Java – InfinityとNaN

2021-06-13 / tau / コメントする

Infinity

実数のオーバーフローはInfinity

実数演算で最大値を超えるような演算をすると、結果がInfinityになる。最小値を下回る演算の場合は-Infinity。Infinityのリテラルはない。

double dMaxP = Double.MAX_VALUE;
System.out.println(dMaxP * 2);    // Infinity
double dMaxN = -Double.MAX_VALUE;
System.out.println(dMaxN * 2);    // -Infinity

System.out.prinln(Infinity); // コンパイルエラー：Infinityを変数に解決できません

double dMaxP = Double.MAX_VALUE;

System.out.println(dMaxP * 2); // Infinity

double dMaxN = -Double.MAX_VALUE;

System.out.println(dMaxN * 2); // -Infinity

System.out.prinln(Infinity); // コンパイルエラー：Infinityを変数に解決できません

Infinityに対する数値の演算結果は直感的

Infinityに対して数値を加減乗除しても結果はInfinity。で、数学の∞と同じ。

System.out.println(infinity + 2); // Infinity
System.out.println(infinity - 2); // Infinity
System.out.println(infinity * 2); // Infinity
System.out.println(infinity / 2); // Infinity

System.out.println(infinity + 2); // Infinity

System.out.println(infinity - 2); // Infinity

System.out.println(infinity * 2); // Infinity

System.out.println(infinity / 2); // Infinity

数値からInfinityを減じると-Infinity、Infinityで割ると0.0。lim[x→∞]と考えると直感的。

System.out.println(2 - infinity); // -Infinity
System.out.println(2 / infinity); // 0.0

1 2	System.out.println(2 - infinity); // -Infinity System.out.println(2 / infinity); // 0.0

Infinity同士の演算

Infinity同士の加算・乗算はInfinity。Infinity同士の減算・除算はNaN。

System.out.println(infinity + infinity);  // Infinity
System.out.println(infinity - infinity);  // NaN
System.out.println(infinity * infinity);  // Infinity
System.out.println(infinity / infinity);  // NaN

System.out.println(infinity + infinity); // Infinity

System.out.println(infinity - infinity); // NaN

System.out.println(infinity * infinity); // Infinity

System.out.println(infinity / infinity); // NaN

Infinityと最大値

Infinityは実数の最大値より大きく、これと等しくはない。

System.out.println(infinity > Double.MAX_VALUE);  // true
System.out.println(infinity < Double.MAX_VALUE);  // false
System.out.println(infinity == Double.MAX_VALUE); // false
System.out.println(infinity != Double.MAX_VALUE); // true

System.out.println(infinity > Double.MAX_VALUE); // true

System.out.println(infinity < Double.MAX_VALUE); // false

System.out.println(infinity == Double.MAX_VALUE); // false

System.out.println(infinity != Double.MAX_VALUE); // true

Infinity同士の大小比較

InfinityはInfinityと等しい。

System.out.println(infinity == infinity);
System.out.println(infinity != infinity);
System.out.println(infinity > infinity);
System.out.println(infinity < infinity);

System.out.println(infinity == infinity);

System.out.println(infinity != infinity);

System.out.println(infinity > infinity);

System.out.println(infinity < infinity);

Infinityの定数定義

Infinityはdouble型とfloat型で定義されていて、それらの定数定義も準備されている。

double pDblInfinity = Double.POSITIVE_INFINITY;
double nDblInfinity = Double.NEGATIVE_INFINITY;
System.out.println(pDblInfinity);   // Infinity
System.out.println(nDblInfinity);   // -Infinity

float pFltInfinity = Float.POSITIVE_INFINITY;
float nFltInfinity = Float.NEGATIVE_INFINITY;
System.out.println(pFltInfinity);   // Infinity
System.out.println(nFltInfinity);   // -Infinity

double pDblInfinity = Double.POSITIVE_INFINITY;

double nDblInfinity = Double.NEGATIVE_INFINITY;

System.out.println(pDblInfinity); // Infinity

System.out.println(nDblInfinity); // -Infinity

float pFltInfinity = Float.POSITIVE_INFINITY;

float nFltInfinity = Float.NEGATIVE_INFINITY;

System.out.println(pFltInfinity); // Infinity

System.out.println(nFltInfinity); // -Infinity

double型とfloat型で、Infinityと-Infinityはそれぞれ等しい。

System.out.println(pDblInfinity == pFltInfinity);
System.out.println(nDblInfinity == nFltInfinity);

1 2	System.out.println(pDblInfinity == pFltInfinity); System.out.println(nDblInfinity == nFltInfinity);

NaN

計算結果が不定→NaN

実数演算でゼロ同士やInfinity同士の除算結果はNaN (Not a Number)になる。NaNのリテラルはない。

System.out.println(0.0 / 0);              // NaN
System.out.println(infinity / infinity);  // NaN

System.out.println(NaN); // コンパイルエラー：NaNを変数に解決できません

System.out.println(0.0 / 0); // NaN

System.out.println(infinity / infinity); // NaN

System.out.println(NaN); // コンパイルエラー：NaNを変数に解決できません

NaNを含む演算はNaN

NaNを含む四則演算の結果は全てNaN。

double nan = 0.0 / 0;
System.out.println(nan + 1);  // NaN
System.out.println(nan - 1);  // NaN
System.out.println(nan * 1);  // NaN
System.out.println(nan / 1);  // NaN

System.out.println(1 - nan);  // NaN
System.out.println(1 / nan);  // NaN

System.out.println(nan + nan);  // NaN
System.out.println(nan - nan);  // NaN
System.out.println(nan * nan);  // NaN
System.out.println(nan / nan);  // NaN

double nan = 0.0 / 0;

System.out.println(nan + 1); // NaN

System.out.println(nan - 1); // NaN

System.out.println(nan * 1); // NaN

System.out.println(nan / 1); // NaN

System.out.println(1 - nan); // NaN

System.out.println(1 / nan); // NaN

System.out.println(nan + nan); // NaN

System.out.println(nan - nan); // NaN

System.out.println(nan * nan); // NaN

System.out.println(nan / nan); // NaN

NaN != NaN

NaN同士は互いに等しくない。大小関係は特定できない(>でも<でもない)。

System.out.println(nan == nan); // false
System.out.println(nan != nan); // true
System.out.println(nan > nan);  // false
System.out.println(nan < nan);  // false

System.out.println(nan == nan); // false

System.out.println(nan != nan); // true

System.out.println(nan > nan); // false

System.out.println(nan < nan); // false

NaNの定数定義

NaNはdouble型とfloat型で定義されていて、それらの定数定義も準備されている。double型のNaNとfloat型のNaNは等しくない(double型同士やfloat型同士と同じように)。

double dNan = Double.NaN;
float fNan = Float.NaN;
System.out.println(dNan);
System.out.println(fNan);
System.out.println(dNan == fNan); // false
System.out.println(dNan != fNan); // true

double dNan = Double.NaN;

float fNan = Float.NaN;

System.out.println(dNan);

System.out.println(fNan);

System.out.println(dNan == fNan); // false

System.out.println(dNan != fNan); // true

InfinityとNaN

InfinityとNaNの演算結果はNaN。

System.out.println(infinity + nan); // NaN
System.out.println(infinity - nan); // NaN
System.out.println(infinity * nan); // NaN
System.out.println(infinity / nan); // NaN

System.out.println(infinity + nan); // NaN

System.out.println(infinity - nan); // NaN

System.out.println(infinity * nan); // NaN

System.out.println(infinity / nan); // NaN

InfinityとNaNは互いに等しくない。大小関係は特定できない(>でも<でもない)。

System.out.println(infinity == nan);  // false
System.out.println(infinity != nan);  // false
System.out.println(infinity > nan);   // false
System.out.println(infinity < nan);   // false

System.out.println(infinity == nan); // false

System.out.println(infinity != nan); // false

System.out.println(infinity > nan); // false

System.out.println(infinity < nan); // false

Rails – 共通ヘルパーの置き場所

2021-03-29 / tau / コメントする

概要

複数のコントローラーやビューで共通に利用したいヘルパーの置き場所について。単純なヘルパーの場合、以下の場所が候補になる。

app/helpers下のビューに対応した***_helper.rbに記述
app/helpers/application_helper.rb内に記述
app/controllers/concerns下のモジュールファイルに記述(コントローラー

依存関係を持つような場合はconcernsに置くのがよいようだが、単純なヘルパーの場合はビューとの関連によってapplication_helper.rbに統一するのが簡明かもしれない。

コントローラーに対応したhelper

ヘルパーファイルにヘルパーを記述してapplication_controllerでインクルードすると、コントローラーやビューでこれを使うことができる。

以下はPagesコントローラーの例で、コントローラーとビューの両方でfoo_helperの実行が確認できる。

定義・設定

helpersディレクトリー内にあるコントローラー_helper.rbの中でヘルパーを定義する。

app/helpers/pages_helper.rb

module PagesHelper
  def foo_helper
    "FOO"
  end
end

module PagesHelper

def foo_helper

"FOO"

end

application_controllerでモジュールをインクルード。

app/controllers/application_controller.rb

class ApplicationController < ActionController::Base
  protect_from_forgery with: :exception

  include PagesHelper
end

class ApplicationController < ActionController::Base

protect_from_forgery with: :exception

include PagesHelper

end

利用

コントローラーで利用可能。

app/controllers/pages_controller.rb

class PagesController < ApplicationController
  def helper_test
    p foo_helper
  end
end

class PagesController < ApplicationController

def helper_test

p foo_helper

end

ビューでも利用可能。

app/views/pages/helper_test.html.erb

<h1>Helper Test</h1>

<p><%= foo_helper %></p>

<h1>Helper Test</h1>

application_helper

application_helperもヘルパーファイルの1つで、Railsにより準備される。これを上と同じくapplication_controllerでインクルードして、アプリケーション共通のヘルパーとして使える。

定義・設定

helpersディレクトリー内にあるapplication_helper.rbの中でヘルパーを定義する。

app/helpers/application_helper.rb

module ApplicationHelper
  def bar_helper
    "BAR"
  end
end

module ApplicationHelper

def bar_helper

"BAR"

end

application_controllerでモジュールをインクルード。

app/controllers/application_controller.rb

class ApplicationController < ActionController::Base
  protect_from_forgery with: :exception

  include ApplicationHelper
end

class ApplicationController < ActionController::Base

protect_from_forgery with: :exception

include ApplicationHelper

end

利用

コントローラーで利用可能。

app/controllers/pages_controller.rb

class PagesController < ApplicationController
  def helper_test
    p bar_helper
  end
end

class PagesController < ApplicationController

def helper_test

p bar_helper

end

ビューでも利用可能。

app/views/pages/helper_test.html.erb

<h1>Helper Test</h1>

<p><%= bar_helper %></p>

<h1>Helper Test</h1>

concerns

app/controllers/concernsにはコントローラー間で共通のモジュール、app/models/concernsはモデル間で共通のモジュールのファイルを配置する。

コントローラーなどでインクルードしてもビューではこれらのモジュールは使えない。

定義・設定

concernsディレクトリー下にモジュールファイルを作成して、その中にヘルパーを書く。

app/controller/concerns/common_module.rb

module CommonModule

  def baz_helper
    "BAZ"
  end
end

module CommonModule

def baz_helper

"BAZ"

end

application_controllerでモジュールをインクルード。

app/controllers/application_controller.rb

class ApplicationController < ActionController::Base
  protect_from_forgery with: :exception

  include CommonModule
end

class ApplicationController < ActionController::Base

protect_from_forgery with: :exception

include CommonModule

end

利用

コントローラーで利用可能。

app/controllers/pages_controller.rb

class PagesController < ApplicationController
  def helper_test
    p baz_helper
  end
end

class PagesController < ApplicationController

def helper_test

p baz_helper

end

しかしビューでは使えない。

Rails – レンダリングされない～form_with

2021-03-14 / tau / コメントする

概要

Rails事始めで、フォームから送信した内容を反映させるだけのことが「ページがレンダリングされない」という状態になった話。

結論はfome_withの機能とパラメーターに関するもので、オンラインレッスンの講師の方に教わるまで解決できなかった。

問題の内容

アプリケーション

フォームから受け取った値をインスタンス変数に入れて、それを他のアクションで参照してフォームがあるページを更新するという内容。

躓いてから、できるだけシンプルにしていったのが次のアプリケーションで、フォームのボタンを押すとトップページのテキストの内容を入れ替えるだけのもの。

コントローラー：app/controllers/pages_controller.rb

class PagesController < ApplicationController
  def top
    @text = "Hello"
  end

  def input
    @text = "Hi"
    render action: :top and return
  end
end

class PagesController < ApplicationController

def top

@text = "Hello"

end

def input

@text = "Hi"

render action: :top and return

end

ビュー：app/views/pages/top.html.erb

<h1>Top Page</h1>

<% p @text %>
<p>Text:<%= @text %></p>

<%= form_with(url: input_path) do |f| %>
  <button>Submit</button>
<% end %>

<% p @text %>

<%= form_with(url: input_path) do |f| %>

<button>Submit</button>

<% end %>

ルーティング：config/rotes.rb

Rails.application.routes.draw do
  root to: 'pages#top', as: :top
  post 'input', to: 'pages#input', as: :input
end

Rails.application.routes.draw do

root to: 'pages#top', as: :top

post 'input', to: 'pages#input', as: :input

end

症状

以下のページが表示されるが、Submitボタンを押しても画面に変化がない。

よく見ると、inputにルーティングしているのにURLに/inputがついていない。

検証ツールで見ると、inputに対して通信はしていて、書き換えの処理はされているようだ。

コンソールの出力を見ると、POST時の変数の内容は”Hi”に変更されている。

Started GET "/" for 10.0.2.2 at 2021-03-14 15:36:51 +0900
Cannot render console from 10.0.2.2! Allowed networks: 127.0.0.1, ::1, 127.0.0.0/127.255.255.255
Processing by PagesController#top as HTML
  Rendering pages/top.html.erb within layouts/application
"Hello"
  Rendered pages/top.html.erb within layouts/application (0.8ms)
Completed 200 OK in 18ms (Views: 16.6ms)


Started POST "/input" for 10.0.2.2 at 2021-03-14 15:36:57 +0900
Cannot render console from 10.0.2.2! Allowed networks: 127.0.0.1, ::1, 127.0.0.0/127.255.255.255
Processing by PagesController#input as JS
  Parameters: {"utf8"=>"✓", "authenticity_token"=>"Ok8wUxj2qkkQHCk/gn6vsH0fib/NlpZgiS9NCM9w2iVSc/gEZ4BQCY7EHFJ9WHmUhaR/LxiIFYFlUMSOeIs/eg=="}
  Rendering pages/top.html.erb within layouts/application
"Hi"
  Rendered pages/top.html.erb within layouts/application (1.0ms)
Completed 200 OK in 36ms (Views: 35.8ms)

Started GET "/" for 10.0.2.2 at 2021-03-14 15:36:51 +0900

Cannot render console from 10.0.2.2! Allowed networks: 127.0.0.1, ::1, 127.0.0.0/127.255.255.255

Processing by PagesController#top as HTML

Rendering pages/top.html.erb within layouts/application

"Hello"

Rendered pages/top.html.erb within layouts/application (0.8ms)

Completed 200 OK in 18ms (Views: 16.6ms)

Started POST "/input" for 10.0.2.2 at 2021-03-14 15:36:57 +0900

Cannot render console from 10.0.2.2! Allowed networks: 127.0.0.1, ::1, 127.0.0.0/127.255.255.255

Processing by PagesController#input as JS

Parameters: {"utf8"=>"✓", "authenticity_token"=>"Ok8wUxj2qkkQHCk/gn6vsH0fib/NlpZgiS9NCM9w2iVSc/gEZ4BQCY7EHFJ9WHmUhaR/LxiIFYFlUMSOeIs/eg=="}

Rendering pages/top.html.erb within layouts/application

"Hi"

Rendered pages/top.html.erb within layouts/application (1.0ms)

Completed 200 OK in 36ms (Views: 35.8ms)

解決

解決策は”form_withのパラメーターにlocal: trueを加える”というものだった。

<%= form_with(url: input_path, local: true) do %>

コントローラー：app/controllers/pages_controller.rb

<h1>Top Page</h1>

<% p @text %>
<p>Text:<%= @text %></p>

<%= form_with(url: input_path, local: true) do |f| %>
  <button>Submit</button>
<% end %>

<% p @text %>

<%= form_with(url: input_path, local: true) do |f| %>

<button>Submit</button>

<% end %>

Submitボタンを押すと表示が変更されるようになった。

理由

form_forでは送信時にページ全体がレンダリングされるが、form_withはデフォルトではajaxによる送信となっていて、そのままではページがレンダリングされない。

パラメーターにlocal: trueを指定するとHTMLとしてのフォーム送信として扱われ、ページがレンダリングされる。

form_tag/form_withがdeprecatedだというところだけを読んで気軽に使ったのが敗因。

Vagrant – MySQLのインストール – AmazonLinux2

2021-03-10 / tau / コメントする

概要

Vagrant + VirtualBoxのamazonlinux-2にMySQLをインストールした記録。

MySQLをローカルインストールする際、展開されたすべてのファイルをインストールする必要がある
Amazon Linux 2では標準でMariaDBがインストールされているのでアンインストール

インストール

概要

CentOS7へのインストールと同じ手順で完了した。ただしAmazon Linux 2にデフォルトでインストールされているMariaDBをアンインストール。

MariaDBのアンインストール

[vagrant@vagrant tmp]$ sudo yum remove mariadb-libs
Loaded plugins: dkms-build-requires, langpacks, priorities, update-motd
Resolving Dependencies
--> Running transaction check
---> Package mariadb-libs.x86_64 1:5.5.64-1.amzn2 will be erased
--> Processing Dependency: libmysqlclient.so.18()(64bit) for package: 2:postfix-2.10.1-6.amzn2.0.3.x86_64
.....
Removed:
  mariadb-libs.x86_64 1:5.5.64-1.amzn2

Dependency Removed:
  postfix.x86_64 2:2.10.1-6.amzn2.0.3

Complete!

[vagrant@vagrant tmp]$ sudo yum remove mariadb-libs

Loaded plugins: dkms-build-requires, langpacks, priorities, update-motd

Resolving Dependencies

--> Running transaction check

---> Package mariadb-libs.x86_64 1:5.5.64-1.amzn2 will be erased

--> Processing Dependency: libmysqlclient.so.18()(64bit) for package: 2:postfix-2.10.1-6.amzn2.0.3.x86_64

.....

Removed:

mariadb-libs.x86_64 1:5.5.64-1.amzn2

Dependency Removed:

postfix.x86_64 2:2.10.1-6.amzn2.0.3

Complete!

wgetの確認

Boxにwgetがインストールされていることを確認。

[vagrant@vagrant ~]$ yum list | grep '^wget.*$'
wget.x86_64                            1.14-18.amzn2.1                installed

1 2	[vagrant@vagrant ~]$ yum list \| grep '^wget.*$' wget.x86_64 1.14-18.amzn2.1 installed

ダウンロード

ブラウザーで以下のページをたどる。

MySQLサイトの下方「ダウンロード」
- MySQL Community ServerのArchiveタブ
  - MySQL Product Archivesページ

アーカイブページで以下を選択。

Product Version
- 5.5.62
Operating Sysrem
- Red Hat Enterprise Linux / Oracle Linux
OS Version
- Red Hat Enterprise Linux 7 / Oracle Linux 7 (x86, 64-bit)

一覧の中のRPM Bundle、Downloadボタンを右クリックしてリンクのアドレスをコピー。

コンソールからwgetに上でコピーしたURLを適用してダウンロード。tarファイルがダウンロードされる。

[vagrant@vagrant ~]$ sudo wget https://downloads.mysql.com/archives/get/p/23/file/MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar
--2021-03-04 07:51:18--  https://downloads.mysql.com/archives/get/p/23/file/MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar
Resolving downloads.mysql.com (downloads.mysql.com)... 137.254.60.14
Connecting to downloads.mysql.com (downloads.mysql.com)|137.254.60.14|:443... connected.
HTTP request sent, awaiting response... 302 Found
Location: https://cdn.mysql.com/archives/mysql-5.5/MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar [following]
--2021-03-04 07:51:19--  https://cdn.mysql.com/archives/mysql-5.5/MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar
Resolving cdn.mysql.com (cdn.mysql.com)... 23.223.248.241
Connecting to cdn.mysql.com (cdn.mysql.com)|23.223.248.241|:443... connected.
HTTP request sent, awaiting response... 200 OK
Length: 173352960 (165M) [application/x-tar]
Saving to: ‘MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar’

100%[=====================================>] 173,352,960 1.05MB/s   in 2m 28s

2021-03-04 07:53:48 (1.12 MB/s) - ‘MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar’ saved [173352960/173352960]

[vagrant@vagrant ~]$ sudo wget https://downloads.mysql.com/archives/get/p/23/file/MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar

--2021-03-04 07:51:18-- https://downloads.mysql.com/archives/get/p/23/file/MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar

Resolving downloads.mysql.com (downloads.mysql.com)... 137.254.60.14

Connecting to downloads.mysql.com (downloads.mysql.com)|137.254.60.14|:443... connected.

HTTP request sent, awaiting response... 302 Found

Location: https://cdn.mysql.com/archives/mysql-5.5/MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar [following]

--2021-03-04 07:51:19-- https://cdn.mysql.com/archives/mysql-5.5/MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar

Resolving cdn.mysql.com (cdn.mysql.com)... 23.223.248.241

Connecting to cdn.mysql.com (cdn.mysql.com)|23.223.248.241|:443... connected.

HTTP request sent, awaiting response... 200 OK

Length: 173352960 (165M) [application/x-tar]

Saving to: ‘MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar’

100%[=====================================>] 173,352,960 1.05MB/s in 2m 28s

2021-03-04 07:53:48 (1.12 MB/s) - ‘MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar’ saved [173352960/173352960]

ダウンロードされたtarファイルを確認し、展開。

[vagrant@vagrant ~]$ ls
MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar
[vagrant@vagrant ~]$ sudo tar -xvf MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar
MySQL-devel-5.5.62-1.el7.x86_64.rpm
MySQL-embedded-5.5.62-1.el7.x86_64.rpm
MySQL-shared-5.5.62-1.el7.x86_64.rpm
MySQL-test-5.5.62-1.el7.x86_64.rpm
MySQL-server-5.5.62-1.el7.x86_64.rpm
MySQL-shared-compat-5.5.62-1.el7.x86_64.rpm
MySQL-client-5.5.62-1.el7.x86_64.rpm

[vagrant@vagrant ~]$ ls

MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar

[vagrant@vagrant ~]$ sudo tar -xvf MySQL-5.5.62-1.el7.x86_64.rpm-bundle.tar

MySQL-devel-5.5.62-1.el7.x86_64.rpm

MySQL-embedded-5.5.62-1.el7.x86_64.rpm

MySQL-shared-5.5.62-1.el7.x86_64.rpm

MySQL-test-5.5.62-1.el7.x86_64.rpm

MySQL-server-5.5.62-1.el7.x86_64.rpm

MySQL-shared-compat-5.5.62-1.el7.x86_64.rpm

MySQL-client-5.5.62-1.el7.x86_64.rpm

展開されたファイルのインストール

1つずつsudo yum…でインストールしても、1行にまとめてインストールしても。

[vagrant@vagrant tmp]$ sudo yum localinstallで以下のファイルをインストール

MySQL-embedded-5.5.62-1.el7.x86_64.rpm
MySQL-shared-5.5.62-1.el7.x86_64.rpm
MySQL-test-5.5.62-1.el7.x86_64.rpm
MySQL-server-5.5.62-1.el7.x86_64.rpm
MySQL-shared-compat-5.5.62-1.el7.x86_64.rpm
MySQL-client-5.5.62-1.el7.x86_64.rpm

[vagrant@vagrant tmp]$ sudo yum localinstallで以下のファイルをインストール

MySQL-embedded-5.5.62-1.el7.x86_64.rpm

MySQL-shared-5.5.62-1.el7.x86_64.rpm

MySQL-test-5.5.62-1.el7.x86_64.rpm

MySQL-server-5.5.62-1.el7.x86_64.rpm

MySQL-shared-compat-5.5.62-1.el7.x86_64.rpm

MySQL-client-5.5.62-1.el7.x86_64.rpm

全ての展開ファイルのインストールが必要

当初、server、client、embeddedのみをインストールしたところ、不具合が出た。

Railsインストール後にプロジェクト生成でエラー
MySQLの文字コードセットがdatabaseとserverでlatin1
/etc/my.cnfが存在しない

後から残りのファイルをインストールしたところ、上の不具合は全て解消。ただしtestまで必要かどうかは確認していない。

サーバー稼働

サーバーの起動

オリジナルの環境ではservice mysqld startでサーバーを起動していたが、仮想環境ではsystemctlを使う。

[vagrant@vagrant tmp]$ sudo systemctl start mysql
[vagrant@vagrant tmp]$ systemctl status mysql
● mysql.service - LSB: start and stop MySQL
   Loaded: loaded (/etc/rc.d/init.d/mysql; bad; vendor preset: disabled)
   Active: active (running) since Sun 2021-03-07 09:21:41 UTC; 9s ago
     Docs: man:systemd-sysv-generator(8)
  Process: 30271 ExecStart=/etc/rc.d/init.d/mysql start (code=exited, status=0/SUCCESS)
   CGroup: /system.slice/mysql.service
           ├─30277 /bin/sh /usr/bin/mysqld_safe --datadir=/var/lib/mysql --pid-...
           └─30363 /usr/sbin/mysqld --basedir=/usr --datadir=/var/lib/mysql --p...

Mar 07 09:21:39 vagrant systemd[1]: Starting LSB: start and stop MySQL...
Mar 07 09:21:39 vagrant mysql[30271]: Starting MySQL.Logging to '/var/lib/mys...'.
Mar 07 09:21:41 vagrant mysql[30271]: . SUCCESS!
Mar 07 09:21:41 vagrant systemd[1]: Started LSB: start and stop MySQL.
Hint: Some lines were ellipsized, use -l to show in full.

[vagrant@vagrant tmp]$ sudo systemctl start mysql

[vagrant@vagrant tmp]$ systemctl status mysql

● mysql.service - LSB: start and stop MySQL

Loaded: loaded (/etc/rc.d/init.d/mysql; bad; vendor preset: disabled)

Active: active (running) since Sun 2021-03-07 09:21:41 UTC; 9s ago

Docs: man:systemd-sysv-generator(8)

Process: 30271 ExecStart=/etc/rc.d/init.d/mysql start (code=exited, status=0/SUCCESS)

CGroup: /system.slice/mysql.service

├─30277 /bin/sh /usr/bin/mysqld_safe --datadir=/var/lib/mysql --pid-...

└─30363 /usr/sbin/mysqld --basedir=/usr --datadir=/var/lib/mysql --p...

Mar 07 09:21:39 vagrant systemd[1]: Starting LSB: start and stop MySQL...

Mar 07 09:21:39 vagrant mysql[30271]: Starting MySQL.Logging to '/var/lib/mys...'.

Mar 07 09:21:41 vagrant mysql[30271]: . SUCCESS!

Mar 07 09:21:41 vagrant systemd[1]: Started LSB: start and stop MySQL.

Hint: Some lines were ellipsized, use -l to show in full.

[vagrant@vagrant photo]$ mysql -u root
Welcome to the MySQL monitor.  Commands end with ; or \g.
Your MySQL connection id is 14
Server version: 5.5.62 MySQL Community Server (GPL)

Copyright (c) 2000, 2018, Oracle and/or its affiliates. All rights reserved.

Oracle is a registered trademark of Oracle Corporation and/or its
affiliates. Other names may be trademarks of their respective
owners.

Type 'help;' or '\h' for help. Type '\c' to clear the current input statement.

mysql>

[vagrant@vagrant photo]$ mysql -u root

Welcome to the MySQL monitor. Commands end with ; or \g.

Your MySQL connection id is 14

Server version: 5.5.62 MySQL Community Server (GPL)

Oracle is a registered trademark of Oracle Corporation and/or its

affiliates. Other names may be trademarks of their respective

owners.

Type 'help;' or '\h' for help. Type '\c' to clear the current input statement.

mysql>

文字コードセットの確認

MySQLコンソールからshow variablesで文字コードセットを確認。

mysql> show variables like 'char%';
+--------------------------+----------------------------+
| Variable_name            | Value                      |
+--------------------------+----------------------------+
| character_set_client     | utf8                       |
| character_set_connection | utf8                       |
| character_set_database   | utf8                       |
| character_set_filesystem | binary                     |
| character_set_results    | utf8                       |
| character_set_server     | utf8                       |
| character_set_system     | utf8                       |
| character_sets_dir       | /usr/share/mysql/charsets/ |
+--------------------------+----------------------------+
8 rows in set (0.00 sec)

mysql> show variables like 'char%';

+--------------------------+----------------------------+

| Variable_name | Value |

+--------------------------+----------------------------+

| character_set_client | utf8 |

| character_set_connection | utf8 |

| character_set_database | utf8 |

| character_set_filesystem | binary |

| character_set_results | utf8 |

| character_set_server | utf8 |

| character_set_system | utf8 |

| character_sets_dir | /usr/share/mysql/charsets/ |

+--------------------------+----------------------------+

8 rows in set (0.00 sec)

JS/ES – DOM – textContent, innerText, innerHTML

2020-12-10 / tau / コメントする

概要

ブラウザーによる対応の有無もあるようだが、DOMの要素のテキストを扱う3つのプロパティー、textContent, innerText, innerHTMLの機能を確認する。

コード内容と結果

確認に使ったコードは以下の通りで、予め空のa要素を準備し、これに対して3つのプロパティーによってテキストを設定している。

テキストの種類は、プレーンテキスト、エスケープコード含み、HTMLタグ含みの3種類。

これに対して3つのプロパティーの挙動を確認しているので、計9個のリンクの結果を確認する。

HTML

<!DOCTYPE html>
<html lang="ja">
  <head>
    <meta charset="utf-8">
    <title>Inner text manipulation</title>
    <script>
      window.onload = () => {
        var a_plain_0 = document.getElementById('a_plain_0');
        var a_plain_1 = document.getElementById('a_plain_1');
        var a_plain_2 = document.getElementById('a_plain_2');

        var a_escape_0 = document.getElementById('a_escape_0');
        var a_escape_1 = document.getElementById('a_escape_1');
        var a_escape_2 = document.getElementById('a_escape_2');

        var a_html_0 = document.getElementById('a_html_0');
        var a_html_1 = document.getElementById('a_html_1');
        var a_html_2 = document.getElementById('a_html_2');

        a_plain_0.textContent = 'このサイトへのリンク'
        a_plain_1.innerText = 'このサイトへのリンク'
        a_plain_2.innerHTML = 'このサイトへのリンク'

        a_escape_0.textContent = 'このサイトへの\nリンク'
        a_escape_1.innerText = 'このサイトへの\nリンク'
        a_escape_2.innerHTML = 'このサイトへの\nリンク'

        a_html_0.textContent = '<b>このサイト</b>へのリンク'
        a_html_1.innerText = '<b>このサイト</b>へのリンク'
        a_html_2.innerHTML = '<b>このサイト</b>へのリンク'
      }
    </script>
  </head>
  <body>
    <p>
      <a id="a_plain_0" href="http://www.taustation.com"></a><br>
      <a id="a_plain_1" href="http://www.taustation.com"></a><br>
      <a id="a_plain_2" href="http://www.taustation.com"></a>
    </p>
    <p>
      <a id="a_escape_0" href="http://www.taustation.com"></a><br>
      <a id="a_escape_1" href="http://www.taustation.com"></a><br>
      <a id="a_escape_2" href="http://www.taustation.com"></a>
    </p>
    <p>
      <a id="a_html_0" href="http://www.taustation.com"></a><br>
      <a id="a_html_1" href="http://www.taustation.com"></a><br>
      <a id="a_html_2" href="http://www.taustation.com"></a>
    </p>
  </body>
</html>

<!DOCTYPE html>

<head>

<title>Inner text manipulation</title>

window.onload = () => {

var a_plain_0 = document.getElementById('a_plain_0');

var a_plain_1 = document.getElementById('a_plain_1');

var a_plain_2 = document.getElementById('a_plain_2');

var a_escape_0 = document.getElementById('a_escape_0');

var a_escape_1 = document.getElementById('a_escape_1');

var a_escape_2 = document.getElementById('a_escape_2');

var a_html_0 = document.getElementById('a_html_0');

var a_html_1 = document.getElementById('a_html_1');

var a_html_2 = document.getElementById('a_html_2');

a_plain_0.textContent = 'このサイトへのリンク'

a_plain_1.innerText = 'このサイトへのリンク'

a_plain_2.innerHTML = 'このサイトへのリンク'

a_escape_0.textContent = 'このサイトへの\nリンク'

a_escape_1.innerText = 'このサイトへの\nリンク'

a_escape_2.innerHTML = 'このサイトへの\nリンク'

a_html_0.textContent = '<b>このサイト</b>へのリンク'

a_html_1.innerText = '<b>このサイト</b>へのリンク'

a_html_2.innerHTML = '<b>このサイト</b>へのリンク'

}

</script>

</head>

<body>

<p>

</p>

<p>

</p>

<p>

</p>

</body>

</html>

結果

プレーンテキストに対しては、3つのプロパティーとも同じ結果になる。

エスケープコードを含むテキストについては、innerTextはエスケープを機能通りに表示、textContentとinnerHTMLはエスケープの機能は再現しないが、半角空白の文字として表現。

タグに関しては、innerHTMLは反映、他の2つはそのままプレーンテキストとして表示される。つまり、innerHTMLは<や>などの文字がそのまま送られ、innerTextとtextContentでは<や>などの特殊記号に変換されて送られる。

まとめ

	textContent	innerText	innerHTML
プレーンテキスト	テキスト表示	テキスト表示	テキスト表示
ESC含みテキスト	テキスト表示(ESCは半角SP)	ESC機能を反映	テキスト表示(ESCは半角SP)
タグ含みテキスト	プレーンテキスト表示	プレーンテキスト表示	タグ機能を反映

Ruby – chomp/chomp!～末尾の改行文字の削除

2020-11-28 / tau / コメントする

chompは末尾の改行文字を削除する。ただし"\n\r"の場合は"\n"が削除されずに残る。

p("abcd\n".chomp)
# "abcd"

p("abcd\r".chomp)
# "abcd"

p("abcd\r\n".chomp)
# "abcd"

p("abcd\n\r".chomp)
# "abcd\n"

p("abcd\n".chomp)

# "abcd"

p("abcd\r".chomp)

# "abcd"

p("abcd\r\n".chomp)

# "abcd"

p("abcd\n\r".chomp)

# "abcd\n"

"\n\r"を削除したいときは引数に"\n\r"を指定するか、chompを2回実行する（chompは改行文字列だけを削除する）。

p("abcd\n\r".chomp("\n\r"))
# "abcd"

p("abcd\n\r".chomp.chomp)
# "abcd"

p("abcd\n".chomp.chomp)
# "abcd"

p("abcd\n\r".chomp("\n\r"))

# "abcd"

p("abcd\n\r".chomp.chomp)

# "abcd"

p("abcd\n".chomp.chomp)

# "abcd"

末尾以外にある改行文字は削除されない。

p("abc\ndef\n".chomp)
# "abc\ndef"

1 2	p("abc\ndef\n".chomp) # "abc\ndef"

chopは非破壊的であり、元の文字列は変更されない。

s = "abcd\n"

p(s.chomp)
# "abcd"

p(s)
# "abcd\n"

s = "abcd\n"

p(s.chomp)

# "abcd"

p(s)

# "abcd\n"

chop!にすると破壊的メソッドになり、戻り値も変更後の文字列。

p(s.chomp!)
# "abcd"

p(s)
# "abcd"

p(s.chomp!)

# "abcd"

p(s)

# "abcd"

PCA – 次元削減と逆変換について

2020-11-23 / tau / コメントする

概要

主成分分析(PCA)において、次元削減により主成分の一部だけを残し、それを逆変換することを考える。

結論から言うと、以下の2つの操作は同じ結果をもたらす。

全ての主成分を用いて変換し、削減する主成分に対応する元の特徴量を0とし、逆変換する
削減する主成分より低次の主成分のみで変換し、それを逆変換する

簡単な例

全主成分を使った手順

概要

最初の例は、2次元のデータについて以下のような操作を行っている。

2つの主成分まで使ってデータを変換
第2主成分に対応する変換後のデータを0にする
そのデータを逆変換する

元データの作成

まず元データを作成し、左上に散布図を描画。

元データは水平線にcosine状に正規分布するノイズを乗せ、それを45度回転させている。

また、適当な位置に特定の点を1つ定義している。

import numpy as np
import matplotlib.pyplot as plt
from sklearn.decomposition import PCA

np.random.seed(0)

n_data = 200
cs = 1 / np.sqrt(2)
x = np.linspace(-1, 1, n_data)
y = np.random.randn(n_data) * np.cos(x * np.pi / 2) / 6
x, y = cs * x - cs * y, cs * x + cs * y
xp, yp = 0.25, 0.5

X = np.array([x, y]).reshape(-1, 2)
Xp = np.array([xp, yp]).reshape(-1, 2)

fig1, axes1 = plt.subplots(2, 2) &nbsp;axes1[0, 0].scatter(X[:, 0], X[:, 1], marker='o', s=4)
axes1[0, 0].scatter(Xp[0, 0], Xp[0, 1], marker='x', s=40)

print("Xp original:{}".format(Xp))
# Xp original:[[0.25 0.5 ]]

.....

for axis in axes1.ravel():
    axis.set_aspect('equal')
    axis.set_xlim(-1, 1)
    axis.set_ylim(-1, 1)

plt.show()

import numpy as np

import matplotlib.pyplot as plt

from sklearn.decomposition import PCA

np.random.seed(0)

n_data = 200

cs = 1 / np.sqrt(2)

x = np.linspace(-1, 1, n_data)

y = np.random.randn(n_data) * np.cos(x * np.pi / 2) / 6

x, y = cs * x - cs * y, cs * x + cs * y

xp, yp = 0.25, 0.5

X = np.array([x, y]).reshape(-1, 2)

Xp = np.array([xp, yp]).reshape(-1, 2)

fig1, axes1 = plt.subplots(2, 2)  axes1[0, 0].scatter(X[:, 0], X[:, 1], marker='o', s=4)

axes1[0, 0].scatter(Xp[0, 0], Xp[0, 1], marker='x', s=40)

print("Xp original:{}".format(Xp))

# Xp original:[[0.25 0.5 ]]

.....

for axis in axes1.ravel():

axis.set_aspect('equal')

axis.set_xlim(-1, 1)

axis.set_ylim(-1, 1)

plt.show()

フィッティングと元データの変換

次に元データをPCAによって変換し、変換後の散布図を右上に描画。

斜めだった分布が、第1主成分がx軸と重るように変換されて水平になる。

.....

pca = PCA().fit(X)
X_trans = pca.transform(X)
Xp_trans = pca.transform(Xp)

axes1[0, 1].scatter(X_trans[:, 0], X_trans[:, 1], marker='o', s=4)
axes1[0, 1].scatter(Xp_trans[0, 0], Xp_trans[0, 1], marker='x', s=40)

print("Xp transfomed:{}".format(Xp_trans))
# Xp transfomed:[[ 0.53055026 -0.17107022]]

.....

.....

pca = PCA().fit(X)

X_trans = pca.transform(X)

Xp_trans = pca.transform(Xp)

axes1[0, 1].scatter(X_trans[:, 0], X_trans[:, 1], marker='o', s=4)

axes1[0, 1].scatter(Xp_trans[0, 0], Xp_trans[0, 1], marker='x', s=40)

print("Xp transfomed:{}".format(Xp_trans))

# Xp transfomed:[[ 0.53055026 -0.17107022]]

.....

第2主成分のデータの削除

変換後のデータにおいて、第2主成分に関する値を0とし、左下に散布図を描画。

第2成分に相当する垂直成分が0になる。

.....

X_trans[:, 1] = 0
Xp_trans[0, 1] = 0
axes1[1, 0].scatter(X_trans[:, 0], X_trans[:, 1], marker='o', s=4)
axes1[1, 0].scatter(Xp_trans[0, 0], Xp_trans[0, 1], marker='x', s=40)

.....

.....

X_trans[:, 1] = 0

Xp_trans[0, 1] = 0

axes1[1, 0].scatter(X_trans[:, 0], X_trans[:, 1], marker='o', s=4)

axes1[1, 0].scatter(Xp_trans[0, 0], Xp_trans[0, 1], marker='x', s=40)

.....

逆変換

第2主成分を0としたデータを逆変換して描画。

第1主成分に直角な第2主成分が0となり、全点が一直線上に並ぶ。

X_inv = pca.inverse_transform(X_trans)
Xp_inv = pca.inverse_transform(Xp_trans)
axes1[1, 1].scatter(X_inv[:, 0], X_inv[:, 1], marker='o', s=4)
axes1[1, 1].scatter(Xp_inv[0, 0], Xp_inv[0, 1], marker='x', s=40)

print("Xp inversed:{}".format(Xp_inv))
# Xp inversed:[[0.37112019 0.37919056]]

.....

X_inv = pca.inverse_transform(X_trans)

Xp_inv = pca.inverse_transform(Xp_trans)

axes1[1, 1].scatter(X_inv[:, 0], X_inv[:, 1], marker='o', s=4)

axes1[1, 1].scatter(Xp_inv[0, 0], Xp_inv[0, 1], marker='x', s=40)

print("Xp inversed:{}".format(Xp_inv))

# Xp inversed:[[0.37112019 0.37919056]]

.....

最初から主成分を限定する手順

概要

次の例は元の特徴量を操作せず、以下のような手順に寄っている。

PCAのモデル生成時に、n_component=1とする
そのPCAモデルで元データを変換する
変換したデータを逆変換する

fig2, axes2 = plt.subplots(1, 2)

axes2[0].scatter(X[:, 0], X[:, 1], marker='o', s=4)
axes2[0].scatter(Xp[0, 0], Xp[0, 1], marker='x', s=40)

print("Xp original:{}".format(Xp))
# Xp original:[[0.25 0.5 ]]

pca = PCA(n_components=1).fit(X)
X_trans = pca.transform(X)
Xp_trans = pca.transform(Xp)

print("Xp transfomed:{}".format(Xp_trans))
# Xp transfomed:[[0.53055026]]

X_inv = pca.inverse_transform(X_trans)
Xp_inv = pca.inverse_transform(Xp_trans)
axes2[1].scatter(X_inv[:, 0], X_inv[:, 1], marker='o', s=4)
axes2[1].scatter(Xp_inv[0, 0], Xp_inv[0, 1], marker='x', s=40)

print("Xp inversed:{}".format(Xp_inv))
# Xp inversed:[[0.37112019 0.37919056]]

for axis in axes2.ravel():
    axis.set_aspect('equal')
    axis.set_xlim(-1, 1)
    axis.set_ylim(-1, 1)

plt.show()

fig2, axes2 = plt.subplots(1, 2)

axes2[0].scatter(X[:, 0], X[:, 1], marker='o', s=4)

axes2[0].scatter(Xp[0, 0], Xp[0, 1], marker='x', s=40)

print("Xp original:{}".format(Xp))

# Xp original:[[0.25 0.5 ]]

pca = PCA(n_components=1).fit(X)

X_trans = pca.transform(X)

Xp_trans = pca.transform(Xp)

print("Xp transfomed:{}".format(Xp_trans))

# Xp transfomed:[[0.53055026]]

X_inv = pca.inverse_transform(X_trans)

Xp_inv = pca.inverse_transform(Xp_trans)

axes2[1].scatter(X_inv[:, 0], X_inv[:, 1], marker='o', s=4)

axes2[1].scatter(Xp_inv[0, 0], Xp_inv[0, 1], marker='x', s=40)

print("Xp inversed:{}".format(Xp_inv))

# Xp inversed:[[0.37112019 0.37919056]]

for axis in axes2.ravel():

axis.set_aspect('equal')

axis.set_xlim(-1, 1)

axis.set_ylim(-1, 1)

plt.show()

まとめ

途中で表示させているXpのデータが、2つの手順で全く同じであることがわかる。

最初から主成分を限定することで、元の特徴量を意識せずに次元削減ができる。

LFW peopleデータセット

2020-11-23 / tau / コメントする

概要

Scikit-learnから入手できるLFW peopleデータセットは、世界の著名人の顔画像データを集めたものである。

1人につき1枚～最大530枚の画像データが、それぞれの人に対して紐づけされている。

LFWは”Labeled Faces in the Wild”の略で、”in the Wild”には「出回っている」というニュアンスがあるらしい。

IrisやBostonなどのデータと異なり、Scikit-learnをインストールした状態ではデータはローカルに格納されず、最初の読み込み時にデータがダウンロードされてローカルに格納される。1度ダウンロードされた後は、ローカルのデータが使われる。

【注意】

fetch_lfw_people()のresize引数を変更すると、そのたびにデータのダウンロードが実行されるようなので、実行ごとの時間を節約したい場合はresizeの値を決めておくとよい

データの取得

データの読み込みは以下の手順による。

sklearn.datasets.fetch_lfw_peopleをインポートする
fetch_lfw_poeple()関数でBunchオブジェクトのデータセットを読み込む
- fetch_lfw_peple()関数を最初に実行したときに、ローカルにデータが読み込まれる（これには数分程度かかる）
- 一度読み込まれた後は、ローカル上のデータが使われる
- ローカル上のデータの場所は、ログインしたユーザーのホームディレクトリー下、schikit_learn_dataディレクトリー

データ構造

データセットはBunchオブジェクトで、辞書型のkeyとvalueで内容を取得できる。

from sklearn.datasets import fetch_lfw_people

ds = fetch_lfw_people()

for key, value in zip(ds.keys(), ds.values()):
    print("{}:\n{}\n".format(key, value))

from sklearn.datasets import fetch_lfw_people

ds = fetch_lfw_people()

for key, value in zip(ds.keys(), ds.values()):

print("{}:\n{}\n".format(key, value))

内容は以下の通りで、

dataとimagesは顔画像データを異なる形状の配列で格納したもの
targetは各顔画像の人物id
target_namesは各idに対する人物の名前
DESCRはデータに関する説明。

data:
[[ 34.        29.333334  22.333334 ...  14.666667  16.        14.      ]
 [158.       160.66667  169.66667  ... 138.66667  135.66667  130.33333 ]
 [ 76.666664  81.        87.666664 ... 191.66667  145.33333   66.      ]
 ...
 [ 38.333332  41.666668  55.       ...  66.        63.333332  54.666668]
 [ 16.666666  24.333334  60.333332 ... 219.       144.        69.      ]
 [ 58.333332  48.        20.       ... 116.       105.666664 143.66667 ]]

images:
[[[ 34.        29.333334  22.333334 ...  20.        26.        31.      ]
  [ 37.333332  32.        25.333334 ...  21.        27.        32.      ]
  [ 33.333332  32.        40.333332 ...  23.333334  28.666666  35.666668]
  ...
  [166.        96.666664  44.666668 ...   9.333333  14.        12.      ]
  [ 64.333336  39.        30.333334 ...  13.        16.        14.      ]
  [ 30.333334  29.        26.333334 ...  14.666667  16.        14.      ]]

 ...

 [[ 58.333332  48.        20.       ...  66.       101.666664  94.666664]
  [ 62.333332  32.666668  26.333334 ...  50.666668  90.       101.666664]
  [ 56.        29.333334  47.333332 ...  55.333332  76.666664 106.666664]
  ...
  [116.333336 107.        95.       ... 113.333336 100.666664  88.333336]
  [116.666664 105.        94.       ... 116.       103.666664 111.666664]
  [116.       103.333336  95.333336 ... 116.       105.666664 143.66667 ]]]

target:
[5360 3434 3807 ... 2175  373 2941]

target_names:
['AJ Cook' 'AJ Lamas' 'Aaron Eckhart' ... 'Zumrati Juma' 'Zurab Tsereteli'
 'Zydrunas Ilgauskas']

DESCR:
.. _labeled_faces_in_the_wild_dataset:

The Labeled Faces in the Wild face recognition dataset
------------------------------------------------------

This dataset is a collection of JPEG pictures of famous people collected
over the internet, all details are available on the official website:

.....

Examples
~~~~~~~~

:ref:`sphx_glr_auto_examples_applications_plot_face_recognition.py`


PS C:\Users\tomo\GoogleDrive\IT_and_Mobile\dev\python\packages\sklearn.datasets\lfw_people>

data:

[[ 34. 29.333334 22.333334 ... 14.666667 16. 14. ]

[158. 160.66667 169.66667 ... 138.66667 135.66667 130.33333 ]

[ 76.666664 81. 87.666664 ... 191.66667 145.33333 66. ]

...

[ 38.333332 41.666668 55. ... 66. 63.333332 54.666668]

[ 16.666666 24.333334 60.333332 ... 219. 144. 69. ]

[ 58.333332 48. 20. ... 116. 105.666664 143.66667 ]]

images:

[[[ 34. 29.333334 22.333334 ... 20. 26. 31. ]

[ 37.333332 32. 25.333334 ... 21. 27. 32. ]

[ 33.333332 32. 40.333332 ... 23.333334 28.666666 35.666668]

...

[166. 96.666664 44.666668 ... 9.333333 14. 12. ]

[ 64.333336 39. 30.333334 ... 13. 16. 14. ]

[ 30.333334 29. 26.333334 ... 14.666667 16. 14. ]]

...

[[ 58.333332 48. 20. ... 66. 101.666664 94.666664]

[ 62.333332 32.666668 26.333334 ... 50.666668 90. 101.666664]

[ 56. 29.333334 47.333332 ... 55.333332 76.666664 106.666664]

...

[116.333336 107. 95. ... 113.333336 100.666664 88.333336]

[116.666664 105. 94. ... 116. 103.666664 111.666664]

[116. 103.333336 95.333336 ... 116. 105.666664 143.66667 ]]]

target:

[5360 3434 3807 ... 2175 373 2941]

target_names:

['AJ Cook' 'AJ Lamas' 'Aaron Eckhart' ... 'Zumrati Juma' 'Zurab Tsereteli'

'Zydrunas Ilgauskas']

DESCR:

.. _labeled_faces_in_the_wild_dataset:

The Labeled Faces in the Wild face recognition dataset

------------------------------------------------------

This dataset is a collection of JPEG pictures of famous people collected

over the internet, all details are available on the official website:

.....

Examples

~~~~~~~~

:ref:`sphx_glr_auto_examples_applications_plot_face_recognition.py`

PS C:\Users\tomo\GoogleDrive\IT_and_Mobile\dev\python\packages\sklearn.datasets\lfw_people>

データの内容

`target_names`～ターゲットの人物

ターゲットとなる人の名前はtarget_namesに格納されていて、その数は20201122時点で5,749人分のユニークなデータ。

名前に対するインデックスがターゲットのidになる。

import numpy as np
import pandas as pd
from sklearn.datasets import fetch_lfw_people

ds = fetch_lfw_people()

print(ds.target_names.shape)
# (5749,)

print(ds.target_names)
# ['AJ Cook' 'AJ Lamas' 'Aaron Eckhart' ... 'Zumrati Juma' 'Zurab Tsereteli'
#  'Zydrunas Ilgauskas']

import numpy as np

import pandas as pd

from sklearn.datasets import fetch_lfw_people

ds = fetch_lfw_people()

print(ds.target_names.shape)

# (5749,)

print(ds.target_names)

# ['AJ Cook' 'AJ Lamas' 'Aaron Eckhart' ... 'Zumrati Juma' 'Zurab Tsereteli'

# 'Zydrunas Ilgauskas']

`target`～ターゲット数

ターゲットのidはtargetに1次元配列で格納されている。

1人のターゲットに複数枚の異なる顔画像が格納されているものもあり、targetデータに格納されたターゲットデータ全体は13,233個。

これらのidがターゲットとなる人の名前と顔画像データに結びついている。

print(ds.target.shape)
(13233,)

print(ds.target)
# [5360 3434 3807 ... 2175  373 2941]

print(ds.target.shape)

(13233,)

print(ds.target)

# [5360 3434 3807 ... 2175 373 2941]

`images`～顔画像のピクセルデータ

imagesには各顔画像のデータが1次元のピクセル値として格納されている。

配列のインデックスとtargetのインデックスが紐づいていて、targetの要素から顔画像の人物が特定できる。

print(ds.images.shape)
print(ds.images)

1 2	print(ds.images.shape) print(ds.images)

このデータの構造は以下のとおりで、13,233個の画像データが62×47のグレイスケールの配列として保存されている。

(13233, 62, 47)

1	(13233, 62, 47)

3次元データの構造は以下の通り。

(13233, 62, 47)
[[[ 34.        29.333334  22.333334 ...  20.        26.        31.      ]
  [ 37.333332  32.        25.333334 ...  21.        27.        32.      ]
  [ 33.333332  32.        40.333332 ...  23.333334  28.666666  35.666668]
  ...
  [166.        96.666664  44.666668 ...   9.333333  14.        12.      ]
  [ 64.333336  39.        30.333334 ...  13.        16.        14.      ]
  [ 30.333334  29.        26.333334 ...  14.666667  16.        14.      ]]

 [[158.       160.66667  169.66667  ...  74.666664  28.        16.      ]
  [155.66667  156.       163.33333  ...  83.        25.666666  14.      ]
  [146.66667  144.       145.       ...  82.333336  25.666666  14.666667]
  ...
  [118.666664 120.       170.       ... 131.33333  126.666664 125.666664]
  [125.       117.666664 140.33333  ... 133.66667  132.       129.33333 ]
  [128.33333  123.       122.       ... 138.66667  135.66667  130.33333 ]]

 ...

 [[ 58.333332  48.        20.       ...  66.       101.666664  94.666664]
  [ 62.333332  32.666668  26.333334 ...  50.666668  90.       101.666664]
  [ 56.        29.333334  47.333332 ...  55.333332  76.666664 106.666664]
  ...
  [116.333336 107.        95.       ... 113.333336 100.666664  88.333336]
  [116.666664 105.        94.       ... 116.       103.666664 111.666664]
  [116.       103.333336  95.333336 ... 116.       105.666664 143.66667 ]]]

(13233, 62, 47)

[[[ 34. 29.333334 22.333334 ... 20. 26. 31. ]

[ 37.333332 32. 25.333334 ... 21. 27. 32. ]

[ 33.333332 32. 40.333332 ... 23.333334 28.666666 35.666668]

...

[166. 96.666664 44.666668 ... 9.333333 14. 12. ]

[ 64.333336 39. 30.333334 ... 13. 16. 14. ]

[ 30.333334 29. 26.333334 ... 14.666667 16. 14. ]]

[[158. 160.66667 169.66667 ... 74.666664 28. 16. ]

[155.66667 156. 163.33333 ... 83. 25.666666 14. ]

[146.66667 144. 145. ... 82.333336 25.666666 14.666667]

...

[118.666664 120. 170. ... 131.33333 126.666664 125.666664]

[125. 117.666664 140.33333 ... 133.66667 132. 129.33333 ]

[128.33333 123. 122. ... 138.66667 135.66667 130.33333 ]]

...

[[ 58.333332 48. 20. ... 66. 101.666664 94.666664]

[ 62.333332 32.666668 26.333334 ... 50.666668 90. 101.666664]

[ 56. 29.333334 47.333332 ... 55.333332 76.666664 106.666664]

...

[116.333336 107. 95. ... 113.333336 100.666664 88.333336]

[116.666664 105. 94. ... 116. 103.666664 111.666664]

[116. 103.333336 95.333336 ... 116. 105.666664 143.66667 ]]]

`data`～1次元の顔画像データ

dataには顔画像のピクセルデータが各画像ごとに1次元で格納されている。

imagesと同じく、各画像データと人物が紐づけられる。

print(ds.data.shape)
print(ds.data)

1 2	print(ds.data.shape) print(ds.data)

このデータの構造は以下の通りで、13,233行のデータがあり、各行が2次元の配列を1次元にフラット化した形で格納されている（62×47＝2914）。

(13233, 2914)

1	(13233, 2914)

2次元のデータ構造は以下の通り。

[[ 34.        29.333334  22.333334 ...  14.666667  16.        14.      ]
 [158.       160.66667  169.66667  ... 138.66667  135.66667  130.33333 ]
 [ 76.666664  81.        87.666664 ... 191.66667  145.33333   66.      ]
 ...
 [ 38.333332  41.666668  55.       ...  66.        63.333332  54.666668]
 [ 16.666666  24.333334  60.333332 ... 219.       144.        69.      ]
 [ 58.333332  48.        20.       ... 116.       105.666664 143.66667 ]]

[[ 34. 29.333334 22.333334 ... 14.666667 16. 14. ]

[158. 160.66667 169.66667 ... 138.66667 135.66667 130.33333 ]

[ 76.666664 81. 87.666664 ... 191.66667 145.33333 66. ]

...

[ 38.333332 41.666668 55. ... 66. 63.333332 54.666668]

[ 16.666666 24.333334 60.333332 ... 219. 144. 69. ]

[ 58.333332 48. 20. ... 116. 105.666664 143.66667 ]]

データの概要

顔画像データの確認

顔画像データの内容を確認してみる。ここでは、書籍”Pythonではじめる機械学習”の例に沿って、最低20枚以上の画像がある人物から最初の10人分を取り出して表示している。

import matplotlib.pyplot as plt
from sklearn.datasets import fetch_lfw_people

people = fetch_lfw_people(min_faces_per_person=20)

print(people.images[0].shape)

fig, axes_list = plt.subplots(2, 5, figsize=(6.4, 3.2))
fig.subplots_adjust(hspace=0.5)

for target, image, axes in zip(people.target, people.images, axes_list.ravel()):
    axes.imshow(image, 'gray')
    axes.set_title(people.target_names[target], fontsize=8)

plt.show()

import matplotlib.pyplot as plt

from sklearn.datasets import fetch_lfw_people

people = fetch_lfw_people(min_faces_per_person=20)

print(people.images[0].shape)

fig, axes_list = plt.subplots(2, 5, figsize=(6.4, 3.2))

fig.subplots_adjust(hspace=0.5)

for target, image, axes in zip(people.target, people.images, axes_list.ravel()):

axes.imshow(image, 'gray')

axes.set_title(people.target_names[target], fontsize=8)

plt.show()

人物の並びは原著どおりだが、それぞれの顔画像が異なっている。著書執筆後にデータが追加／更新されたようだ。

データの俯瞰

全体の画像データを、1人あたりの枚数ごとに集計してみる。

多くの人について顔画像が1つだけで、George Bush元大統領の顔画像が飛びぬけて多いようだ。

df = pd.DataFrame()
df['name'] = ds.target_names
df['counts'] = np.bincount(ds.target)
print(df.sort_values('counts'))

#                    name  counts
# 0               AJ Cook       1
# 3518     Marina Canetti       1
# 3513  Marie-Josee Croze       1
# 3512       Marie Haghal       1
# 3511  Maribel Dominguez       1
# ...                 ...     ...
# 1892  Gerhard Schroeder     109
# 1404    Donald Rumsfeld     121
# 5458         Tony Blair     144
# 1047       Colin Powell     236
# 1871      George W Bush     530
# 
# [5749 rows x 2 columns]

df = pd.DataFrame()

df['name'] = ds.target_names

df['counts'] = np.bincount(ds.target)

print(df.sort_values('counts'))

# name counts

# 0 AJ Cook 1

# 3518 Marina Canetti 1

# 3513 Marie-Josee Croze 1

# 3512 Marie Haghal 1

# 3511 Maribel Dominguez 1

# ... ... ...

# 1892 Gerhard Schroeder 109

# 1404 Donald Rumsfeld 121

# 5458 Tony Blair 144

# 1047 Colin Powell 236

# 1871 George W Bush 530

# [5749 rows x 2 columns]

画像枚数ごとに人数を整理してみる。

そこで、顔画像の個数ごとに見た時の人数を確認してみる。

print(np.bincount(df['counts']))

# [   0 4069  779  291  187  112   55   39   33   26   15   16   10   11
#    10   11    3    8    5    7    5    4    5    3    3    1    2    1
#     2    2    2    2    3    3    0    1    1    1    0    2    0    2
#     2    0    1    0    0    0    1    1    0    0    2    1    0    1
#     0    0    0    0    1    0    0    0    0    0    0    0    0    0
#     0    1    0    0    0    0    0    1    0    0    0    0    0    0
#     0    0    0    0    0    0    0    0    0    0    0    0    0    0
#     0    0    0    0    0    0    0    0    0    0    0    1    0    0
#     0    0    0    0    0    0    0    0    0    1    0    0    0    0
#     0    0    0    0    0    0    0    0    0    0    0    0    0    0
#     0    0    0    0    1    0    0    0    0    0    0    0    0    0
#     0    0    0    0    0    0    0    0    0    0    0    0    0    0
#     0    0    0    0    0    0    0    0    0    0    0    0    0    0
#     0    0    0    0    0    0    0    0    0    0    0    0    0    0
#     0    0    0    0    0    0    0    0    0    0    0    0    0    0
#     0    0    0    0    0    0    0    0    0    0    0    0    0    0
#     0    0    0    0    0    0    0    0    0    0    0    0    1    0
#     0    0    0    0    0    0    0    0    0    0    0    0    0    0
#
# .....この間はすべてゼロ
#
#     0    0    0    0    0    0    0    0    0    0    0    0    0    0
#     0    0    0    0    0    0    0    0    0    0    0    0    1]

print(np.bincount(df['counts']))

# [ 0 4069 779 291 187 112 55 39 33 26 15 16 10 11

# 10 11 3 8 5 7 5 4 5 3 3 1 2 1

# 2 2 2 2 3 3 0 1 1 1 0 2 0 2

# 2 0 1 0 0 0 1 1 0 0 2 1 0 1

# 0 0 0 0 1 0 0 0 0 0 0 0 0 0

# 0 1 0 0 0 0 0 1 0 0 0 0 0 0

# 0 0 0 0 0 0 0 0 0 0 0 0 0 0

# 0 0 0 0 0 0 0 0 0 0 0 1 0 0

# 0 0 0 0 0 0 0 0 0 1 0 0 0 0

# 0 0 0 0 0 0 0 0 0 0 0 0 0 0

# 0 0 0 0 1 0 0 0 0 0 0 0 0 0

# 0 0 0 0 0 0 0 0 0 0 0 0 0 0

# 0 0 0 0 0 0 0 0 0 0 0 0 1 0

# 0 0 0 0 0 0 0 0 0 0 0 0 0 0

# .....この間はすべてゼロ

# 0 0 0 0 0 0 0 0 0 0 0 0 0 0

# 0 0 0 0 0 0 0 0 0 0 0 0 1]

上の配列は0～530の531個の要素の1次元配列で、インデックスが画像枚数、要素の値はそのインデックスの枚数の画像データがある人の数。

顔画像が1枚の人数が4千人以上と、ほとんどの人物については顔画像が1枚しかない。そして画像枚数2枚以降の人物の数が減っていっている。

読み込みパラメーター

`resize`～画像のサイズ変更（再読み込みされる）

fetch_lfw_people()のresize引数で、画像データのサイズを指定できる。

デフォルトは0.5でこの時のサイズは62×47、書籍”Pythonではじめる機械学習”ではresize=0.7を指定していて、この時のサイズは87×65になる。

自分のマシンでは、resize=1.0とするとメモリーの制約なのかエラーになった。

from sklearn.datasets import fetch_lfw_people

ds = fetch_lfw_people()

print(ds.target_names.size)
print(ds.target.size)
print(ds.images.shape)

# 5749
# 13233
# (13233, 62, 47)

ds = fetch_lfw_people(resize=0.7)

print(ds.target_names.size)
print(ds.target.size)
print(ds.images.shape)

# 5749
# 13233
# (13233, 87, 65)

from sklearn.datasets import fetch_lfw_people

ds = fetch_lfw_people()

print(ds.target_names.size)

print(ds.target.size)

print(ds.images.shape)

# 5749

# 13233

# (13233, 62, 47)

ds = fetch_lfw_people(resize=0.7)

print(ds.target_names.size)

print(ds.target.size)

print(ds.images.shape)

# 5749

# 13233

# (13233, 87, 65)

`min_faces_per_person`～1人あたりの最低画像数

分析の目的によって、1人あたりの画像が複数必要な場合に、最低限登録されている画像数を指定する。

ここで指定した数以上の画像が登録されている人物とその画像データのみ抽出される。

from sklearn.datasets import fetch_lfw_people

ds = fetch_lfw_people(min_faces_per_person=0, resize=0.7)

print(ds.target_names.size)
print(ds.target.size)
print(ds.images.shape)

# 5749
# 13233
# (13233, 87, 65)

ds = fetch_lfw_people(min_faces_per_person=20, resize=0.7)

print(ds.target_names.size)
print(ds.target.size)
print(ds.images.shape)

# 62
# 3023
# (3023, 87, 65)

ds = fetch_lfw_people(min_faces_per_person=100, resize=0.7)

print(ds.target_names.size)
print(ds.target.size)
print(ds.images.shape)

# 5
# 1140
# (1140, 87, 65)

from sklearn.datasets import fetch_lfw_people

ds = fetch_lfw_people(min_faces_per_person=0, resize=0.7)

print(ds.target_names.size)

print(ds.target.size)

print(ds.images.shape)

# 5749

# 13233

# (13233, 87, 65)

ds = fetch_lfw_people(min_faces_per_person=20, resize=0.7)

print(ds.target_names.size)

print(ds.target.size)

print(ds.images.shape)

# 62

# 3023

# (3023, 87, 65)

ds = fetch_lfw_people(min_faces_per_person=100, resize=0.7)

print(ds.target_names.size)

print(ds.target.size)

print(ds.images.shape)

# 5

# 1140

# (1140, 87, 65)

numpy.where – インデックスの検索

2020-11-22 / tau / コメントする

概要

numpy.where()関数の主な使い方は以下の通り。

配列の要素のうち条件に合う要素のインデックスを取り出す
配列の要素の条件によって、2つの配列のいずれかの要素を割り当てる

基本的な挙動

条件に応じた値の取り出し

以下のように、3項演算子と同じように使える。

print(np.where(True, "T", "F"))
♯T

print(np.where(False, "T", "F"))
# F

print(np.where(True, "T", "F"))

♯T

print(np.where(False, "T", "F"))

# F

True/Falseの代わりに数値でも可。

print(np.where(1, "T", "F"))
# T

print(np.where(0, "T", "F"))
# F

print(np.where(1, "T", "F"))

# T

print(np.where(0, "T", "F"))

# F

`bool`配列によるインデックスの取り出し

bool配列を引数に渡すと、True要素のインデックスの配列を返す。True/Falseの代わりに数値でも可。

print(np.where([True, False, False, True]))
# (array([0, 3], dtype=int32),)

print(np.where([1, 0, 0, 1]))
# # (array([0, 3], dtype=int32),)

print(np.where([True, False, False, True]))

# (array([0, 3], dtype=int32),)

print(np.where([1, 0, 0, 1]))

# # (array([0, 3], dtype=int32),)

bool配列と同じ形の2つの配列を引数に加えると、bool配列の要素のTrue/Falseに応じて、1つ目の配列／2つ目の配列の要素が取り出されて並べられた配列が返される。

print(np.where([True, False, False, True], [1, 2, 3, 4], ["A", "B", "C", "D"]))
# ['1' 'B' 'C' '4']

print(np.where([1, 0, 0, 1], [1, 2, 3, 4], ["A", "B", "C", "D"]))
# ['1' 'B' 'C' '4']

print(np.where([True, False, False, True], [1, 2, 3, 4], ["A", "B", "C", "D"]))

# ['1' 'B' 'C' '4']

print(np.where([1, 0, 0, 1], [1, 2, 3, 4], ["A", "B", "C", "D"]))

# ['1' 'B' 'C' '4']

上の例では、True(1)が0番目と3番目、False(0)が1番目と2番目にあるので、戻り値の配列の0番目と3番目には2つ目の配列の対応する要素、1番目と2番目には3つ目の配列の対応する要素があてられている。

利用法～条件に合う要素のインデックス

条件に合う要素が1つの場合

where()関数の引数として、配列の要素に関する条件式を与えると、条件に合致する要素のインデックスが得ることができる。

ただし戻り値はタプルで、かつ2次元のタプルの第1要素にndarrayとして納められている点に注意。

import numpy as np

names = np.array(["JPN", "USA", "GBR", "FRA", "JPN", "KOR", "JPN", "CHN"])

print(np.where(names=="FRA"))

# (array([3], dtype=int32),)

import numpy as np

names = np.array(["JPN", "USA", "GBR", "FRA", "JPN", "KOR", "JPN", "CHN"])

print(np.where(names=="FRA"))

# (array([3], dtype=int32),)

そのndarrayは1つの要素を持ち、その値が"FRA"のインデックスになっている。

print(np.where(names=="FRA")[0])

# [3]

print(np.where(names=="FRA")[0])

# [3]

インデックスの数値を取り出したいときは、このndarrayの要素を取り出す。

print(np.where(names=="FRA")[0][0])

# 3

print(np.where(names=="FRA")[0][0])

# 3

条件に合う要素が複数の場合

先の配列には"JPN"が3つ含まれている。このように条件に合致する要素が複数ある場合は、インデックスが配列で返される。

ただしこの場合も戻り値は2次元のタプルで、その第1要素に目的の配列が格納されている。

print(np.where(names=="JPN"))

# (array([0, 4, 6], dtype=int32),)

print(np.where(names=="JPN"))

# (array([0, 4, 6], dtype=int32),)

インデックスの配列を利用する場合は、タプルの先頭要素を取り出す。

print(np.where(names=="JPN")[0])

# [0 4 6]

print(np.where(names=="JPN")[0])

# [0 4 6]

条件に応じた配列の要素の選択

配列に対する条件式と、その条件の真偽に応じて選択される配列を引数に与える。文章にするとややこしいので、以下例示。

x = np.array([1, 2, 3, 4, 5])
y = np.array([10, 20, 30, 40, 50])
print(np.where(x % 2 == 1, x, y))

# [ 1 20  3 40  5]

x = np.array([1, 2, 3, 4, 5])

y = np.array([10, 20, 30, 40, 50])

print(np.where(x % 2 == 1, x, y))

# [ 1 20 3 40 5]

xの各要素が基数の場合はxから、偶数の場合はyから、同じ位置にある要素が取り出されて結果の配列にセットされる。

以下はもう一つの例。

a = np.arange(10)
print(np.where(a % 2 == 0, a / 2, (a - 1) / 2))

# [0. 0. 1. 1. 2. 2. 3. 3. 4. 4.]

a = np.arange(10)

print(np.where(a % 2 == 0, a / 2, (a - 1) / 2))

# [0. 0. 1. 1. 2. 2. 3. 3. 4. 4.]

この例では条件、真の場合、偽の場合に同じ配列を使っている。条件の配列の要素が偶数の場合は、その要素の1/2、奇数の場合はその要素から1を引いて1/2にした数値を持つ配列が返される。その結果、同じ数が2つずつ並ぶ配列が得られる。

Ruby – クラスの継承について

2020-10-02 / tau / コメントする

標準的

親クラスのメソッドは子クラスから利用可能で、子クラス独自のメソッド定義が可能。

class Vehicle
  def activate()
    puts "始動しました"
  end

  def deactivate()
    puts "機能停止しました"
  end
end

class Car < Vehicle
  def run()
    puts "走行します"
  end

  def stop()
    puts "停車します"
  end
end

class Airplane < Vehicle
  def fly()
    puts "飛行します"
  end

  def make_landing()
    puts "着陸します"
  end
end

volkswagen = Car.new
volkswagen.activate
volkswagen.run
volkswagen.stop
volkswagen.deactivate

# 始動しました
# 走行します
# 停車します
# 機能停止しました

a300 = Airplane.new
a300.activate
a300.fly
a300.make_landing
a300.deactivate

# 始動しました
# 飛行します
# 着陸します
# 機能停止しました

class Vehicle

def activate()

puts "始動しました"

end

def deactivate()

puts "機能停止しました"

end

class Car < Vehicle

def run()

puts "走行します"

end

def stop()

puts "停車します"

end

class Airplane < Vehicle

def fly()

puts "飛行します"

end

def make_landing()

puts "着陸します"

end

volkswagen = Car.new

volkswagen.activate

volkswagen.run

volkswagen.stop

volkswagen.deactivate

# 始動しました

# 走行します

# 停車します

# 機能停止しました

a300 = Airplane.new

a300.activate

a300.fly

a300.make_landing

a300.deactivate

# 始動しました

# 飛行します

# 着陸します

# 機能停止しました

親クラスのメソッドの、子クラスでのオーバーライドも普通。

class MobileBanking
  def authenticate()
    puts "パスワード認証"
  end
end

class SaferBanking < MobileBanking
  def authenticate()
    puts "生体認証->認証番号確認"
  end
end

bank_system = MobileBanking.new
bank_system.authenticate

# パスワード認証

safer_system = SaferBanking.new
safer_system.authenticate

# 生体認証->認証番号確認

class MobileBanking

def authenticate()

puts "パスワード認証"

end

class SaferBanking < MobileBanking

def authenticate()

puts "生体認証->認証番号確認"

end

bank_system = MobileBanking.new

bank_system.authenticate

# パスワード認証

safer_system = SaferBanking.new

safer_system.authenticate

# 生体認証->認証番号確認

super

親クラスのメソッドの呼び出し

メソッドをオーバーライドするとき、superを使うと親クラスの同じ名前のメソッドを呼び出せる。

以下の例では、子クラスのメソッドが親クラスのメソッドをオーバーライドしつつ、その中で親クラスのメソッドをsuperで呼び出している。その結果、まず親クラスのメソッドが実行され、次に子クラスのメソッドで定義された処理が実行されている。

class MobileBanking
  def authenticate()
    puts "パスワード認証"
  end
end

class SaferBanking < MobileBanking
  def authenticate()
    super
    puts "第二暗唱番号認証"
  end
end

safer_system = SaferBanking.new
safer_system.authenticate

# パスワード認証
# 第二暗唱番号認証

class MobileBanking

def authenticate()

puts "パスワード認証"

end

class SaferBanking < MobileBanking

def authenticate()

super

puts "第二暗唱番号認証"

end

safer_system = SaferBanking.new

safer_system.authenticate

# パスワード認証

# 第二暗唱番号認証

initialize内でのsuper

initialize()でもsuperを使える。以下の例での流れは次の通り。

子クラスBirdインスタンスbirdの生成時、Birdのコンストラクターが実行される
Birdのコンストラクターはsuperで親クラスCreatureのコンストラクターを呼び出して実行し、親クラスのプロパティー@num_legsに2をセット
その後子クラスBirdのコンストラクターで子クラスのプロパティー@num_wingsに2をセット
bird.form()は子クラスのform()メソッドを呼び出し
Birdのform()メソッドはsuperで親クラスCreatureのform()メソッドを呼び出し、@num_legsを表示
その後Birdのform()メソッドで@num_wingsを表示

class Creature
  def initialize(num_legs)
    @num_legs = num_legs
  end

  def form()
    puts "#{@num_legs} legs"
  end
end

class Bird < Creature
  def initialize()
    super(2)
    @num_wings = 2
  end

  def form()
    super
    puts "#{@num_wings} wings"
  end
end

bird = Bird.new
bird.form

# 2 legs
# 2 wings

class Creature

def initialize(num_legs)

@num_legs = num_legs

end

def form()

puts "#{@num_legs} legs"

end

class Bird < Creature

def initialize()

super(2)

@num_wings = 2

end

def form()

super

puts "#{@num_wings} wings"

end

bird = Bird.new

bird.form

# 2 legs

# 2 wings

public/protected/private

これらの挙動はC++やJavaにおける挙動と一部で異なる。詳しくはこちら。

Infinity

実数のオーバーフローはInfinity

Infinityに対する数値の演算結果は直感的

Infinity同士の演算

Infinityと最大値

Infinity同士の大小比較

Infinityの定数定義

NaN

計算結果が不定→NaN

NaNを含む演算はNaN

NaN != NaN

NaNの定数定義

InfinityとNaN

概要

コントローラーに対応したhelper

定義・設定

利用

application_helper

定義・設定

利用

concerns

定義・設定

利用

概要

問題の内容

アプリケーション

症状

解決

理由

概要

インストール

概要

MariaDBのアンインストール

wgetの確認

ダウンロード

展開されたファイルのインストール

全ての展開ファイルのインストールが必要

サーバー稼働

サーバーの起動

ログイン

文字コードセットの確認

概要

コード内容と結果

概要

簡単な例

全主成分を使った手順

概要

元データの作成

フィッティングと元データの変換

第2主成分のデータの削除

逆変換

最初から主成分を限定する手順

概要

まとめ

概要

データの取得

データ構造

データの内容

target_names～ターゲットの人物

target～ターゲット数

images～顔画像のピクセルデータ

data～1次元の顔画像データ

データの概要

顔画像データの確認

データの俯瞰

読み込みパラメーター

resize～画像のサイズ変更（再読み込みされる）

min_faces_per_person～1人あたりの最低画像数

概要

基本的な挙動

条件に応じた値の取り出し

bool配列によるインデックスの取り出し

利用法～条件に合う要素のインデックス

条件に合う要素が1つの場合

条件に合う要素が複数の場合

条件に応じた配列の要素の選択

標準的

super

親クラスのメソッドの呼び出し

initialize内でのsuper

`target_names`～ターゲットの人物

`target`～ターゲット数

`images`～顔画像のピクセルデータ

`data`～1次元の顔画像データ

`resize`～画像のサイズ変更（再読み込みされる）

`min_faces_per_person`～1人あたりの最低画像数

`bool`配列によるインデックスの取り出し