースコードなどが合って使いやすい ###svg.draggy.js SVGドラック簡単に追加できて便利 ###leader-line 結構いろんな線があるのでウェブで線を引きたいときには使いたい感じ ###Drawflow(202009追加) NodeRedみたいな感じで使えそうなので便利化なる ###Flowy(202106追加) 自分でオブジェクト同士の線引きはできないが、処理フロー可視化としては使えそう

ゲームプレーヤーを精神疾患にするディストピア――久里浜医療センター「ゲーム障害の有病率5.1％」論文のからくり 井出草平 社会学 社会 エグゼクティブ・サマリ 久里浜医療センターの樋口進氏らのグループが発表した論文から、ゲーム障害を過剰診断していく方針が読み取れる。この論文は厚労省・文科省の政策にも影響があると考えられ、ゲーム好きの健康な子どもや若者たちが、精神疾患とレッテルを貼られ精神科病棟に入れられる未来も現実味を帯びてきた。 先日、ゲーム障害の有病率調査が久里浜医療センターによって発表された。【注1】英語論文として発表されたため、まだ一般には知られていないが、専門家の間ではかなり話題になっている。というのも、久里浜医療センターはゲーム障害でない人を診断しようとしているのではないか、と、いわゆる過剰診断を懸念する声が湧き上がっているからである。 本稿では、久里浜医療センターの研究を紹介

はじめに 今回は英語スピーキングの勉強方法を丁寧に解説します。第二言語習得研究をもとに、独学で上達する英会話練習方法をステップに分けて丁寧に解説していきます。まずは、なぜ英語スピーキングは難しいのか？という問いを立て、第二言語習得研究のスピーキングモデルやU字型発達曲線・トレードオフ仮説を外観します。2章では、一般的な英語スピーキングの練習方法としてフォーミュラにもとづくスピーキング、同じテーマ・トピックの反復学習を紹介しながら、プレイン・イングリッシュの重要性も解説しています。3章で2つのスピーキングの正体(モノローグ・ダイアローグ)を整理しつつ、最後に独学でスピーキングが上達する勉強方法をレベルごとに3つ(自己紹介、15/45 トレーニング、パラフレーズトレーニング)紹介しています。ぜひ独学の参考にしてください。 なぜ英語スピーキングは難しい？ 第二言語習得研究のスピーキングモデル U

なんかぼやぼやしているうちにひさびさの pandas エントリになってしまった。基本的な使い方については網羅したい気持ちはあるので、、、。 今回は データの連結 / 結合まわり。この部分 公式ドキュメント がちょっとわかりにくいので改訂したいなと思っていて、自分の整理もかねて書きたい。 公式の方はもう少し細かい使い方も載っているのだが、特に重要だろうというところだけをまとめる。 連結 / 結合という用語は以下の意味で使っている。まず憶えておいたほうがよい関数、メソッドは以下の 4 つだけ。 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.join 連結 (concatenate) 柔軟な連結 pd.concat ふたつの DataFram

デザインはちょっとした一手間を加えるだけで、ぐっとよくなります。 プロのUIデザイナーによるWebページやスマホアプリのUIとUXを改善するデザインの知識とテクニックを紹介します。 第7弾は、テキストや要素をより分かりやすく魅せるデザインのテクニックです。 UI & UX Micro-Tips: Volume Seven. by Marc Andrew 下記は各ポイントを意訳したものです。 ※当ブログでの翻訳記事は、元サイト様にライセンスを得て翻訳しています。 はじめに 1. メッセージは分かりやすく簡潔に 2. 長文コンテンツには、20ptを試してみてください 3. エラーメッセージは色だけで情報を伝えないように 4. 4ptベースラインと8ptグリッドで調和のとれた縦のリズムを作成 5. 見出しは文字間隔と行の高さを小さくする 6. 要素をよりはっきりと魅せる はじめに 次のプロジェク

データ分析とビジネス活用のプロとして、さまざまな業界・フィールドで活躍する「データサイエンティスト」。 スキルセットや必要な知識などが語られることはあるものの、まだはっきりとした定義がなく、いったいどんな人たちなのか？と疑問を持つ人も少なくないのでは。 そこで本企画では、企業で働くデータサイエンティストたちの"リアル"を調査。データサイエンティストを志した理由や興味深かった論文、普段の業務、自社で働く魅力などを22社、52人のデータサイエンティストに聞きました。 企業一覧 DataRobot Japan株式会社 株式会社GA technologies 株式会社HACARUS 株式会社JMDC 株式会社LIFULL MNTSQ株式会社 NABLAS株式会社 株式会社Rist Sansan株式会社 SOMPOホールディングス株式会社 株式会社ZOZO 株式会社ZOZOテクノロジーズ アスクル株

'21/12/17更新：カテゴリの識別を色でなくて、マーカーでする場合の雛形コードを追記しました。 本記事では、下図のような散布図を作成する雛形コードを載せました。seabornのpairplotを用います。 Y軸の列名を指定するには下記のようにします。 y_vars = 'PRICE', # y軸のカラム Ｙ軸の範囲は下記のように設定します。 ax.set(ylim=(0, 60)) # y軸の範囲（レンジ）を指定 ■本プログラム #!/usr/bin/env python # coding: utf-8 # In[1]: # csvファイルをpandasデータフレームで読み込む import pandas as pd df = pd.read_csv('boston_dataset.csv') df # In[2]: # 行列散布図 from matplotlib import pyp

宇宙企業スペースXを率いるイーロン・マスク氏は2021年7月10日、新しいロケット回収船「ア・ショートフォール・オヴ・グラヴィタス」号を就役させたと発表した。 打ち上げたロケットを着陸させ、回収するために使う船で、これが3隻目となる。今後、ロケットの打ち上げ頻度が増加するのに合わせて投入されたもので、大西洋を拠点に運用を行い、高頻度のロケット打ち上げに対応する。 新しいロケット回収船「ア・ショートフォール・オヴ・グラヴィタス」号 (C) Elon Musk/SpaceX スペースXのロケット回収船 スペースXが運用する大型ロケット「ファルコン9」や超大型ロケット「ファルコン・ヘヴィ」は、打ち上げたあとの第1段機体やブースターを着陸させて回収し、再使用することで、打ち上げコストの削減と、打ち上げ頻度の向上を実現している。 ロケットの第1段機体は、ミッションによって海上の回収船に着陸させる場合