anacondaでインストールしたpython2とpython3をsublimeText上で使う
普段はMACでpython2.7でSublimeTextというエディターを使ってコードを書いていますが、python3を使いたいことがあったので、ptthon2と3を今の環境のまま共存できるようにしました。
（完全に自分用の忘備録で他のサイトを見たほうが分かりやすいと思うので、この記事は読まない方がいいです。）
anacondaでPython2と3を共存させる
まず、anacondaでpython3を追加でインストールするには、ターミナルで
conda create -n py3 python=3.6
conda create -n py35 python=3.5 anaconda
ちなみに、この"py3"という部分は自分でpython3に切り替える時に使う名前なので、好きな名前にできます。
[追記]
2017.1.4現在anacondaでインストールできる安定版はPython3.5（Python3の安定版はPython3.6だが、Anacondaでパッケージまで含めてインストールできるのは恐らく3.5まで）。上の"conda create -n py35 python=3.5 anaconda"の"anaconda"を書き忘れると、パッケージ類（numpyとか）がインストールされず、Pythonだけしか入らないっぽいので注意。
インストールが完了すると、以下のメッセージが出ました。
# To activate this environment, use: # $ source activate py3 # # To deactivate this environment, use: # $ source deactivate
書いてある通り、何もしなければ元々入っているpython2が使われ、python3を使う際には"source activate py3"と、python2に戻るには"source deactivate"をターミナルで行います（最初、activateをactiveとタイプしていて、怒られた...）。
これでpython2とpython3を切り替えられるようになりました。実際、
import sys print(sys.version_info)
のようなファイルを作って、ターミナルで実行してみると、
sys.version_info(major=2, minor=7, micro=11, releaselevel='final', serial=0)
や
sys.version_info(major=3, minor=6, micro=0, releaselevel='final', serial=0)
と確かに2と3を切り替えれられていることが確認できました。
AnacondaでインストールされているpythonとそのPATHの一覧は
conda info -e
を使って見ることができます。私の場合は、
# conda environments: # py3 /Users/おっぱいそん/anaconda/envs/py3 root * /Users/おっぱいそん/anaconda
で、rootの方が元々インストールされているpython2でpy3が今、インストールしたpython3です。*が付いている方が今、アクティブになっているpythonです。
参考：PENGUINITIS - Anaconda における Python 2 と Python 3 の共存
[追記]
最初、Python3しかインストールされず、パッケージが入っていなかったが、それは"conda create -n py35 python=3.5 anaconda"のanacondaを書き忘れたためっぽい。（以下は解決したので削除）
*** 必要なパッケージ−のインストール
上記だけではPython3がインストールされただけで、Numpyなどのパッケージはインストールされていません。
（Python2に対しては必要となるパッケージがインストールされるのに、追加でインストールするPython3に対してはパッケージがインストールされないのは仕様なのだろうか?）
必要なパッケージがある場合は、"source activate py3"（py3の部分は自分で付けた名前）でPython3に切り替えてから、
conda install numpy conda install scipy conda install matplotlib
などで適宜、必要なパッケージをインストールしてください。
私の場合はMatplotlibが以下のようなエラーが出て、インストールできなかった... （とりあえず、すぐに使わないので放置する....）
UnsatisfiableError: The following specifications were found to be in conflict: - matplotlib - python 3.6* Use "conda info <package>" to see the dependencies for each package.
SublimeTextでPython2と3を切り替える
次に、SublimeTextでpython2と3を切り替えられるようにします。
SublimeTextではSublimeRopeという統合開発環境をインストールすることで、SublimeText上でpythonを実行できる（⌘Cmd+b）ようになります。
実行する際に使うPythonのPATHは、"Preferences/Settings - User"で設定できます。
{
"build_env":
{
"PATH": "/Users/おっぱいそん/anaconda/bin:/usr/local/bin:/usr/bin:/bin:/usr/sbin:/sbin:/opt/X11/bin:/usr/texbin"
},
}に書いてあるのがPythonのPATHなので、"/Users/おっぱいそん/anaconda/bin"を上記で調べた"/Users/おっぱいそん/anaconda/envs/py3/bin"にすることで、python3に切り替えられます。
毎回、設定を書きかえるのは結構めんどうなので、もっといいやり方がありそうですが... （もっといいやり方があったら誰か教えてくださいm(__)m）
参考：Sublime TextでPython環境を構築する話 - 酒飲みの備忘録
リストの最大値（最小値）のindexを取得する
NumpyのArrayだと、argmaxを使って、最大値のindexを取得できる。
（ただし、最大値が重複して存在する場合は、一番小さいindexを返す仕様になっている）
numpy.argmax — NumPy v1.10 Manual
PythonのListにも同じような関数が用意されているかと思ったんだけど、ないみたいなので、書き方を調べてみた。
例えば、以下のようなListがあるとする。
list_name = [2, 3, 4, 8, 3, 1, 3, 5, 7, 8, 3, 2]
最大値は8で、最大値の位置するindexは3と9である（最大値には重複がある）。
Numpyのargmaxと同様に、重複がある場合に一番小さいindexを返したい場合には、以下のような書き方がある。
print list_name.index(max(list_name)) print max(enumerate(list_name), key=lambda x: x[1])[0] print max(xrange(len(list_name)), key=lambda i: list_name[i]) import operator print max(enumerate(list_name), key=operator.itemgetter(1))[0] print max(zip(list_name, range(len(list_name))))[1]
一番小さいindexの3を返してくれる。
最後のやつだけ、大きいindexを返してくるが理由は良く分からん。
一部のindexだけでなく、全てのindexを返したい場合には、
print [i for i, x in enumerate(list_name) if x == max(list_name)]
[3, 9]
とリスト内包表記を使って、全ての最大値のindexを求めることが出来る。
いろいろ書き方がありましたが、速度などは比較してないです。
Ref:
リスト内の最大値を見つける - Screaming Loud
python - How to find all positions of the maximum value in a list? - Stack Overflow
python - Pythonic way to find maximum value and its index in a list? - Stack Overflow
Octave
とある論文のsupplemental materialにあったMATLAB（線形代数のパッケージを詰め込んだ有料ソフト）のコードを動かしたかったので、Octave（MATLABと互換性のある無料ソフト）をインストールして使ってみた。
MAC OSX（Yosemite）へのインストールはhttps://kiskeyix.org/articles/605を参考にした。
以下で、pythonとの比較と自分用につまづきやすいポイントのメモを。
pythonと同様にインターラクティブなモードで実行する方法と、ファイルに保存して実行する方法（拡張子は.mとする）がある。
インターラクティブな方の使い方は、pythonとほとんど同じ（terminalからpython or octaveと叩いて入る）。
ファイルに保存して実行する場合はpythonと同様に、terminalでファイルを置いているフォルダまで移動して"octave file_name.m"とする方法の他に、インターラクティブなモードでfile_nameとタイプして実行する方法がある。その際、インターラクティブなモードでcdでファイルを置いているフォルダまで移動する。
また、pythonと同様にあるファイル（pythonでいうモジュール）に保存した関数を別のファイル（スクリプトファイル）から読み込んで使うことができる。ただし、その仕様が結構違う。
pythonの場合は、あるファイルmy_module.pyに保存した関数my_func()を使うには、実行するファイルで
import my_module
my_module.my_func()
とします。
もちろん、一つのモジュールファイルの中に幾つかの関数を入れることも出来た。
一方、Octaveでは、スクリプトファイルはpythonとほとんど同じだが、呼び出す関数を保存しておくファイルは関数mファイルと呼ばれ、以下のような制約がある（どちらも拡張子は.m）。
関数名とファイル名は同じでないとダメで、その中身は関数の定義から始める。
関数名とファイル名の名前が一致していないと、
warning: function name 'func_name' does not agree with function file name '/Users/uesr_name/Desktop/test/file_name.m'
とエラーがでる。
また、関数mファイルを実行することはできない（pythonの場合は.pyファイルは実行されれば、スクリプトファイルとして扱われ、importされればモジュールとして扱われていた）。
関数mファイルなのか、スクリプトmファイルなのかは、ファイルの中身が関数の定義で始まるのか、そうでないのかによって決まる。
すなわち、
function y = func_name(x)
y = x + 1;
endみたいな感じで、functionで始まるかどうかで決まる。
従って、スクリプトファイルの中で関数を定義するのに、ファイルの一行目から関数を定義しようとすると、関数mファイルとみなされてしまって、実行する際にエラーがでる（僕はここでつまづいた）。
例えば、上のコードをfunc_name.mというファイルの保存して実行しようとすると、
error: 'x' undefined near line 2 column 13
とエラーがでる。
スクリプトmファイルから関数mファイルを呼び出すには、例えば、上の関数だと、
a = 1; b = func_name(a); disp(b);
とする。
ここで、どのファイルから関数を呼ぶか指定していないが、上に書いたように、関数名と関数mファイルの名前は一致させているので、スクリプトファイルと同じフォルダに関数mファイルをおいておけば自動的に探してくれる。
Ref:
http://www.arc.hokkai-s-u.ac.jp/~kusiyama/Inf1_Matlab/Grammar_4.htm
データ解析ツールoctaveを語ろう Part 2
Octaveのスクリプトmファイルと関数mファイルの仕様は、pythonの使用を知っていると、不便に感じてしまう（一つの関数mファイルに複数の関数を定義できないのと、同じ.mファイルでスクリプトmファイルと関数mファイルの両方の機能をもたせられない）。
pythonでフィッティングをする
pythonでfittingをする方法。
例えば、
というをパラメータとする関数でデータ点
を
が最小になるようにfittingしたいとする（最小二乗法）。
scipy.optimizeのcurve_fitを使うのが楽（scipy.optimizeにはleastsqという関数もあり、こちらでも同じことができるが、curve_fitの方が分かりやすい）。
import numpy as np import scipy.optimize import matplotlib.pylab as plt # data which you want to fit xdata = np.array([0.0,1.0,2.0,3.0,4.0,5.0,6.0]) ydata = np.array([0.1,0.9,2.2,2.8,4.2,5.9,7.4]) # initial guess for the parameters parameter_initial = np.array([0.0, 0.0, 0.0]) #a, b, c # function to fit def func(x, a, b, c): return a + b*x + c*x*x paramater_optimal, covariance = scipy.optimize.curve_fit(func, xdata, ydata, p0=parameter_initial) print "paramater =", paramater_optimal y = func(xdata,paramater_optimal[0],paramater_optimal[1],paramater_optimal[2]) plt.plot(xdata, ydata, 'o') plt.plot(xdata, y, '-') plt.show()
xdata, ydataはfittingしたいデータ点（上の例では手で作ってるが、普通は実験などで得られる）。
parameter_initialはパラメータの初期値（なくてもいい）。
funcがfittingする関数で、第一引数がxで、第二引数以降がパラメータ。返り値はy。
paramater_optimalがfittingで最適化されたパラメータで、covarianceは共分散。
結果は
paramater = [ 0.14761905 0.70357143 0.08452381]
関数で複数の返り値を返す方法
pythonにおいて関数で複数の値を返すと、デフォルトではタプルになる。
def f_tuple(x): plus = x + 1 cubic = x ** 3 return (plus, cubic) result = f_tuple(2) print result[1]
returnの後の(plus, cubic)はカッコをのけても同じ動きをする。
また、受け取る時に、plus, cubic = f_tuple(2)のように受けても良い。
変数が少ない場合には上の書き方でよいが、返す値の数が多くなると、どれがどの返り値か分からなくなる。
上の例ではresult[1]で３乗した結果の値を取り出しているが、インデックスで指定するやり方だと、その要素が何の値なのか分かりにくい。
そこで、タプル以外で返り値を返すことを考えてみる。
Named tuple
pythonの組み込みのコンテナ型（=コレクション型）にはリスト、タプル、ディクショナリがある。
この記事では、名前付きタプルというコンテナ型を紹介したい。（名前つきタプルはクラスの書き方をふんだんに使っているので、クラスを知らない人はクラスを先に勉強した方がいいと思います。この記事でもクラスの基本的なことは前提知識としています。）
名前付きタプルはタプルの子クラスで、インデックスだけでなく、クラスのように変数名（ドット表記）でも要素にアクセスできるコンテナ型です。
使用例
例えば、以下のように使用できる。
from collections import namedtuple from math import sqrt Vector = namedtuple('Vector', 'x, y') vec1 = Vector(x=1.0, y=5.0) vec2 = Vector(2.5, 1.5) distance = sqrt((vec1.x-vec2.x)**2 + (vec1.y-vec2.y)**2) print "distance =", distance
使用するには、collectionsからimportする必要がある。
namedtuple()はクラスを作る関数で、引数はクラス名(慣習として、クラス名は大文字で始める)、要素（インスタンス変数）の名前。
要素の名前の部分は、'x y'や['x', 'y']のように書いてもよい。
また、要素の呼び出しはsqrt((vec1[0]-vec2[0])**2 + (vec1[1]-vec2[1])**2)と、普通のタプルのようにインデックスでも出来る。
長所
いいところ：
- タプルより要素の取り出しが分かりやすい（ドットを使ったオブジェクト的な書き方が出来る）。
- 辞書より高速でメモリが節約できる（メモリの使用量は普通のタプルと同じ）。
わるいところ：
- import correctionがいる。
普通のタプルのような使い方もできるので、元々、普通タプルで書いていたコードを書き換えずにnamed tupleに、一部だけをnamed tupleにすることも出来ます。
