【Python/pydub】mp3, wavの相互変換
mp3・wavの相互変換（pydub） Pythonモジュール「pydub」では、sound.exportメソッドで音声ファイルの形式（拡張子）を変換できます。 インストール(pip) pip install pydub サンプルコード サンプルプログラムのソースコードです。 ■wav→mp3 # -*- coding: utf-8 -*- import pydub sound = pydub.AudioSegment.from_wav("input.wav") sound.export("output.mp3", format="mp3") ■mp3→wav # -*- coding: utf-8 -*- import pydub sound = pydub.AudioSegment.from_mp3("input.mp3") sound.export("output.wav", for
保守性・可読性の高いPythonコードを実装するためにはどうすればよいか - はてなの金次郎
はじめに コードは理解しやすくなければいけない。 リーダブルコード ―より良いコードを書くためのシンプルで実践的なテクニック (Theory in practice) 作者:Dustin Boswell,Trevor Foucher発売日: 2012/06/23メディア: 単行本（ソフトカバー） コードの保守性や可読性を高めるために我々エンジニアはどんなことができるでしょうか？ テストを書く 推奨されているコードスタイルに準拠する コメントを書く DRY原則に則る 変更・拡張しやすく設計する ログを出力する・監視する 適切な命名をする etc... まだまだ意識すべきことはあると思いますが、上記の項目はエンジニアであれば恐らく一度は目にしたことがあるような内容であり、暗黙的に了承されたいルールです。 しかし、これらはただの心構えであり、体現するために実際には以下のような項目に落とし込む必要
Pythonで複数の宛先にメールを送信する(Python3) - Qiita
TO,CC,BCCに複数の宛先を指定するときハマったのでメモ send_messageというメソッドはメッセージオブジェクトをそのまま引数にしてsendmail() を呼び出せると書いてあるので使ってみた。 大変便利だと思う。 #!/usr/bin/env python # -*- coding: utf-8 -*- import smtplib from email.mime.multipart import MIMEMultipart from email.mime.text import MIMEText def send_msg( from_addr, to_addrs = [], cc_addrs = [], bcc_addrs = [], subject = "", body_html = "", body_text = ""): msg = MIMEMultipart('al
深入りしないCython入門 - Qiita
Cythonとは？ Pythonは処理速度は決して早くない、むしろ遅い部類である。 そこで、C/C++に変換することにより高速化しようというのがCythonである。 低級言語のC/C++（昔は高級言語だったが、現在は低級言語といって良いだろう）に変換してネイティブコンパイルするのだから、速いに決まっている。 この記事の目的 「Cythonは難しい」、「CythonはC/C++の知識が必要」という印象があるだろう。答えは「Yes」である。 しかし、その答えはCythonをフルに使いこなす事が前提である。 実はCythonは、C/C++をそんなに知らなくても、ちょっとした高速化には充分な恩恵を得られるように設計されているのだ。 しかし、無闇にCythonを使っても「あまり高速化されない」、「移行がすごく大変」と散々な結果になるだろう。そこら辺のポイントを踏まえ、C/C++をあまり知らない初心者
Visual Studio CodeでPython + Djangoを書いて、py.testを実行してみた - メモ的な思考的な
それなりの規模のDjangoアプリを書く場合、PyCharmなどのIDEを使っています。 ただ、諸般の事情によりIDEが使えないことも考えて、Visual Studio Code(以下VS Code)のPython拡張を試してみました。 Python with Visual Studio Code - Visual Studio Code なお、今回は上記の公式ドキュメント例にもある通り、DonJayamanneさんのPython support for Visual Studio Codeを使います。 DonJayamanne/pythonVSCode: Python support for Visual Studio Code 目次 環境 環境準備 Python support for Visual Studio Codeのインストール Djangoのインストールと確認 Djangoア
高速化のためのPython Tips - のんびりしているエンジニアの日記
皆さんこんにちは お元気ですか？私は元気です。 Pythonにおける高速化手法を掲載してみます。 簡単なコード並びに索引のような感じで引けるようなイメージで作成しました。 本日の目次です。 Pythonにおける高速化の必要性 Pythonの高速化 高速化の手順 Profiling 基本的な条件 計測コード Pythonの基本的な書き方部分 rangeよりxrangeを（Python2.7） リストの生成 文字列結合 Import文のコスト 関数呼び出しのコスト ドットを避ける yieldを使う Numpyに関するTips Numpyを使用して基本演算を高速化する Numpyの要素にアクセスする演算をしない Numbaで手早く高速化 その他高速化ツール Cython Dask PyPy 感想並びに展望 参考文献 Pythonにおける高速化の必要性 PythonはC++やJavaと比較すると非
Scrapy + Scrapy Cloudで快適Pythonクロール+スクレイピングライフを送る - Gunosyデータ分析ブログ
はじめに こんにちは、データ分析部の久保 (@beatinaniwa) です。 今日は義務教育で教えても良いんじゃないかとよく思うWebクロールとスクレイピングの話です。 私自身、日頃は社内に蓄積されるニュース記事データや行動ログをSQLやPythonを使って取得・分析することが多いですが、Web上にある外部データを使って分析に役立てたいというシーンはままあります。 単独のページをガリガリスクレイピングしたいときなどは、下の1年半ぐらい前の会社アドベントカレンダーに書いたような方法でやっていけば良いんですが、いくつもの階層にわかれたニュースポータルサイトやグルメポータルサイトを効率よくクロール+スクレイピングするためには、それに適したツールを使うのがすごく便利です。 qiita.com そこでPython用スクレイピングフレームワークScrapyの登場です。 Scrapy | A Fast
bottle+uWSGI+python3+nginxでアプリを動かす
24 Feb 2015 最近bottleに興味持っていまして、今回はbottle、uWSGI、nginx、Python3の構成でアプリを動かしてみたのでそのメモを残しておきます。 実行環境 Ubuntu 14.2 Python 3.4 uWSGI Nginx 手間なのでvirtualenvは利用せずに設定します。 なおサーバー環境はvagrantでまっさらなところから作っていきます。 環境構築 さくっと作ります。 vagrantでVM構築 ご存じのvagrant。既に環境がある方は読み飛ばしてください。 $ vagrant init ubuntu14 .... .... `vagrantup.com` for more information on using Vagrant. $ vagrant up .... .... ==> default: Checking for guest a
デザインパターン（Design Pattern） #Factory Method - Qiita
設計を意識したコードが書けるようになる為に、デザインパターン修行しました。 他のDesign Patternもちょくちょく出していきます。 前置き 増補改訂版Java言語で学ぶデザインパターン入門をJavaからPythonにしてます。（Pythonは3.4.2） githubにコード置いてあります（まだ動かないものもある） デザインパターンをどういう時に、何を、どう使うのかを理解することが一先ずの目標。 （Javaというか静的型付言語は初めてで、且つpython歴もそんなに長くないので、Pythonistaぽっくないところがあると思います。ご指摘ございましたらご教授ください。） 今回は、生成に関するパターンFactoryMethod。 FactoryMethodとは オブジェクト作成のインタフェースと、オブジェクト生成する役割りを分けて、他のクラスのコンストラクタをサブクラスで上書き可能な
デザインパターン（Design Pattern）#Facade - Qiita
設計を意識したコードが書けるようになる為に、デザインパターン修行しました。 他のDesign Patternもちょくちょく出していきます。 前置き 増補改訂版Java言語で学ぶデザインパターン入門をJavaからPythonにしてます。（Pythonは3.4.2） githubにコード置いてあります（まだ動かないものもある） デザインパターンをどういう時に、何を、どう使うのかを理解することが一先ずの目標。 （Javaというか静的型付言語は初めてで、且つpython歴もそんなに長くないので、Pythonistaぽっくないところがあると思います。ご指摘ございましたらご教授ください。） 今回は、構造に関するパターンFacadeパターン。 Facadeとは Facade（ファサード）は複雑なシステムに対するシンプルな窓口の役を果たす。つまり、大型のロジックを簡素化し、1つのシンプルな関数呼び出しにま
デザインパターン（Design Pattern）#Singleton - Qiita
設計を意識したコードが書けるようになる為に、デザインパターン修行しました。 他のDesign Patternもちょくちょく出していきます。 前置き 増補改訂版Java言語で学ぶデザインパターン入門をJavaからPythonにしてます。（Pythonは3.4.2） githubにコード置いてあります（まだ動かないものもある） デザインパターンをどういう時に、何を、どう使うのかを理解することが一先ずの目標。 （Javaというか静的型付言語は初めてで、且つpython歴もそんなに長くないので、Pythonistaぽっくないところがあると思います。ご指摘ございましたらご教授ください。） まず、そもそもデザインパターンってどういうものかってとこから。 デザインパターンとは ソフトウェア開発におけるデザインパターン（型紙（かたがみ）または設計パターン、英: design pattern）とは、過去のソ
続Pythonによるwebスクレイピング入門
Aws Dev Day2021 「ドメイン駆動設計のマイクロサービスへの活用とデベロッパーに求められるスキル」参考資料(松岡パート)Koichiro Matsuoka
Python のバージョン毎の違いとその吸収方法について - CUBE SUGAR CONTAINER
この記事の目指すところ 現在 Python はバージョン 2.x 系と 3.x 系という、一部に互換性のないふたつのメジャーバージョンが併用されている。 その上で、この記事にはふたつの目的がある。 ひとつ目は、2.x 系と 3.x 系の違いについてまとめること。 現状、それぞれのバージョン毎の違いはまとまっているところが少ない。 自分用に、このページだけ見ればひと通り分かる！っていうものがほしかった。 ふたつ目は、2.x 系と 3.x 系の違いを吸収するソースコードの書き方についてまとめること。 こちらも Web 上にナレッジがあまりまとまっていない。 これについては今 python-future というパッケージがアツい。 尚、サポートするバージョンは以下の通り。 2.x 系: 2.6 と 2.7 3.x 系: 3.3 と 3.4 本題に入る前に、最近の Python 事情についてまとめ
Pythonにおけるプロファイリング ― コードの高速化のために | POSTD
ここHumanGeo社ではPythonを使うことが多く、それは極上の楽しみでもあります。美しく機能的なコードを短時間で記述するのにPythonはうってつけで、私個人にとっても一押しの言語です。仕事に限らずプライベートでも使っています。そんな素晴らしいPythonですが、欠点がないわけではありません。それはあまりにも遅いことです。幸いPythonには、コードをプロファイリングするための優れたツールがいくつかあるので、コードの美しさと速さを共存させることができます。 HumanGeoで働き出した頃、実行に長時間を要すプログラムのボトルネックを探り、何とかしてそれを速くさせるという仕事を担当しました。その内容は、 cProfile や PyCallGraph （ ソース ）、はたまたPyPy（高速なPython用代替インタプリタ）などの各種ツールを使って、プログラムを最適化するためのベストな方法
Webシステムの双方向連携で知らないと損するスクレイピングライブラリ／ツール8選＆主な使い方
Webシステムの双方向連携で知らないと損するスクレイピングライブラリ／ツール8選＆主な使い方：Webスクレイピングで始める業務システムのモバイル化（3） 既存Webシステムをモバイル化するに当たっての課題を明確にし、それらを解決するためには何が必要なのかを考えていく本連載。今回は、実際にスクレイピング技術を用いて既存Webシステムからデータを抽出する実例をツールを題材にしながら説明します。 連載目次 前回の「モバイル化におけるWebスクレイピング技術活用の利点と注意点」では、Webスクレイピング技術を用いた際のメリット・デメリットと、使用時の注意点について説明しました。 今回は、実際にWebスクレイピング技術を用いて既存Webシステムからデータを抽出する実例をいくつかのツールを題材にしながら説明します。 ユーザーオペレーション再現のために必要な双方向連携 既存WebシステムをWebスクレイ
Pythonのデバッグとテストモジュール - Qiita
somedata = 1 # キャッチしたい例外をタプルでまとめておく。 fatal_exceptions = (KeyboardInterrupt, MemoryError) try: assert somedata except fatal_exceptions, inst: # 引数instで例外の内容を受け取ることができる。 print type(inst) # 例外の型を表示 print inst # 例外の内容を表示 raise # それ以外の例外をまとめてキャッチ except Exception, inst: print type(inst) # 例外の型を表示 print inst # 例外の内容を表示 finally: print "the end" import random import unittest class TestSequenceFunctions(un
python リスト、辞書、セット型のinを使った時の参照速度を調べてみた。 - Qiita
はじめに 下記サイトには次のことが記載されている。 setsや辞書を使った要素の検証（O(1)）は、配列の検索（O(n)）よりも高速です。 a in b を調べるとき、bはリストやタプルではなくsetsや辞書であるべきです。 http://www.peignot.net/python-speed 本当なのかしらん？と思ったのと、本当だとしてどれくらい違うんじゃい？と気になったので実際に試してみた。 実行環境 python2.7 windows7 Intel Core i5 CPU 2.4GHz メモリ 4.0 GB 実行条件 リスト、辞書、セット型で、1の倍数ごと、2の倍数ごと、3の倍数ごとの整数列（要素数100万個）を作り、1から1万までのinでの参照を行った。1の倍数ごと、2の倍数ごと、3の倍数ごとの整数列を作ったのはヒット率の処理速度への影響を調べるためである。 なお、各テスト回数は
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
GitHub - erikriver/opengraph: A python module to parse the Open Graph Protocol
https://github.com/madcowfred/GallerPy/blob/master/yats.py
https://sekailab.com/wp/2016/07/18/python-test/
