はてなブックマーク

はじめに Pythonは柔軟性が高く、初心者にも適したプログラミング言語ですが、その一方で速度面では他の言語に劣るとされています。本記事では、先月ピッツバーグで開催されたPyCon US 2024で紹介されたPythonの高速化技術について詳しく解説します。 Pythonの速度問題 「Pythonはランタイムにコストを払う」という古い格言が示す通り、Pythonは解釈型言語であり、実行時に多くの処理を行うため速度が遅くなることがあります。Pythonはソースコードを効率的なバイトコードに変換し、それを直接実行することで動作します。このプロセスには多くの間接処理が含まれ、単純な命令でさえも多数のCPU指示に分解されます。例えば、二つの数値を足すだけでも500以上の命令が実行されることがあります。 高速化のためのコンパイル技術 Cythonによる最適化 PyCon 2024でのSaksham

1. データ分析の概要と目的 データ分析とは、大量のデータから有用な情報や知識を抽出するプロセスです。 このプロセスには、データの収集、前処理、探索、モデリング、評価、そして最終的な知識の抽出が含まれます。 データ分析の主な目的は以下の通りです ビジネスの意思決定をサポートする 新しい市場の機会を発見する 顧客の行動や傾向を理解する 製品やサービスの改善 予測や予測モデリングを行う 2. Pythonにおけるデータ分析のライブラリの紹介 Pythonはデータ分析のための多くのライブラリを持っています。 以下はその中でも特に人気のあるライブラリです Pandas: データの前処理や探索的データ分析に使用されるライブラリ NumPy: 数値計算を効率的に行うためのライブラリ Matplotlib & Seaborn: データの可視化に使用されるライブラリ Scikit-learn: 機械学習の

TypeScriptでフロントエンドの開発していた頃に非同期処理をゴリゴリ書いていましたが 今はPythonで同期処理ばかりで、Pythonで非同期処理が作成できないか調べてみました Python3.11からasyncioというライブラリを使用して非同期処理が作成できるようになりました 1.asyncioについて asyncio は async/await 構文を使い 並行処理の コードを書くためのライブラリです。 asyncio は、高性能なネットワークとウェブサーバ、データベース接続ライブラリ、分散タスクキューなどの複数の非同期Pythonフレームワークの基盤として使われています。 asyncio は多くの場合、 IOバウンドだったり高レベルの 構造化された ネットワークコードに完璧に適しています。 asyncio は次の目的で 高レベル API を提供しています: ・並行に Pyth

業務上でElasticSearchというテキストやログなどのデータの中から高速かつ正確に検索を行える オーブンソースの検索エンジンが使われていたので調べてみました。 Kibanaを組み合わせてデータを可視化したり、分析したりできるクライアントアプリを作成できることが可能です。 Kibanaは有料でしたので（無料トライアウトあり）、無料で使えるものを探していたところMetabaseというサービスがあったので、今回はPythonとElasticSearchとMetabaseでデータを探索したり分析、可視化できるツールの設計を考えてみます。 ・Metabaseについて https://www.metabase.com/ (https://www.metabase.com/docs/latest/ より引用) ・Kibanaについて https://www.elastic.co/jp/kibana

class Person def __init__(self): self._name = name self._age = age def getName(self): return self.__name def setName(self, name): self.__name = name def getAge(self): return self.__age def setAge(self, age): self.__age = age PythonとJavaは両方ともオブジェクト思考のプログラミング言語ですが 書き方がこうも異なってきます。 Pythonでは@propertyを使ってsetter/getterを記述し、プロパティを呼び出すと自動的にgetterが呼び出され、プロパティに値を設定するとsetterが呼び出されます。 このようにPythonではClassの関数をプロパ