常連

注目の的

社会貢献

質問力

自己紹介

# 環境
Ubuntu 16.04

# 起こったこと

Anacondaを入れてpython3.7の環境を構築しました。
その後tensorflow入れたいって思って、(たぶん古いバージョンの)tensorflowがpython3.7だとうまく入らないらしく、python3.6にダウングレードしようと思い、

```terminal
$ conda install python==3.6.6
$ pip install tensorflow-gpu==1.11.0
```
としました。その時はうまくいき、次のようにすればtensorflowをインポートできました。

```
$ python
>>> import tensorflow
>>> 
```

しかし、その後からか、ターミナルで、(base)と表示されるようになりました。これは、conda環境がactivateされてるのが原因ぽいことを知りました。
[ここ](https://qiita.com/Aqua_ix/items/47d391bfd7efe96af53a)を参照

以下を実行して、conda環境を無効化してみました。

```terminal
(base) user@hoge $ conda config --set auto_activate_base False # この後ターミナル再起動
```

すると、pythonバージョンは以下のようになりました。
```terminal
$ python -V
Python 2.7.12
$ python3 -V
Python 3.5.2
```


condaをactivateしていると次のようになります。
```terminal
$ config --set auto_activate_base True
# ターミナル再起動。この後、baseと表示されるようになる。
(base) $ python -V
Python 3.6.6 :: Anaconda, Inc.
(base) $ python3 -V
Python 3.6.6 :: Anaconda, Inc.
(base) $ python -V
Python 2.7.12
```


# 質問
これまで私は、(base)という表示がない状態で、AnacondaのPython3.7の環境を使っていたと思います(ターミナルでpythonとすれば、暗にpython3.7が)。今回、conda install python==3.6.6でAnacondaのPythonバージョンはおそらくダウングレードされました。


・conda install python==3.6.6の他に、Anaconda環境のpythonのバージョンを変える(ダウングレードする)方法はありますか？

・(base)をターミナルに表示させずに、AnacondaのPython3.6をグローバルに設定できますか？

・最後に、
```terminal
$ conda install python==3.6.6
$ pip install tensorflow-gpu==1.11.0
```
をした後、tensorflowがインポートできたと話しましたが、その後ターミナルを再起動して(base)が表示されるようになり、再び

```terminal
$ python
>>> import tensorflow
```
とすると、NotFoundエラーが出ました。condo install python==3.6.6した直後(ターミナル再起動する前)のpip install tensorflow はたぶんデフォルトのUbuntuのpython3.5.2に入ったと思います。このように、UbuntuのpythonとAnacondaのpythonの両方にライブラリ(今回はtensorflow)を入れたりすることはよろしくないですか？

長文失礼いたしました

Anacondaインストール後にconda install pythonでダウングレードした後の事象について

# グラフ理論最適化問題

グラフ理論の最適化のプログラミング解法について行き詰まっているので、どうかお力添え願いたいです。
説明が長く、わかりにくい表現もあるかもしれませんが、質問などしてくださればお答えしたいと思っています。
よろしくお願いします。

ちなみに言語はc++です。

### 問題定義

 #####入力
ノードの数
エッジの数
コネクトの数
グループの数

エッジの両端点のノード番号

ここでコネクトとグループとは以下の通りとします

コネクト(繋げなければならないノード同士)
繋げたい出発地点のノード番号
繋げる目的地点のノード番号（複数あり）

グループ
複数のコネクト（複数あり）

#####問題
例として以下のようにグラフがあり、コネクト、グループがあるとします。

**※補足　グラフは有向グラフです。双方向につながるわけではありません。向きも考慮しなければなりません。**
![イメージ説明](65feddc4cfe746b0375c2c3a3924c346.png)

それぞれグループごとにコネクト通りに、つまり出発地点からどこかの経路を通って到着地点のノードに繋げなければなりません。
なおかつ、同じ辺を使うのを避け、辺の重複度を最小化したいという問題です。

例えば、グループID.0をルーティングするとこのような感じになります。
![イメージ説明](37c867ee29c66cd1f7bd20934d2c9b61.png)
上の図はコネクトID.0,1,2のように全て繋げることができる例の一つです。
これでグループID.0はルーティングできました。

**※補足図１　不可な例です。**
![イメージ説明](793129ffa13927b52c16ac06cfc00d31.png)
これではコネクトID.2を満たしていません。５から６に繋がっていないです。
エッジ１-５が双方向につながるわけではないからです。

次にグループID.1をルーティングすると以下のように二つ考えられると思います。
![イメージ説明](3d6eb391cc645c7ad2e799b12fae5686.png)
![イメージ説明](a1f953cbde51db9dffe66b52108a1b4e.png)
ここでどちらのパターンを選ぶかは、同じ辺を使うのを避けるとすると、グループID.0で使用されている５と６を結んでいる辺を使っていない前者のパターンを採用するべきです。

**補足図２　以下もエッジ５-６が使われているのでそれより１番目の例の方が最適であると言えます。**
![イメージ説明](fe251ce6d06c740aaf0a5468259b0921.png)

次にグループID.2は同じように以下のようになります。
![イメージ説明](42aee4d7f42e4dea97b9b0e9b4ef70fa.png)
この場合は５と６の辺以外を通ると他の辺の重複度が増してしまうので５と６をつないでいる辺の重複度は増してしまうがこれが最適である。
以上のようにルーティングしたとすると各辺の重複度は以下のようになる。
![イメージ説明](b0ed9267f75f3ee99138c90554b5ccaf.png)
そして、グループ内で通る経路の重複度の合計最大値を最小化することが目的である。
この例だと重複度合計はグループID.0は4,ID.1は3,ID.2は3,
よって最大値は４である。


### 困っていること
この問題は後の採用された経路がわからないとその前の経路が本当に重複度が最小かわからないことが最大のネックです。
なので単純にグループごとに経路を決めていっても、重複度は小さくならないと思います。

ネットで似たような解法が見当たらず質問に至りました。

例えば、先にルーティングしておくと比較的、後の経路が重複しなくなるようなグループの順番でルーティングする方法（どうすればいいか探す必要がありますが。。）や、数理計画法のようなアプローチができるかと考えましたが、他に良い方法がありませんでしょうか？

様々なアイデアをいただければありがたいのと、似たような解法が紹介されているサイトなどあれば教えていただきたいです。

グラフ理論最適化問題　辺の重複度最小化　解法のアルゴリズムがわかりません。。

ValueError: bad input shape (11, 12)とエラーが出ました。
現在、犬の鳴き声と猫の鳴き声を分類するシステムを作っています。
index.pyには
```ここに言語を入力
# coding:utf-8
from sklearn import svm, cross_validation
from sklearn.metrics import classification_report, accuracy_score
import sys
from mfcc import *
import glob
import csv
import random
import numpy as np
import os
from sklearn.model_selection import train_test_split

if __name__ == "__main__":
        train_label = np.array([])
        test_label = np.array([])

        nfft = 2048  # FFTのサンプル数
        nceps = 12  # MFCCの次元数
        train_data = np.empty((0, 12), float)
        test_data = np.empty((0, 12), float)

        basedir = '/sound_animal/sounds'
        files = glob.glob(os.path.join(basedir, '*.wav'))
        for file_name in files:
                feature = get_feature(file_name, nfft, nceps)
                if len(train_data) == 0:
                    train_data = feature
                else:
                    train_data = np.vstack((train_data, feature))
                train_label = np.append(train_label,file_name)

                feature = get_feature(file_name, nfft, nceps)
                if len(test_data) == 0:
                    test_data = feature
                else:
                    test_data = np.vstack((test_data, feature))

                test_label = np.append(test_label,file_name)

        feature_train_data = np.hstack((train_label.reshape(len(train_label), 1), train_data))
        feature_test_data = np.hstack((test_label.reshape(len(test_label), 1), test_data))

        with open("feature_data/train_data.txt", "w") as f:
           writer = csv.writer(f)
           writer.writerows(feature_train_data)
        with open("feature_data/test_data.txt", "w") as f:
           writer = csv.writer(f)
           writer.writerows(feature_train_data)

        X_train, X_test, y_train, y_test = train_test_split(train_data, test_data, test_size=0.30, random_state=1)
        clf = svm.SVC(kernel='linear', C=1).fit(X_train, y_train)
        score = clf.score(X_test, y_test)

        print(score)

```
と書きました。

Tracebackには
```ここに言語を入力
Traceback (most recent call last):
  File "sound.py", line 57, in <module>
    clf = svm.SVC(kernel='linear', C=1).fit(X_train, y_train)
  File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/sklearn/svm/base.py", line 151, in fit
    X, y = check_X_y(X, y, dtype=np.float64, order='C', accept_sparse='csr')
  File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/sklearn/utils/validation.py", line 526, in check_X_y
    y = column_or_1d(y, warn=True)
  File "/Library/Frameworks/Python.framework/Versions/2.7/lib/python2.7/site-packages/sklearn/utils/validation.py", line 562, in column_or_1d
    raise ValueError("bad input shape {0}".format(shape))
ValueError: bad input shape (11, 12)
```
と出ました。
```ここに言語を入力
        print(len(X_train))
        print(len(X_test))
        print(len(y_train))
        print(len(y_test))
```
と長さを見たら
```ここに言語を入力
11
5
11
5
```
と出て１２が何の次元数なのかわかりません。
しかし、
```ここに言語を入力
clf = svm.SVC(kernel='linear', C=1).fit(X_train, y_train)
```
のfitの２つの引数が同じ次元数でなければいけないという決まりはないと思うのですが。。。
どのようにこのエラーを直せば良いのでしょうか？
http://webdatareport.hatenablog.com/entry/2016/11/06/161304　のサイトを参考にしてコードを書きました。

ValueError: bad input shape (11, 12)

###前提・実現したいこと
プログラミング初心者です。最終的にはランダムフォレストという手法を用いて分析してみたいと考えています。そこで、"合計"というデータと他の４つのデータを比較しようとしたところ、以下のようなエラーがでました。yのデータが１行だからでしょうか。どのように直したらデータ同士を比較できるのかご教示いただけますと幸いです。よろしくお願いいたします。

なお、"合計（train_y）"のデータと、それと比較したい４つのデータ（train_x）は以下となります。

train_x
970     0.000000
367     0.000000
803     0.000000
151     0.000000
851     0.000000
590     0.000000
265     0.000000
386     0.000000
524     0.000000
1095    0.000000
609     0.000000
510     0.000000
462     0.000000
1214    0.000000
53      0.000000
753     0.000000
425     0.001755
236     0.000000
477     0.000000
310     0.006713
132     0.000000
912     0.000000
465     0.000000
9       0.000000
68      0.000000
779     0.000000
1094    0.000000
412     0.000000
892     0.000000
997     0.000000
          ...   
186     0.000000
819     0.000000
888     0.000000
1198    0.000000
60      0.000000
202     0.000000
322     0.000000
824     0.000000
836     0.000000
365     0.000000
967     0.000000
1204    0.000000
1098    0.000000
1127    0.000000
577     0.000000
340     0.000000
850     0.000000
321     0.000000
32      0.000000
654     0.000000
397     0.000000
792     0.000000
814     0.000000
985     0.000000
116     0.000000
639     0.000000
71      0.000000
934     0.006466
815     0.000000
103     0.000000

train_y
[852 rows x 4 columns]
      気温(℃)  降水量(mm)  風速(m/s)  相対湿度(％)
970     2.9      0.5      3.7     80.0
367     1.4      0.0      3.1     65.0
803     2.8      0.0      1.7     74.0
151     6.7      0.0      3.6     64.0
851     6.7      0.0      3.6     72.0
590     6.6      0.0      2.0     75.0
265     4.9      0.0      4.4     67.0
386     0.1      0.5      6.2     83.0
524     2.8      0.0      2.5     82.0
1095    7.3      1.5      4.5     83.0
609     5.1      0.5      3.2     83.0
510     6.6      1.5      0.7     90.0
462     5.0      0.0      4.0     66.0
1214    7.8      0.0      3.4     49.0
53      5.2      0.0      2.2     78.0
753     6.2      0.0      1.6     73.0
425     6.8      0.0      1.2     89.0
236     8.0      0.0      6.1     41.0
477    -0.6      0.0      1.8     86.0
310     7.5      0.0      3.0     74.0
132     5.5      0.0      1.3     75.0
912    -0.2      2.0      5.8     88.0
465     2.8      1.0      2.2     88.0
9       1.3      0.5      2.0     90.0
68      3.4      1.5      2.7     86.0
779     3.3      0.0      2.0     85.0
1094    4.9      0.0      1.1     74.0
412     3.7      0.0      2.8     67.0
892     7.6      0.0      2.1     58.0
997     1.2      0.0      3.6     76.0
...     ...      ...      ...      ...
186     1.1      0.5      6.3     72.0
819     1.4      0.0      1.8     71.0
888     7.2      0.0      5.1     73.0
1198    4.0      0.0      4.4     79.0
60      4.1      1.0      1.9     86.0
202     6.8      0.0      3.1     49.0
322     2.0      0.0      2.0     88.0
824     6.5      0.0      1.8     54.0
836     6.1      0.0      1.7     61.0
365     2.8      0.0      5.4     84.0
967     8.3      0.0      5.4     59.0
1204    6.4      0.0      3.6     65.0
1098   -0.6      0.5      4.4     82.0
1127    5.1      0.0      2.6     71.0
577    -0.5      0.0      1.7     86.0
340     8.3      0.0      4.3     51.0
850     6.9      0.0      3.1     60.0
321     2.0      0.0      2.0     88.0
32      0.5      0.5      1.8     90.0
654     3.9      1.0      3.4     83.0
397    -0.7      0.0      2.8     65.0
792    -0.8      1.5      5.0     88.0
814    -1.3      0.0      6.3     53.0
985    -0.5      2.0      6.1     88.0
116     1.6      1.0      2.0     88.0
639     4.4      0.0      2.8     69.0
71      5.6      1.5      2.9     89.0
934     9.2      0.0      3.1     48.0
815    -1.3      0.0      6.3     53.0
103     5.6      0.0      3.2     79.0

###発生している問題・エラーメッセージ

```
Traceback (most recent call last):
  File "C:/Users/aa/Documents/MyPythonProject/snow_train/reference_1.py", line 102, in <module>
    clf = clf.fit(train_x, train_y)
  File "C:\Anaconda\lib\site-packages\sklearn\tree\tree.py", line 739, in fit
    X_idx_sorted=X_idx_sorted)
  File "C:\Anaconda\lib\site-packages\sklearn\tree\tree.py", line 146, in fit
    check_classification_targets(y)
  File "C:\Anaconda\lib\site-packages\sklearn\utils\multiclass.py", line 172, in check_classification_targets
    raise ValueError("Unknown label type: %r" % y_type)
ValueError: Unknown label type: 'continuous'
```

###該当のソースコード
```ここに言語を入力
from sklearn.model_selection import train_test_split
data_first_list = data_first_list.drop(["列車番号","天気","地点"], axis=1)
#print(data_first_list["合計"])
train_x = data_first_list.drop("合計", axis=1)
train_y = data_first_list["合計"]
(train_x, test_x, train_y, test_y) = train_test_split(train_x, train_y, test_size = 0.3, random_state = 777)

# 決定木 #
from sklearn.tree import DecisionTreeClassifier
from sklearn.tree import DecisionTreeRegressor
clf = DecisionTreeClassifier(random_state=0)
clf = clf.fit(train_x, train_y)
pred = clf.predict(test_x)

```

###試したこと
課題に対してアプローチしたことを記載してください
DecisionTreeRegressorを使ってみましたが、こちらも上手くいきませんでした。

###補足情報(言語/FW/ツール等のバージョンなど)
より詳細な情報

python DecisionTreeClassifierでデータを比較できません。 エラー：Unknown label type: 'continuous'

canvas上のクリックした場所に図形やフォントを配置するというプログラムを、WPFで作っています。言語はC#、開発環境はvisual studio 2012 for Desktopを使用しています。
子要素をクリックで選んで消去させたいのですが、どのようにすれば良いのか分からないため、教えて頂きたいです。

###該当のソースコード
C#
```ここに言語を入力
using System;
using System.Collections.Generic;
using System.Linq;
using System.Text;
using System.Threading.Tasks;
using System.Windows;
using System.Windows.Controls;
using System.Windows.Data;
using System.Windows.Documents;
using System.Windows.Input;
using System.Windows.Media;
using System.Windows.Media.Imaging;
using System.Windows.Navigation;
using System.Windows.Shapes;

namespace WpfApplication1
{
    /// <summary>
    /// MainWindow.xaml の相互作用ロジック
    /// </summary>
    public partial class MainWindow : Window
    {
        double x = 0;
        double y = 0;
        double x1 = 0;
        double x2 = 0;
        double y1 = 0;
        double y2 = 0;
        double x3 = 0;
        double y3 = 0;
        bool flag = true;
        bool flag1 = true;
        int counter = 0;

        public MainWindow()
        {
            InitializeComponent();
        }

        // 線描画モード
        private void button_Click(object sender, RoutedEventArgs e)
        {
            flag = false;
        }
        
        // マウスクリック位置（押したとき）取得
        private void Root_MouseDown(object sender, MouseButtonEventArgs e)
        {
            if (flag == false)
            {
                Point pos1 = e.GetPosition(Root);
                x1 = pos1.X;
                y1 = pos1.Y;
            }

            if (flag1 == false)
            {
                Point pos3 = e.GetPosition(Root);
                x3 = pos3.X;
                y3 = pos3.Y;

                textblock();
            }
        }
        
        // マウスクリック位置（離したとき）取得
        private void Root_MouseUp(object sender, MouseButtonEventArgs e)
        {
            if (flag == false)
            {
                Point pos2 = e.GetPosition(Root);
                x2 = pos2.X;
                y2 = pos2.Y;

                x = x2;
                y = y2;

                CreateLine();
            }
        }

        // 線描画
        public void CreateLine()
        {
            Line blackLine = new Line();
            blackLine.X1 = x1;
            blackLine.Y1 = y1;
            blackLine.X2 = x2;
            blackLine.Y2 = y2;

            SolidColorBrush blackBrush = new SolidColorBrush();
            blackBrush.Color = Colors.Black;

            blackLine.StrokeThickness = 1;
            blackLine.Stroke = blackBrush;

            canvas.Children.Add(blackLine);
        }

        // 文字描画モード
        private void button1_Click(object sender, RoutedEventArgs e)
        {
            flag = true;
            flag1 = false;
        }

        // textboxをtextblockにバインド
        public void textblock()
        {
            TextBlock tblock = new TextBlock();
            tblock.Width = 23;

            tblock.MouseEnter += tblock_MouseEnter;
            tblock.MouseLeave += tblock_MouseLeave;

            tblock.SetValue(Canvas.TopProperty, y3);
            tblock.SetValue(Canvas.LeftProperty, x3);

            Binding bind = new Binding();
            bind.ElementName = "textBox1";
            bind.Path = new PropertyPath(TextBox.TextProperty);
            bind.Mode = BindingMode.OneTime;
            tblock.SetBinding(TextBlock.TextProperty, bind);
            canvas.Children.Add(tblock);

            counter++;
            flag1 = true;
        }

        private void tblock_MouseLeave(object sender, MouseEventArgs e)
        {
            TextBlock tb = sender as TextBlock;
            tb.Background = SystemColors.WindowBrush;
        }

        void tblock_MouseEnter(object sender, MouseEventArgs e)
        {
            TextBlock tb = sender as TextBlock;
            tb.Background = SystemColors.HighlightBrush;
        }
    }
}

```
xmal
```ここに言語を入力
<Window x:Class="WpfApplication1.MainWindow"
        xmlns="http://schemas.microsoft.com/winfx/2006/xaml/presentation"
        xmlns:x="http://schemas.microsoft.com/winfx/2006/xaml"
        Title="MainWindow" Height="350" Width="525">
    <Grid>
        <Grid.ColumnDefinitions>
            <ColumnDefinition/>
            <ColumnDefinition Width="0*"/>
            <ColumnDefinition Width="100px"/>
        </Grid.ColumnDefinitions>
        <Viewbox x:Name="View" Stretch="UniformToFill">
            <Border x:Name="Root" Background="Transparent" MouseDown="Root_MouseDown" MouseUp="Root_MouseUp" Width="300" Height="400">
                <Canvas x:Name="canvas"  Background="Transparent" />
            </Border>
        </Viewbox>
        <StackPanel Orientation="Vertical" Background="Gray" Grid.Column="2">
            <Button x:Name="button" Content="線" Click="button_Click"/>
            <TextBox x:Name="textBox1" HorizontalAlignment="Left" Width="100"/>
            <Button x:Name="button1" Height="24" Click="button1_Click" VerticalAlignment="Top" HorizontalAlignment="Left" Content="文字" Width="100"/>
        </StackPanel>
    </Grid>
</Window>
```

上記のソースでは、ボタンクリックで追加する子要素を選択し、canvasをクリックして貼り付けることまでのみ可能です。
宜しくお願いします。

WPF、canvas上の子要素の消去方法

###前提・実現したいこと
matplotlibで描画したグラフをhtmlに埋め込んで表示したい。


###該当のソースコード
今、views.pyに
```ここに言語を入力
def graph1():
    left = np.array([1, 2, 3, 4, 5])
    height = np.array([100, 200, 300, 400, 500])
    plt.bar(left, height)
    plt.show()
```
と書いたが、このpltで作ったグラフをどうhtmlに埋め込めばいいのかわからない。

###試したこと
https://qiita.com/5t111111/items/3d9efdbcc630daf0e48f
を参考にしたがフレームワークがFlaskなので、そもそもこのモジュールがDjangoにもあるのかわからない。

###追記
今、views.pyに
```ここに言語を入力
def view_plot(request):
    left = np.array([1, 2, 3, 4, 5])
    height = np.array([100, 200, 300, 400, 500])
    plt.bar(left, height)
    response = HttpResponse(content_type="image/png")
    image.save(response, "PNG")
    return response

def index(request):
    return render(request, 'index.html')
```
と書き、
index.htmlに（accountsはアプリの名前）
```ここに言語を入力
<body>

  <header>
      <h1>WEB SITE</h1>
  </header>

    <img src='/accounts/view_plot' width=300 height=300>

</body>
```
と書いたがブラウザで見ると画像がひび割れていた。
Googleの検証で５００番エラーが出ていた。画像のurlを確認する方法がなく、画像のurlを確認する方法が知りたい。画像のひび割れとは
![イメージ説明](b43f13963610c644818330a30eb19339.png)
こいういう状態である。

matplotlibで描画したグラフをhtmlに埋め込んで表示したい

やりたい事：
エックスサーバー 上でブロックチェーンをpython3を使い実行したい。
web上に実行結果を表示させたい。
https://qiita.com/weedslayer/items/d1aabe7cf31d182481fb

試した事：

エックスサーバー 上に
sshでpyenvをインストール、
次にpyenv経由でanacondaをインストール、
anaconda経由でdjangoをインストール、

この段階で、
コマンドプロントで
python -V
では
Python 3.6.0 :: Anaconda 4.3.0 (64-bit)

が表示されるまでとなりました。
その為、一応pythonを3系に出来たとは思うのですが、

エックスサーバー の
public_html
以下のファイルにおいて、
.py
ファイルを作成、コードを追加し、
python3を実行したいのですが、
500エラーになるなど、実行方法が分からない状況です。

または、エックスサーバー の場合、.cgiでのpython実行となるのでしょうか？
実行の為に.htaccessの設定なども指定があれば知りたいです。

エックスサーバー はsv2000系〜
https://www.xserver.ne.jp/

ご教授の程宜しくお願い致します。

エックスサーバー （web）上でpython3を実行し結果を表示したい

### 前提・実現したいこと

PythonのGUIによるスクレイピング機能の実装を行いたいと思っております。
内容は同じディレクトリの中にあるテキストからURLを取得して情報をGUIに書き出す内容になっております。
dataの空にスクレイピングを吐き出すための値を書くなどしてトライしましたが実行できませんでした。
実際にCVSなどに書き出すときなどは問題がありませんが、GUIに表記されている内容を一覧で書き出すにはどのようにコードを追加したら良いでしょうか？


![イメージ説明](16059c33b13d17b282ea58ee49467887.png)



### 該当のソースコード

スクレイピングのコード
```
from bs4 import BeautifulSoup
import urllib.request as req
import csv

f = open('url.txt') 
lines2 = f.readlines() 
f.close()


pa = []

# 取得
for line in lines2: 
    url = "xxxxxxxxxxxxxx" + line
    res = req.urlopen(url)
    soup = BeautifulSoup(res, 'html.parser')

    title1 = soup.select('#item_title')

    for i in title1:
        pt = i.get_text().replace('\n', '').replace('\r', '')


    p_list = soup.select('#price')

    for i in p_list:
        pl = i.get_text().replace('\n', '').replace('\r', '')

    pa += [pt, pl]


    # CSV 書き出し
with open('price.csv', 'w', encoding='utf-8') as _file:
    writer = csv.writer(_file, lineterminator='\n')
    writer.writerow(pa)
```

PyQtのコード
```
# /user/bin/pyrhon3
# -*- coding: utf-8 -*-

import sys
from PyQt5.QtWidgets import (QApplication, QWidget, QPushButton, QTableWidgetItem, QTableWidget)
import logging

data = []
class tableTest01(QTableWidget):
    """   テーブルを形成する関数  """
    def __init__(self, data, *args):
        QTableWidget.__init__(self, *args)
        self.data = data
        self.setdata()
        self.resizeColumnsToContents()
        self.resizeRowsToContents()

    def setdata(self):
        #ヘッダーを作成
        horHeaders = ['対象サイトのURL', '商品名', '現在価格', '希望価格']
        self.setHorizontalHeaderLabels(horHeaders)
        #テーブルにデータをセット
        for n in range(len(self.data)):
            print("n=%d" % n)
            for m in range(len(self.data[n])):
                print("m=%d" % m)
                newitem = QTableWidgetItem(data[n][m])
                self.setItem(m, n, newitem)




if __name__ == '__main__':
    app = QApplication(sys.argv)
    """ 大枠 """
    window = QWidget()
    window.resize(500, 500)
    window.setStyleSheet('background-color: #F2F2F2;')

    """ ボタン """
    button = QPushButton('スクレイピングを開始', window) # button
    button.resize(255, 72)
    button.setStyleSheet("background-color:#F2FBEF; margin-top:25px; margin-left:25px; font-wight:bold; font-family:'Meiryo'; letter-spacing: 10px;")

    table = tableTest01(data, 3, 4)
    table.show()
    window.show()

    sys.exit(app.exec_())
```

PythonのGUIによるスクレイピング機能の実装

###前提・実現したいこと

現在ゼロから学ぶDeepLearningを使用して機械学習について勉強しています。
その中で、第四章の二層のネットワーク作成で躓いてしまったことがありました。
作成自体は理解できたのですが、なぜうまく動作しているのか理解ができませんでした。


###二層のネットワークのコード
```Python
import sys, os
sys.path.append(os.pardir)
from common.functions import *
from common.gradient import numerical_gradient

class TwoLayerNet:
    
    def __init__(self, input_size, hidden_size, output_size, weight_init_std = 0.01):
        """
            input_size・・入力層の数
            hidden_size・・中間層の数
            output_size・・出力層の数
            weight_init_std
        """
        
        #重みの初期化
        self.params = {}
        self.params['W1'] = weight_init_std * np.random.randn(input_size, hidden_size)
        self.params['b1'] = np.zeros(hidden_size)
        self.params['W2'] = weight_init_std * np.random.randn(hidden_size, output_size)
        self.params['b2'] = np.zeros(output_size)
        
        
    def predict(self, x):
        """
            入力値をもとに予測をする
        """
        
        W1, W2 = self.params['W1'], self.params['W2']
        b1, b2 = self.params['b1'], self.params['b2']
        
        a1 = np.dot(x, W1) + b1
        z1 = sigmoid(a1)
        a2 = np.dot(z1, W2) +  b2
        y = softmax(a2)
        return y
    
    
    def loss(self, x, t):
        """
            損失関数・・どれぐらい教師データと値が違うかを求める　返り値が大きいほど合っていない
            x・・入力データ
            t・・教師データ
        """
        y = self.predict(x)
        return cross_entropy_error(y, t)
    
    
    def accuracy(self, x, t):
        """
            返り値・・0から1の値　大きいほど入力データからの予測値と、教師データの値が一致している
        """
        y = self.predict(x)
        y = np.argmax(y, axis=1)
        t = np.argmax(t, axis=1)
        
        accuracy = np.sum(y == t) / float(x.shape[0])
        return accuracy
    
    
    def numerical_gradient(self, x, t):
        """
            重みパラメータに対する勾配を求める
            x・・入力データ
            t・・教師データ
            grads・・勾配を保持するディクショナリ変数
        """
        loss_W = lambda W: self.loss(x, t)   #loss_Wはloss関数と等しい
        grads = {}
        grads['W1'] = numerical_gradient(loss_W, self.params['W1'])
        grads['b1'] = numerical_gradient(loss_W, self.params['b1'])
        grads['W2'] = numerical_gradient(loss_W, self.params['W2'])
        grads['b2'] = numerical_gradient(loss_W, self.params['b2'])
        return grads
        

```
###上記の二層ネットワーククラス内で使用しているnumerical_gradientのコード(本に付属しているコード)
```Python
def numerical_gradient(f, x):
    h = 1e-4 # 0.0001
    grad = np.zeros_like(x)
    
    it = np.nditer(x, flags=['multi_index'], op_flags=['readwrite'])
    while not it.finished:
        idx = it.multi_index
        tmp_val = x[idx]
        x[idx] = float(tmp_val) + h
        fxh1 = f(x) # f(x+h)
        
        x[idx] = tmp_val - h 
        fxh2 = f(x) # f(x-h)
        grad[idx] = (fxh1 - fxh2) / (2*h)
        
        x[idx] = tmp_val # 値を元に戻す
        it.iternext()   
        
    return grad
```

###上記２つのコードに対しての入力コード
```Python
net = TwoLayerNet(input_size=784, hidden_size=100, output_size=10)
x = np.random.rand(100, 784) #ダミーの入力データ 100枚
y = net.predict(x)
print(y.shape)   #(100,10)

t = np.random.rand(100, 10) #ダミーの正解ラベル(100枚分)
grads = net.numerical_gradient(x, t)
```


###理解できない点

１．TwoLayerNetクラスのnumerical_gradient関数内で使用されているnumerical_gradient関数は,selfがついていないため、クラスの外側にあるcommon.numerical_gradient関数を使用しているという認識で正しいでしょうか？


２．TwoLayerNetクラスのnumerical_gradient関数を使用した勾配がどうして合っているのかわかりません。
numerical_gradient関数内のラムダ式「loss_W=lamda W:self.loss(x, t)」の引数(x,t)は、TwoLayerNetクラスのnumerical_gradient関数の引数である(self, x,t)の(x,t)から使用しているのでしょうか？


３．TwoLayerNetクラスのnumerical_gradient関数内で使用されている
「grads['W1'] = numerical_gradient(loss_W, self.params['W1'])」についてわからないことがあります。
common.numerical_gradient関数では引数に(f,x)(f・・関数,x・・重み'W1'など)を取っています。
common.numerical_gradient関数の「fxh1 = f(x)」で、self.params['W1']をf関数に入れていますが、このf関数は　ラムダ式である「lamda W: self.loss(x, t)」であるため、self.params['W1']と引数に渡しても、self.params['W2']を引数に渡しても結果が変わらないだろうと思いました。
　しかし、色々とデータを代入してみると、['W1']の場合と['W2']の場合で結果が異なってしまいました。どうして違う結果になるのでしょうか。

よろしくお願いいたします。

###補足情報(言語/FW/ツール等のバージョンなど)
使用環境:Mac OS High Sierra
使用ツール:Jupyter Notebook

ゼロから学ぶDeepLearning　4章についての質問

###サンプル数を少なくする工夫について

最近機械学習を始めて、ＭＮＩＳＴ等の精度を上げるためにいろいろ調べました。
そこでふと思ったのですが、サンプル数を少なくする方法は研究とかは行われるのでしょうか。

もし人が新しい言語・数字を学習するとしたら数万個も同じ文字の例を探さずに、
正解の文字をしっかり学習することから始めるかと思いますが、機械学習はその逆を行っているように感じるので。

そういう研究・論文をどこかで見かけたことはあるでしょうか。

深層学習でのサンプル数について

###前提・実現したいこと
scipy.optimizeのlastsqを用いたフィッティングについて質問です。
フィッティングする関数に、積分関数を使いたいと思ってます。
残渣を求める行にintegrate.quad関数を用いて、その引数にパラメーターを指定してフィッティングをしようと思いましたが、下記のエラーが出てつまづいています。

###発生している問題・エラーメッセージ

```
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-32-02de193ee868> in <module>()
     25 
     26 param0 = [1.2, 1, 10.5, -24.3]
---> 27 param = optimize.leastsq(fanction_gauss, param0, args=(x, y))

~/.pyenv/versions/anaconda3-2.4.1/lib/python3.5/site-packages/scipy/optimize/minpack.py in leastsq(func, x0, args, Dfun, full_output, col_deriv, ftol, xtol, gtol, maxfev, epsfcn, factor, diag)
    375     if not isinstance(args, tuple):
    376         args = (args,)
--> 377     shape, dtype = _check_func('leastsq', 'func', func, x0, args, n)
    378     m = shape[0]
    379     if n > m:

~/.pyenv/versions/anaconda3-2.4.1/lib/python3.5/site-packages/scipy/optimize/minpack.py in _check_func(checker, argname, thefunc, x0, args, numinputs, output_shape)
     24 def _check_func(checker, argname, thefunc, x0, args, numinputs,
     25                 output_shape=None):
---> 26     res = atleast_1d(thefunc(*((x0[:numinputs],) + args)))
     27     if (output_shape is not None) and (shape(res) != output_shape):
     28         if (output_shape[0] != 1):

<ipython-input-32-02de193ee868> in fanction_gauss(param, x, y)
     21 
     22 def fanction_gauss(param, x, y):
---> 23     residual = y - integrate.quad((param[0]*np.exp(-(x-param[2])**2/(2*param[1]))+param[3]), x-0.25, x+0.25)
     24     return residual
     25 

~/.pyenv/versions/anaconda3-2.4.1/lib/python3.5/site-packages/scipy/integrate/quadpack.py in quad(func, a, b, args, full_output, epsabs, epsrel, limit, points, weight, wvar, wopts, maxp1, limlst)
    321     if (weight is None):
    322         retval = _quad(func, a, b, args, full_output, epsabs, epsrel, limit,
--> 323                        points)
    324     else:
    325         retval = _quad_weight(func, a, b, args, full_output, epsabs, epsrel,

~/.pyenv/versions/anaconda3-2.4.1/lib/python3.5/site-packages/scipy/integrate/quadpack.py in _quad(func, a, b, args, full_output, epsabs, epsrel, limit, points)
    370 def _quad(func,a,b,args,full_output,epsabs,epsrel,limit,points):
    371     infbounds = 0
--> 372     if (b != Inf and a != -Inf):
    373         pass   # standard integration
    374     elif (b == Inf and a != -Inf):

ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
```

###該当のソースコード
```python
import sys, csv
import numpy as np
from scipy import integrate
sys.path.append("")
import matplotlib.pyplot as plt

cnt = 0
x = np.array([])
y = np.array([])
da_int = np.array([])

f = open("beamsize_y_up_45mm.csv", "r", encoding="utf_8_sig")    
try:
    reader = csv.reader(f)
    for row in reader:
        x = np.append(x, float(row[0]))
        y = np.append(y, float(row[1]))
        cnt = cnt + 1
finally:
    f.close()
    
def fanction_gauss(param, x, y):
    residual = y - integrate.quad((param[0]*np.exp(-(x-param[2])**2/(2*param[1]))+param[3]), x-0.25, x+0.25)
    return residual

param0 = [1.2, 1, 10.5, -24.3]
param = optimize.leastsq(fanction_gauss, param0, args=(x, y))
```

###試したこと
フィッティング関数を単なるgaussianにするとうまくいきました。
```python
def gaussian(param, x, y):
    residual = y - (((param[0]/(np.sqrt(2*np.pi)*param[1]))*np.exp(-(x-param[2])**2/(2*param[1]**2)))+param[3])
    return residual
```

回答をいただいた後、次のようにfanction_gaussを変更しました。
```python
def fanction_gauss(param, x, y):
    def f(x):
        return param[0]*np.exp(-(x-param[2])**2/(2*param[1]))+param[3]
    residual = y - integrate.quad(f, x-0.25, x+0.25)[0]
    return residual
```
array型のyからfloatを引いてしまっている？と、書きながら思いました。

###補足情報(言語/FW/ツール等のバージョンなど)
Python 3.5.3 :: Anaconda 2.4.1 (x86_64)を使っています。
python初心者です。よろしくお願いいたします。

測定データを積分関数でフィッティングしたいです。

###前提・実現したいこと
エクセルVBAマクロ、遺伝的アルゴリズムを用いて10人前後の従業員のチームの一月分のシフト生成ソフトの作成を行っています。
その中でシフトが満たさなければならない条件（以下条件の中の一部）を元に、評価値を計算するため遺伝的アルゴリズムを使用しています。
1.勤務Aの翌日は勤務Bとなっている（必須）
2.勤務Cの翌日は勤務Dとなっていない（禁止）
3.1月での休日の数が規定日数以下となっている
4.規定時間帯は1人または2人の従業員が勤務している
上記条件を含め計10項目程の条件が存在

###発生している問題・質問事項
上記条件にて実行したところ、条件1と条件2以外を全て満たすことが出来るものの条件1と条件2を満たすことが出来るシフトを解として探索出来ませんでした。
また条件1と条件2のみで探索しても同様の結果となりました。
条件1と条件2、その他の条件の違いとして以下があります。
【条件1と条件2】
特定の値（A or C）の翌日の値が特定の値（C or D以外）となっている

【その他の条件】
特定の範囲（人毎または日毎）で規定値となっている

ここで質問なのですが、
①遺伝的アルゴリズムの特性として「特定の値（A or C）の翌日の値が特定の値（C or D以外）となっている」ような条件は難しいのでしょうか？
②もしくは現在局所解に陥っているのでしょうか？
③当該対象問題にて参考になりそうな手法 or URL等ありましたら教えて戴ければと思います。


###試したこと
・遺伝的アルゴリズム(SGA)をMGGに変更
SGAでは全条件×8日分のシフト作成まで、全条件を満たすシフトを探索可能だったのですが、
MGGでは全条件×15日分のシフト作成まで、全条件を満たすシフトを探索可能になりました。

・個体生成後（交叉、突然変異後）条件1と条件2に習い、勤務Aの後は勤務Bに、勤務Cの後は勤務D以外に置き換える処理を追加
MGGでは全条件×31日分のシフト作成まで、全条件を満たすシフトを探索可能になりました。

遺伝的アルゴリズムの向き、不向きについて

###前提・実現したいこと
お世話になります。

構造体の配列を作成し、その中に情報を格納しそれをxmlとしてテキストファイルに出力するプログラムです

上記のプログラムで、アプリを終了する際に自動で保存できるようにしたいのですが、終了することができず、下記のエラーが表示されてしまいます。


既存のxmlファイルを使用するより、プログラムでファイルを作成させたほうがよいのでしょうか？

###発生している問題・エラーメッセージ

書き込むxmlファイルを指定しそのファイルを検索させる際に

「そのファイルは他のプロジェクトで実行されています」

と表示されます。
もちろんファイルは他のどの場所でも使っていません



###該当のソースコード
```C#
namespace
{
 public partial class Form1 : Form
    {
        Info info = new Info();                                                               
             
        public Form1()
        {  
            InitializeComponent();
        }
        private void Form1_FormClosed(object sender, FormClosedEventArgs e)
        {
            info.SaveData();
        }
    }
 public class Info
  {

        public struct Str   //情報を入れる構造体 今回はすでに情報は入れてあります
        {
            public string Name;
            public string Num;
            public string Relationship;   
            public string Other;             

        }
        Str[] str = new Str[10]; 

        public void SaveData()
        {
            string fname = @"C:\Users\User\Documents\UserData.xml";
            XmlTextWriter xtw = null;
            int x;
      
            string[] separation = { "\r\n" };
            xtw = new XmlTextWriter(fname, Encoding.UTF8);    //ここでエラー発生

            xtw.WriteStartDocument();
            xtw.WriteStartElement("configlation");
            for (x = 0; x <= str.Length; x++)
            {
                xtw.WriteStartElement("User" + x);
                xtw.WriteElementString("Value0", str[x].Name);
                xtw.WriteElementString("Value1", str[x].Num);
                xtw.WriteElementString("Value2", str[x].Relationship);
                xtw.WriteElementString("Value3", str[x].Other);

            }
            xtw.WriteEndElement();
            xtw.WriteEndElement();
            xtw.WriteEndDocument();

            xtw.Close();
            
        } 

```・多少コードは省かせていただきました（今回の現象の場所とは無関係なため）
・他のコードの部分で構造体の中に情報を入れてあります。
・xmlファイルは既に作成してあり、規定の場所においてあります。
・Using System.Xmlも記述済みです

###試したこと
ファイルの場所の移動、ファイル名変更等試しました。

###補足情報(言語/FW/ツール等のバージョンなど)
Visualstudio 2015

C# xmlファイルへの書き込み

お世話になります。

###前提・実現したいこと
前提：XmlSerializerでXMLを生成したときに要素に属性"xmlns"が付与される。
実現したいこと：要素の属性"xmlns"をはずしたい。

###発生している問題・エラーメッセージ
XmlSerializerでXMLを生成したときに要素に属性"xmlns"が付与されています。
･･･
<Parent1 xmlns="">
  <child1>aa</child1>
</Parent1>
<Parent2 xmlns="">
  <child2>bb</child2>
</Parent2>
･･･

Parent1,Parent2要素にある属性xmlnsは仕様書にないものなので、生成時に付与されないようにしたい。
###該当のソースコード
(Typeはxsdから生成したクラスです。)

StreamWriter sw = new StreamWriter(Path, false, Encoding.UTF8);
XmlSerializer serializer = new XmlSerializer(typeof(Type));
serializer.Serialize(sw, obj);

###補足情報(言語/FW/ツール等のバージョンなど)
IDEとしてVisualStudio C#を使用しています。
C#、XMLについては浅学のため、不足している情報がありましたらすみません。

追記：
xsdから自動生成したType.csになります。
namespace TEST {
    using System.Xml.Serialization;

    /// <remarks/>
    [System.CodeDom.Compiler.GeneratedCodeAttribute("xsd", "2.0.50727")]
    [System.SerializableAttribute()]
    [System.Diagnostics.DebuggerStepThroughAttribute()]
    [System.ComponentModel.DesignerCategoryAttribute("code")]
    [System.Xml.Serialization.XmlTypeAttribute(AnonymousType=true, Namespace="test.jp")]
    [System.Xml.Serialization.XmlRootAttribute(Namespace="test.jp", IsNullable=false)]
    public partial class Type {
        
        private Parent parentField;
        
        /// <remarks/>
        [System.Xml.Serialization.XmlElementAttribute(Form=System.Xml.Schema.XmlSchemaForm.Unqualified)]
        public Parent1 parent1 {
            get {
                return this.parent1Field;
            }
            set {
                this.parent1Field = value;
            }
        }
    }

    [System.CodeDom.Compiler.GeneratedCodeAttribute("xsd", "2.0.50727")]
    [System.SerializableAttribute()]
    [System.Diagnostics.DebuggerStepThroughAttribute()]
    [System.ComponentModel.DesignerCategoryAttribute("code")]
    [System.Xml.Serialization.XmlTypeAttribute(Namespace="test.jp")]
    public partial class Parent {
        
        private string child1Field;
        
        /// <remarks/>
        [System.Xml.Serialization.XmlElementAttribute(Form=System.Xml.Schema.XmlSchemaForm.Unqualified)]
        public string child1 {
            get {
                return this.child1Field;
            }
            set {
                this.child1Field = value;
            }
        }
    }
}

要素の属性について

###前提・実現したいこと
業務でVBAを用いてバッチファイルを作成するツールが必要となりました。
ActiveDirectoryのUID棚卸しの為に使用します。
添付画像のような表から、各バッチファイルの作成が必要となります。

①新規ユーザーを作成するバッチ（dsadd user～）
②既存ユーザーをグループに追加するバッチ（net localgroup～）
③既存ユーザーを削除するバッチ（net localgroup～）

最終的に上記3つのバッチを表から作成する必要があるのですが、（各人個別ではなく、「削除の人はすべて削除バッチにまとめる）
VBAを使用したことがなく、どのように記述を初めていけばいいのかがわかりません。
グループは130ほどあり、該当ユーザーも多くなるため添付画像より複雑な表を基にします。

しかし私自身VBAを使用したことがなく、何から記述していけばいいのか悩んでいる状況です。

正確な答えが知りたい、というよりも
皆さんであればどのようにこのツールを実現させるのか、どのように考えるのか、どのように記述していくのか、大雑把ですが私なりに考えて作成していけるような、ヒントを頂ければと思っています。
どうかご回答、お願い致します。

![イメージ説明](bd28ab50b96ccadac3c443442743a21a.png)

VBAを用いてバッチファイルを作成するツール

C言語におけるLU分解のプログラムについてなのですが、
gaussの消去法のプログラムを利用して、LU分解のプログラムを
作成してみました。

出力結果が

L=  1      0      0
    1       1      0
   -0.8  -0.45     1

U=  5      2      1
   0      -0.8    1
   0       0    2.25

という風にしたいのですがうまくいきません。
どこを改良すれば正しく出力できるか教えていただけると
幸いです。以下が、ソースコードです。

#include<stdio.h>
#define N 3
void lu(double a[N][N],int n);
int main(void){
    double a[N][N]={{5,2,1},{5,-6,2},{-4,2,1}};
    lu(a,N);
    return 0;
}

void lu(double a[N][N],int n){
    int i;
    int j;
    int k;
    double pivot,m;
    double x[N];
    for(k=0;k<n-1;k++)
    {
        pivot=a[k][k];
        for(i=k+1;i<=n-1;i++)
        {
           m[i][k]=a[i][k]/pivot;
                for(j=k+1;j<=n-1;j++){
                    a[i][j]=a[i][j]-m[i][k]*a[k][j];
                }
           b[i]=b[i]-m*b[k];
        }
    }

    for(i=n-1;i>=0;i--){
      if(i!=n-1){
            for (k=n-1;k>i;k--){
                 b[i]=b[i] - a[i][k]*b[k];
            }
        }
        b[i]=b[i]/a[i][i];
    }

    for(i=0;i<N;i++)
    {
        printf("%f\n","L="m[i][k],"U="b[i]);
    }
}

LU分解のC言語におけるプログラム

###前提・実現したいこと
python3でcsvファイルのデータから固有値・固有ベクトルを求めたいです
csvファイルを読み込んでプログラムをまわしたらエラーメッセージが出ました。

###発生している問題・エラーメッセージ

``` 
Last 2 dimensions of the array must be square

```

###該当のソースコード
```ここに言語を入力
df=pd.read_csv("○○.csv", header=None)
eigen_vals, eigen_vecs = np.linalg.eig(df)
```




###補足情報(言語/FW/ツール等のバージョンなど)
python3でjupyterで、回しています

python3での固有値の求め方

いつもお世話になっています。C言語初心者でただいま勉強中です。構造体について質問させていただきます。
```C言語
typedef struct{
  int  ID;
  char name[11];
  int score[3];
} Record;
/* struct declaration */

//struct node {

//int key;

//struct node *next;

//};

typedef struct node *NodePointer;
struct node {
  Record      data;/*構造体の入れ子*/
  NodePointer next;/*ポインタのメンバ*/
}; 
NodePointer head;
```
ここのNodePointer nextとNodePointer headがどんなメンバを持っているのかがよく分かりません。
自分の考えでは、
Record dataは、data.Id,data.name,data.scoreのメンバにアクセスできる。
NodePointer nextは、node型のポインタのメンバ
NodePointer headは、(*head).data.Id,(*head).data.name,(*head).data.score,(*head).nextのメンバにアクセスできる。
この考えであっていますか?
また、NodePointer nextとNodePointer headの違いも教えて下さい。よろしくお願いします。

構造体のリストについて

行と列を画面に応じて追加・変更できるようなリストのパーツを作りたいです。
アプローチの仕方が調べても分かりません。ご教授お願いします。