常連

社会貢献

回答者

拍手喝采

情報収集家

自己紹介

pythonでsuumo中古物件サイトのスクレイピングに関しての質問です。
以下のhtmlから物件名のみを取得したいのですが、価格まで抽出してしまいます。ウェブサイトなどいくつか参照したのですが、解決方法がわからず・・・
わかる方ぜひご教授していただけると幸いです。初歩的な質問になってしまい申し訳ありません。

```python
<dl>
	<dt class="dottable-vm">物件名</dt>
	<dd class="dottable-vm">シティインデックス千代田岩本町</dd>
</dl>
 <dl>
	<span class="dottable-value">4080万円</span><dt class="dottable-vm">販売価格</dt>
	<dd class="dottable-vm">
	</dd>
</dl>

コード
import requests as re
import pandas as pd
from bs4 import BeautifulSoup
url = 'https://suumo.jp/jj/bukken/ichiran/JJ012FC001/?ar=030&bs=011&ta=13&sc=13101&cn=9999999&cnb=0&et=9999999&hb=0&ht=9999999&kb=1&kj=9&km=1&kt=9999999&mb=0&mt=9999999&ni=9999999&pc=30&pj=1&po=0&tb=0&tj=0&tt=9999999'

res = re.get(url)
soup = BeautifulSoup(res.text,'lxml')
u=soup.find_all('dd',class_='dottable-vm')


実行結果>>>>[<dd class="dottable-vm">シティインデックス千代田岩本町</dd>,
 <dd class="dottable-vm">
 <span class="dottable-value">4080万円</span>
 </dd>
```

python スクレイピングに関しての質問です。

Windowsで、サーバにあるファイルを検索、ダウンロードしたいです。

```
# shareフォルダ内のPDFファイル検索（半角スペース等がパスに使われていない前提）
cmd = r"where \192.168.0.100\share\documents:*.pdf"
outs, errs = mypopen(cmd, True, 5)
print(outs)
```

（mypopen関数: [Python3 subprocess.Popenのタイムアウト時のstdout, stderrについて](subprocessのコーディングはhttps://teratail.com/questions/352043)）


Pythonでsubprocessを使って検索しようとしたのですが、標準出力に期待するファイル名が入っておらず、
全く同じコマンドをコマンドプロンプトで実行してもファイル名が返って来ませんでした。

```
where \192.168.0.100\share\documents:*.pdf
情報: 与えられたパターンのファイルが見つかりませんでした。
```

ネットで調べてみると、「UNCパス非対応」みたいなものをいくつか見かけて、ネットワークドライブを割り当てることで使えるとのことでした。実際、ネットワークドライブを割り当てたら、コマンドプロンプトやpythonのsubprocessでファイルを出力する事ができました。

```
# shareフォルダ内のPDFファイル検索（半角スペース等がパスに使われていない前提）
cmd = r"where Z:\documents:*.pdf"
```

ただ、ネットワークドライブを割り当てないで実現できればそうしたいです。
なにか方法ありますか？

subprocess（コマンド）を使わずに検索する方法など

Python サーバにあるファイルを検索したい

### 前提・実現したいこと
pythonで、pandasなどで成形したdataframeを、excelに出力し、
excelのグラフを作ろうとしています。(下記のようなイメージ）

![イメージ説明](9ccd1fade9f603c5a94fe2a32fd2f900.png)

下記のようなコードを書いた(excel出力した後からの処理)のですが、これらのようなコードでは
拡張性がなく、またコードが再利用できないため、非常に保守性が悪いと感じます。
そのため、jsonなどのパラメータファイルにパラメータ部分を外出ししようと
しているのですが、よい方法をご教示いただけないでしょうか。
追記：ファイル形式はjsonにこだわらないので、ファイルから読み込んだデータに対して
長々と代入文を書くのではなく、読み込んだデータをもとに、短い行数でパラメータを
設定するような工夫ができないかをご質問したいという意図でした。文章が分かりにくく申し訳ありません。

~~追記：なお、パラメータをjsonに持たせようと思い、下記jsonファイルを作って、
d = json.loads("graph_param.json")のように辞書で読み込もうとしたのですが、
JSONDecodeError: Expecting value: line 1 column 1 (char 0)となってしまいます。
参考：
https://sasuwo.org/python_reading_json_error/
~~
すみません。この件はご指摘いただき,下記で解決しました。（基礎的な文法ミスでした）
import json
with open('graph_param.json', encoding='utf-8') as f:
    dct = json.load(f)



### 該当のソースコード

``` json(graph_param.json)
{
    "chart_setting":{
        "style_val":2,
        "height":12,
        "width":12,
        "title":"test_散布図",
        "x_axis_title":"x座標",
        "y_axis_title":"y座標"
    },
    "marker1_setting":{
        "read_x_col":5,
        "read_y_col":6,
        "mark_symbol":"circle",
        "mark_size":12,
        "solidFill":"FF0000",
        "line_solidFill":"0000FF"
    },
    "marker2_setting":{
        "read_x_col":5,
        "read_y_col":9,
        "mark_symbol":"regtangle",
        "mark_size":10,
        "solidFill":"FFFF00",
        "line_solidFill":"00FFFF"
    },
    "marker3_setting":{
        "read_x_col":5,
        "read_y_col":10,
        "mark_symbol":"circle",
        "mark_size":8,
        "solidFill":"FF00FF",
        "line_solidFill":"FF00FF"
    },
    "marker4_setting":{
        "read_x_col":5,
        "read_y_col":11,
        "mark_symbol":"regtangle",
        "mark_size":6,
        "solidFill":"FFF0FF",
        "line_solidFill":"FFF0FF"
    }
}
```

```Python
# 関数化したい。
wb = load_workbook("test_reg_sample.xlsx")

dt_s = s_row + 1 + 1
list_xy = [[5,6], [5, 9], [5,10], [5,11]]
list_mark = 
# グラフサイズ
chart = ScatterChart()
chart.style = style_val
chart.height = 12
chart.width = 12

# ラベル
chart.title = "sample 散布図"    # タイトル
chart.x_axis.title = 'x座標'  # チャートのx軸ラベル
chart.y_axis.title = 'y座標'    # y軸ラベル

# 軸の表示範囲と目盛り間隔
chart.x_axis.scaling.min = 0
chart.x_axis.scaling.max = 10
chart.y_axis.scaling.min = 0
chart.y_axis.scaling.max = 20
chart.x_axis.majorUnit = 5
chart.y_axis.majorUnit = 5

#y,xデータの範囲を選択
# todo:series, chartのパラメータは外だししたい。
for i, (c_x, c_y) in enumerate(list_xy):
    print(i, c_x, c_y)
    y = Reference(wb["aaa"] ,min_col=c_y, max_col=c_y, min_row=dt_s-1, max_row=s_row+1+data_len)
    x = Reference(wb["aaa"] ,min_col=c_x, max_col=c_x, min_row=dt_s, max_row=s_row+1+data_len)

    #系列変数seriesをy,xを指定して定義する。yのみラベルを含むときは、title_from_data=Trueにする
    series = Series(y, x, title_from_data=True)
    #プロットをつなぐ線を消す
    series.graphicalProperties.line.noFill = True

    #散布図として定義したchartへデータを指定したseries変数を渡す
    chart.series.append(series)

    #マーカーを表示する(todo:ここもパラメータ化予定)
    series.marker.symbol = "circle"
    chart.series[i].marker.symbol = "circle"
    chart.series[i].marker.size = 12
    chart.series[i].marker.graphicalProperties.solidFill = "FF0000"
    chart.series[i].marker.graphicalProperties.line.solidFill = "0000FF"

#A6セルにグラフを表示
wb["aaa"].add_chart(chart,"L10")
wb.save("test2.xlsx")
```

### 試したこと

openpyxlのマニュアルなどを確認し、設定可能なパラメータを調査した。
jsonのパラメータについて検索して、パラメータを読み込もうとしてみた。
エラーコードから検索したサイトを調べ、ファイルの文字コードなどを変更してみた。

### 補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

openpyxlで、グラフ生成を行うときに、パラメータを一括でファイル(jsonなど）から設定したい。

### 前提・実現したいこと

以下の構成でブログを作成しようと思っています。

ホスティング: Netlify
静的サイトジェネレータ: Hugo
ヘッドレスCMS: MicroCMS

### 発生している問題

MicroCMSでのデータ生成は完了したのですが、肝心のHugoでのデータ取得がうまくいかず悩んでいます。

[公式ドキュメント](https://gohugo.io/templates/data-templates/)では `getJSON` で外部APIからJSONデータを取得できるようなのですが、
```
$data := getJOSN "https://application_name.microcms.io/api/v1/blogs"
{{ range $data }}
  {{ 何かしらの処理 }}
{{ end }}
```

実際にサーバを動かしてみると下記のエラーが出力されます。

```
$ hugo server
Error: add site dependencies: load resources: loading templates: "E:\home\Documents\application_name\themes\original\layouts\index.html:10:1": parse failed: template: index.html:10: malformed character constant: 'https://application_name.microcms.io/api/v1/blogs'
```

MicroCMSでは、ひとまず下記のようにリクエストを送ると、データが返ってくるよーという記載があります。

```
curl "https://application_name.microcms.io/api/v1/blogs" -H "X-API-KEY: xxxxxx-xxbb-xxbb-eexx-ccceeeeexxx"
```

ヘッダーの設定を書いていないのが問題だとは思うのですが、getJSONでどのようにヘッダーを設定するのか分からず...

アドバイス、ご回答を何卒よろしくお願いいたします！

### 参考

[Hugo Data Templates](https://gohugo.io/templates/data-templates/)

[MicroCMS Jekyllでのデータ取得](https://microcms.io/blog/jekyll-meets-microcms/)

HugoとMicroCMSの連携

### Linuxにおけるデバイスドライバーについて

NVIDIA社のJetson nano (tegra210-p3448-0002-p3449-0000-b00)
を260pin-SODIMMコネクタで接続して使うボードの開発をC言語で進めています。
私は組み込みソフトでC言語、OSレスでの開発は慣れているのですがLinuxは初めてです。

使用しているLinuxのディストリビューションはUbuntuで、バージョンは18.04、64bit版です。

ハード構成はひとまず「お試し」という感じでSPI0の先にmicrochip社の93LC56Bを接続して
読み書きをしようとしています。
ピン配置は次の通りです。
- MOSI：89pin
- MISO：93pin
- SCK：91pin
- CS0：95pin

ピン配置の設定はNVIDIA社のページからダウンロードできる「NV_Jetson_Nano_Module_Pinmux_Config_Template.xlsm」で設定を行い、データツリーの設定ファイルを自動生成させています。（なのでピン関係の設定は合っていると思っています）

「Linuxでは、デバイスはファイルとしてアクセスする」のが原則ということで、open、write、read等の関数からアクセスできるドライバー開発を目指しています。

普段レジスタを叩いて制御してた私としては「簡単だろう」と高をくくっていたのですが、LinuxによってCPU（SoC）が見えない状態で戸惑っている状況です。

### 現状困っていること

Linuxの仕組み自体を理解していないので的を射ていないかも知れませんが、大きく悩んでいるのは次の３点です。
0. 「/dev」フォルダの下にデバイスが現れてくれないこと（EEPROMも、SPIも）
0. デバイスツリーの設定によってEEPROMドライバだけがロードされたり、されなかったりすること
0. EEPROMドライバーは[Gitにあった型番の近いソース](https://github.com/torvalds/linux/blob/master/drivers/misc/eeprom/eeprom_93xx46.c)を改変しようとしているが、それがそもそも意図に沿っているかどうかがわからないこと

デバイスツリーのDTSIファイルが膨大なため、SPIとEEPROMに関連していそうなところだけ触っています。
上記1と2はデバイスツリーの記述を変えると挙動が変わります。

### 試したこと

たくさんのDTSIファイルがありますが、いじっているのはtegra210-porg-p3448-common.dtsiとtegra210-porg-eeprom-manager.dtsiだけです。

ケース1：上記2で、EEPROMドライバだけが自動ロードされる（lsmodコマンドのリストに表れる）

```dtsi
  /* common.dtsi */
        ...
        spi@7000d400 {
            status = "okay";
            compatible = "spidev";
        };
        ...
----------------------------------------------------------------------------------
 /* eeprom-manager.dtsi */
/ {
    eeprom-manager {
    data-size = <0x100>;
        eep@0 {
            spi = <&spi0>;
            status = "okay";
            compatible = "microchip,93xx56";
        };
    };
};
```
ケース2：上記2で、EEPROMドライバが自動ロードされない（lsmodコマンドのリストには表れない）
```dtsi
  /* common.dtsi */
        ...
        spi@7000d400 {
            status = "okay";
            compatible = "spidev";
            eep@0 {
                spi = <&spi0>;
                status = "okay";
                compatible = "microchip,93xx56";
            };
        };
        ...
----------------------------------------------------------------------------------
 /* eeprom-manager.dtsi */
/ {
    eeprom-manager {
    data-size = <0x100>;
        eep@0 {
            spi = <&spi0>;
            status = "disable";
            compatible = "microchip,93xx56";
        };
    };
```
ドライバのソースはほぼダウンロードしたものそのままです。いずれファイルとして扱えるようになったら、open関数等を実装しようと思っている物です。probe関数で必ず通るところにprintkを入れてもdmesgに何も出てきません。
```c
     ...
static const struct of_device_id eeprom_93xx56_of_table[] = {
	{ .compatible = "microchip,eeprom-93xx56", },
	{}
};
MODULE_DEVICE_TABLE(of, eeprom_93xx56_of_table);

static int eeprom_93xx46_probe_dt(struct spi_device *spi)
{
	const struct of_device_id *of_id =
		of_match_device(eeprom_93xx46_of_table, &spi->dev);
	struct device_node *np = spi->dev.of_node;
	struct eeprom_93xx46_platform_data *pd;
	u32 tmp;
	int ret;

	pd = devm_kzalloc(&spi->dev, sizeof(*pd), GFP_KERNEL);
	if (!pd)
		return -ENOMEM;

	ret = of_property_read_u32(np, "data-size", &tmp);
	if (ret < 0) {
		dev_err(&spi->dev, "data-size property not found\n");
		return ret;
	}

	if (tmp == 8) {
		pd->flags |= EE_ADDR8;
	} else if (tmp == 16) {
		pd->flags |= EE_ADDR16;
	} else {
		dev_err(&spi->dev, "invalid data-size (%d)\n", tmp);
		return -EINVAL;
	}

	if (of_property_read_bool(np, "read-only"))
		pd->flags |= EE_READONLY;

	pd->select = devm_gpiod_get_optional(&spi->dev, "select",
					     GPIOD_OUT_LOW);
	if (IS_ERR(pd->select))
		return PTR_ERR(pd->select);

	pd->prepare = select_assert;
	pd->finish = select_deassert;
	gpiod_direction_output(pd->select, 0);

	if (of_id->data) {
		const struct eeprom_93xx46_devtype_data *data = of_id->data;

		pd->quirks = data->quirks;
	}

	spi->dev.platform_data = pd;

	return 0;
}

static int eeprom_93xx46_probe(struct spi_device *spi)
{
	struct eeprom_93xx46_platform_data *pd;
	struct eeprom_93xx46_dev *edev;
	int err;

	if (spi->dev.of_node) {
		err = eeprom_93xx46_probe_dt(spi);
		if (err < 0)
			return err;
	}

	pd = spi->dev.platform_data;
	if (!pd) {
		dev_err(&spi->dev, "missing platform data\n");
		return -ENODEV;
	}

	edev = devm_kzalloc(&spi->dev, sizeof(*edev), GFP_KERNEL);
	if (!edev)
		return -ENOMEM;

	if (pd->flags & EE_ADDR8)
		edev->addrlen = 7;
	else if (pd->flags & EE_ADDR16)
		edev->addrlen = 6;
	else {
		dev_err(&spi->dev, "unspecified address type\n");
		return -EINVAL;
	}

	mutex_init(&edev->lock);

	edev->spi = spi;
	edev->pdata = pd;

	edev->size = 128;
	edev->nvmem_config.type = NVMEM_TYPE_EEPROM;
	edev->nvmem_config.name = dev_name(&spi->dev);
	edev->nvmem_config.dev = &spi->dev;
	edev->nvmem_config.read_only = pd->flags & EE_READONLY;
	edev->nvmem_config.root_only = true;
	edev->nvmem_config.owner = THIS_MODULE;
	edev->nvmem_config.compat = true;
	edev->nvmem_config.base_dev = &spi->dev;
	edev->nvmem_config.reg_read = eeprom_93xx46_read;
	edev->nvmem_config.reg_write = eeprom_93xx46_write;
	edev->nvmem_config.priv = edev;
	edev->nvmem_config.stride = 4;
	edev->nvmem_config.word_size = 1;
	edev->nvmem_config.size = edev->size;

	edev->nvmem = devm_nvmem_register(&spi->dev, &edev->nvmem_config);
	if (IS_ERR(edev->nvmem))
		return PTR_ERR(edev->nvmem);

	dev_info(&spi->dev, "%d-bit eeprom %s\n",
		(pd->flags & EE_ADDR8) ? 8 : 16,
		(pd->flags & EE_READONLY) ? "(readonly)" : "");

	if (!(pd->flags & EE_READONLY)) {
		if (device_create_file(&spi->dev, &dev_attr_erase))
			dev_err(&spi->dev, "can't create erase interface\n");
	}

	spi_set_drvdata(spi, edev);
	return 0;
}

static int eeprom_93xx46_remove(struct spi_device *spi)
{
	struct eeprom_93xx46_dev *edev = spi_get_drvdata(spi);

	if (!(edev->pdata->flags & EE_READONLY))
		device_remove_file(&spi->dev, &dev_attr_erase);

	return 0;
}

static struct spi_driver eeprom_93xx56_driver = {
	.driver = {
		.name	= "93xx56",
		.of_match_table = of_match_ptr(eeprom_93xx46_of_table),
	},
	.probe		= eeprom_93xx46_probe,
	.remove		= eeprom_93xx46_remove,
};

module_spi_driver(eeprom_93xx56_driver);

MODULE_LICENSE("GPL");
MODULE_DESCRIPTION("Driver for 93xx56 EEPROMs");
MODULE_AUTHOR("Anatolij Gustschin <agust@denx.de>");
MODULE_ALIAS("spi:93xx56");
```

### 結局のところ

そもそもLinuxの知識が乏しいことと、デバイスツリーの理解も進んでいないことから、どこまでが正しいのかの線引きすらできていない状態です。デバイスツリー内のcompatibleの記述と、ドライバーのソース内のof_device_tableにある.compatibleメンバーの記述が合致していれば、kernelが勝手にドライバーを読み込んでくれるものと思っていました。

「/dev」フォルダ下にデバイスが現れ、それをファイルとして扱うことにこだわっていいのか、それとも別の方法があるのかも含めてご教示いただければと思います。

よろしくお願いします。

組み込みLinux(Ubuntu)でのデバイスドライバー(SPI通信)について

### 前提・実現したいこと

参考書に記載されている例題を実行したいのですが、dict(separate)で何か問題があるようで、対処方法がわかりません。

### 発生している問題・エラーメッセージ
C:\Users\beret\AppData\Local\Programs\Python\Python37-32\python.exe C:/Users/beret/PycharmProjects/SampleProject/Word_Dictionaly_New.py
Traceback (most recent call last):
  File "C:/Users/beret/PycharmProjects/SampleProject/Word_Dictionaly_New.py", line 39, in <module>
    read()
  File "C:/Users/beret/PycharmProjects/SampleProject/Word_Dictionaly_New.py", line 23, in read
    words = dict(separate)
ValueError: dictionary update sequence element #0 has length 1; 2 is required

Process finished with exit code 1


### 該当のソースコード

import time

words = {}


def read():
    global words

    with open('data/English_words.txt', 'r', encoding='utf_8') as file:
        lines = file.readlines()

    new_lines = []
    for line in lines:
        line = line.rstrip('\n')
        if line != '':
            new_lines.append(line)

    separate = []

    for line in new_lines:
        sp = line.split('\t')
        separate.append(sp)
    words = dict(separate)


def study():
    write_lines = []
    for key, val in words.items():
        write_lines.append(key + '\t' + val + '\n')

    write_lines.sort()

    with open('data/English_words.txt', 'w', encoding='utf_8') as f:
        f.writelines(write_lines)


if __name__ == '__main__':

    read()
    print('単語の意味を回答します。')

    while True:

        word = input('英単語を入力してください-->')

        if word == 'OK':
            study()
            print('ありがとうございました。')
            break

        elif word in words:
            print('「' + words[word] + '」という意味です')
        else:
            print('理解できませんでした。新たな単語の場合、意味を入力してください。終了する場合は「OK」と入力してください。')
            meaning = input('意味を入力してください-->')
            while not meaning:
                meaning = input('意味を入力してください-->')
            words[word] = meaning
            print('記憶中です。お待ちください。')
            time.sleep(3)


### 試したこと
ファイル書きこみなしのプログラムの方は問題なく実行できました。

### 補足情報（FW/ツールのバージョンなど）

ここにより詳細な情報を記載してください。

プログラム終了時にstudy()関数で辞書データをファイルに書き込みたい。

Google ColabのTPUを利用してローカル接続でCNNを作成中です。
「ノートブックの設定」でハードウェアアクセラレータは「TPU」を選択し、「接続済み(ローカル)」となっています。
しかし、ホスト型ランタイムでは読み込んでアドレスが返ってくるのですが、ローカル接続では環境変数がNoneで返ってくるためgRPCから進めず困っています。

### 発生している問題・エラーメッセージ

```
None

---------------------------------------------------------------------------

KeyError                                  Traceback (most recent call last)

<ipython-input-6-022a85c6413d> in <module>
      4 print(os.environ.get("COLAB_TPU_ADDR"))
      5 
----> 6 tpu_grpc_url = "grpc://" + os.environ["COLAB_TPU_ADDR"]
      7 tpu_cluster_resolver = tf.contrib.cluster_resolver.TPUClusterResolver(tpu_grpc_url)
      8 tf.contrib.distribute.initialize_tpu_system(tpu_cluster_resolver)

~/anaconda3/lib/python3.7/os.py in __getitem__(self, key)
    676         except KeyError:
    677             # raise KeyError with the original key value
--> 678             raise KeyError(key) from None
    679         return self.decodevalue(value)
    680 

KeyError: 'COLAB_TPU_ADDR'
```

### 該当のソースコード

```python
import tensorflow as tf
import os

print(os.environ.get("COLAB_TPU_ADDR"))

tpu_grpc_url = "grpc://" + os.environ["COLAB_TPU_ADDR"]
tpu_cluster_resolver = tf.contrib.cluster_resolver.TPUClusterResolver(tpu_grpc_url)
tf.contrib.distribute.initialize_tpu_system(tpu_cluster_resolver)
strategy = tf.contrib.distribute.TPUStrategy(tpu_cluster_resolver, steps_per_run=100)
```

### 試したこと
Tensorflowを1.4と1.13.1でも変わらず。
Python 3.6.9でも変わらず。
ファイアウォールを無効にしてみても変わらず。


### 補足情報（FW/ツールのバージョンなど）

anacondaで管理
Python 3.7.3
Tensorflow 1.13.1
Firefox 68.0.2

Google ColaboratoryのTPUの利用で環境変数'COLAB_TPU_ADDR'がなくてエラー

### やりたいこと
pythonのmatplotlibのpylplotを使ってグラフを作りました。
また、同様にopencvを使ってウェブカメラの画像を取り込んでいます。
このグラフとopencvを使って取得したカメラの画像をくっつけて１つの画像にしたいです。
どのようにしたら良いでしょうか
左にカメラの画像、右側にグラフというレイアウトで１つの画像にしたいです。

また、できれば一度画像ファイルとしてフォルダに出力せずに処理したいです

### ソースコード
```
'''
グラフを描画して画像と結合させる処理
'''
def drawPlotLine(loopstack):
    #グラフ
    tmp_frame = loopstack.frame           # loopstack.frameがウェブカメラの画像
    row,clm = loopstack.depth.shape       # loopstack.depthは1280x720の行列データ
    x = np.arange(0, clm)
    y = loopstack.depth[loopstack.plotY1] # loopstack.plotY1は任意の値
    drawGraf(x,y)
    #############################
    #  ここでグラフと画像を結合したい
    #############################

'''
グラフを描画
'''
def drawGraf(x,y):
    plt.clf()    
    plt.plot(x,y)
    plt.xlabel('Pixel(px)')
    plt.ylabel('Camera-Object Distance(m)')
    plt.title('Plot Line')
    plt.ylim(0,1)
    plt.pause(.001)
```

pythonでpyplotのグラフとopencvの画像をくっつけて１つの画像にしたい

### 前提・実現したいこと

PythonでSeleniumを利用し、Webページのリンクを開こうと思っているのですがうまくいきません。
アンカーテキストを探して出し、クリックしようと考えていますが、下記のエラーメッセージが表示されます。
下記が表示されるコードを①とします。

表示されるエラーメッセージ：
selenium.common.exceptions.MoveTargetOutOfBoundsException: Message: Cannot click on element


また、特定のページによっては、リンクのクリックは行われるものの、目的のリンクでなく、
指定したリンクトは別のものがクリックされてしまいます。このパターンのコードを②とします。
アンカーテキスト'Yahoo! BB'を指定したはずなのにヤフートラベルが開いてしまいます。
（他にも試しましたがクリック箇所はすべてずれてしまいました）

### 該当のソースコード①

```python
from selenium import webdriver
import time

driver = webdriver.Ie(r"C:\IEDriverServer.exe")
driver.get("https://www.google.co.jp/")
time.sleep(3)
linktext = driver.find_element_by_link_text("Gmail")
linktext.click()
```

### 該当のソースコード②
```python
from selenium import webdriver
import time

driver = webdriver.Ie(r"C:\IEDriverServer.exe")
driver.get("https://www.yahoo.co.jp/")
time.sleep(3)
linktext = driver.find_element_by_link_text("Yahoo! BB")
linktext.click()
```

### 補足情報（FW/ツールのバージョンなど）

OS:Windows 10
使用ブラウザ:IE11

seleniumを用いたリンクのクリックの方法(python, internet explorer 11)

pythonでseleniumを用いてamazonで自動購入できるプログラムを書いています。
```Python
# coding=utf-8
from selenium import webdriver
#data------------------------------------------------
Emailaddres = '***'
Password = '***'
URL = 'https://www.amazon.co.jp/***'
#----------------------------------------------------------
driver = webdriver.Chrome('./chromedriver') #chromeを使用
driver.get('URL') #商品ページにアクセス
buy_button = driver.find_element_by_id('add-to-cart-button').click() #カートに入れる
cart_button = driver.find_element_by_id('hlb-ptc-btn').click() #レジへ
emailbox = driver.find_element_by_id('ap_email') #サインイン
passbox = driver.find_element_by_id('ap_password') #サインイン
emailbox.send_keys(emailaddres) #サインイン
passbox.send_keys(password) #サインイン
signinsubmit = driver.find_element_by_id('signInSubmit').click() #サインイン
submit_addres = driver.find_element_by_xpath('//*[@id="address-book-entry-0"]/div[2]/span/a').click() #「この住所を使う」をクリック
driver.find_element_by_xpath('//*[@id="shippingOptionFormId"]/div[1]/div[2]/div/span[1]/span/input').click() # 「次に進む」をクリック
driver.find_element_by_xpath('//*[@id="one-time-payment-methods"]/div[2]').click() # ラジオボタンで代引きを選択
driver.find_element_by_xpath('//*[@id="continue-top"]').click() #「次に進む」をクリック
#driver.find_element_by_xpath('//*[@id="order-summary-box"]/div[1]/div/div[1]/div/span/span/input').click() # 注文確定
```
ラジオボタンのところで毎回エラーが起きてしまい、その先に進みません。
ラジオボタンの選択ができていないようです。
エラーメッセージは
```
Traceback (most recent call last):
  File "seleniumtest2.py", line 18, in <module>
    driver.find_element_by_xpath('//*[@id="one-time-payment-methods"]/div[2]').click()
  File "C:\Users\natsu\AppData\Local\Programs\Python\Python35-32\lib\site-packages\selenium\webdriver\remote\webdriver.py", line 293, in find_element_by_xpath
    return self.find_element(by=By.XPATH, value=xpath)
  File "C:\Users\natsu\AppData\Local\Programs\Python\Python35-32\lib\site-packages\selenium\webdriver\remote\webdriver.py", line 752, in find_element
    'value': value})['value']
  File "C:\Users\natsu\AppData\Local\Programs\Python\Python35-32\lib\site-packages\selenium\webdriver\remote\webdriver.py", line 236, in execute
    self.error_handler.check_response(response)
  File "C:\Users\natsu\AppData\Local\Programs\Python\Python35-32\lib\site-packages\selenium\webdriver\remote\errorhandler.py", line 192, in check_response
    raise exception_class(message, screen, stacktrace)
selenium.common.exceptions.NoSuchElementException: Message: no such element: Unable to locate element: {"method":"xpath","selector":"//*[@id="one-time-payment-methods"]/div[2]"}
  (Session info: chrome=54.0.2840.71)
  (Driver info: chromedriver=2.25.426923 (0390b88869384d6eb0d5d09729679f934aab9eed),platform=Windows NT 10.0.14393 x86_64)
```
調べてみていろいろ試したのですが何が原因が全く分かりません
他のサイトでも試してみたのですがこれだとラジオボタンの選択ができていないようでした
なにが悪いのか教えていただきたいです。

Python seleniumによるブラウザの自動操作

### 前提・実現したいこと
以下CSVファイル中に、アルファベットが不規則に並んでいます。
A行の下にB Cがある場合、B C行を削除したいです。
(例)
1,A
~~2,B←削除~~
~~3,C←削除~~
4,D

さらに、A行の下にB Cが連続している場合でも、削除したいです。
(例)
11,A
~~12,B←削除~~
~~13,C←削除~~
~~14,B←削除~~
~~15,C←削除~~
16,D

A行以外の下にB C行が並んでいる場合は、削除せずにそのままにしたいです。
説明分かりにくくすみませんが、教えていただけないでしょうか。


### CSVデータ
```CSV
id,data
1,A
2,B
3,C
4,D
5,E
6,F
7,A
8,D
9,E
10,F
11,A
12,B
13,C
14,B
15,C
16,D
17,E
18,F
19,A
20,D
21,B
22,C
23,B
24,C
25,B
26,C
27,E
28,F
```

### 期待する結果
```CSV
id,data
1,A
4,D
5,E
6,F
7,A
8,D
9,E
10,F
11,A
16,D
17,E
18,F
19,A
20,D
21,B
22,C
23,B
24,C
25,B
26,C
27,E
28,F
```

データから特定の条件を満たす行の下を削除したい

プログラミング初心者です。pythonの学習を始めるために、参考書（いちばんやさしいパイソンの本　Pythonスタートブック　技術評価社）のコードを書きながら学習を進めています。
学習の中で、turtleモジュール実行時フリーズする問題にぶち当たりましたので質問させて下さい。

実行環境
 MacOS10.14.6

シェル画面（ターミナル）から以下のコードを実行したら画面が固まって、パソコンが再起動されます。
  >>>import turtle
  >>>kame = turtle.Turtle()

### 発生している問題・エラーメッセージ
2019-08-25 06:14:45.891 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.891 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.891 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.891 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.891 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.891 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.891 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.891 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.892 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.892 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.892 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.892 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.892 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.892 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.892 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.892 python[2633:152520] CGSTrackingRegionSetIsEnabled returned CG error 268435459
2019-08-25 06:14:45.899 python[2633:152520] HIToolbox: received notification of WindowServer event port death.
2019-08-25 06:14:45.899 python[2633:152520] port matched the WindowServer port created in BindCGSToRunLoop

### 試したこと

再起動後に、もう一度turtleモジュールを実行させましたが同じようにフリーズしました。

turtleモジュールを実行するのは今回が初めてでは無く、少し前に学習で出てきたときは、キャンパス（python Turtle Graphics)が立ち上がっていました。

python turtleモジュール実行時のフリーズ

### 前提・実現したいこと

以下のようなデータフレームの，欠測値の内挿を行いたいです．
そして更に，この時系列データを内挿するのに，**「欠測が1つだけ存在する場合のみ線形内挿する」**という条件を付与したいのです．
```python
df = pd.DataFrame({"田中_身長":[129, pd.np.nan, 120, 133.4, 132, 150.5, 200.5], 
                   "田中_体重":[29, 29.5, pd.np.nan, pd.np.nan, pd.np.nan, 50.5, 200], 
                   "山田_身長":[180.6, 180.5, pd.np.nan, 177.3, 169, 170.2, 160.5], 
                   "山田_体重":[80.6, 80.5, 81, pd.np.nan, 69, 70.2, 60.5]},
                  index=pd.date_range('2016/01/01 00:00', freq='1Y', periods=7))
```

### 具体例
上により作成される時系列データは

-|田中_身長|田中_体重|山田_身長|山田_体重
---:|---:|---:|---:|---:
2016-12-31|129|29|180.6|80.6
2017-12-31|NaN|29.5|180.5|80.5
2018-12-31|120|NaN|NaN|81
2019-12-31|133.4|NaN|177.3|NaN
2020-12-31|132|NaN|169|69
2021-12-31|150.5|50.5|170.2|70.2
2022-12-31|200.5|200|160.5|60.5

となりますが，これを条件通りに内挿し，以下のようなデータフレームを作成します．
-|田中_身長|田中_体重|山田_身長|山田_体重
---:|---:|---:|---:|---:
2016-12-31|129|29|180.6|80.6
2017-12-31|**124.5**|29.5|180.5|80.5
2018-12-31|120|**NaN**|**178.9**|81
2019-12-31|133.4|**NaN**|177.3|**75**
2020-12-31|132|**NaN**|169|69
2021-12-31|150.5|50.5|170.2|70.2
2022-12-31|200.5|200|160.5|60.5

このように，2つ以上欠測が連続した場合，内挿をしないようにします．



### 発生している問題
内挿するために以下の処理を行いました．

```python
df.interpolate(limit=1, method="time", limit_area='inside', limit_direction="backward")
```
しかし，このような書き方をしても，以下のような結果となり，うまくいきません（**山田の2020年の体重が線形内挿されてしまっています**）．
-|田中_身長|田中_体重|山田_身長|山田_体重
---:|---:|---:|---:|---:
2016-12-31|129|29|180.6|80.6
2017-12-31|**124.5**|29.5|180.5|80.5
2018-12-31|120|**NaN**|**178.9**|81
2019-12-31|133.4|**NaN**|177.3|**75**
2020-12-31|132|**45.25**|169|69
2021-12-31|150.5|50.5|170.2|70.2
2022-12-31|200.5|200|160.5|60.5

limitの意味合い的に正しい挙動なのは分かりますが，正しい答えを導く方法が分かりません．
rollingやresampleなども使って見ようと思いましたが，良いやり方が思いつきません．

どのようにするのが良いのでしょうか．ループを書いて一行一行処理するのは，Pythonっぽくない書き方で避けたいと思います．

よろしくお願いいたします．

PandasのDataFrameでの条件付き内挿

### 前提・実現したいこと

入力データをRNNとCNNにより特徴抽出し，その特徴量をK-meansによりクラスタリングを行います．
K-meansのクラスタリング結果を正解ラベルとして，損失関数を計算しパラメータを更新することを目指しています．

### 発生している問題・エラーメッセージ

上記のことを再現する上で，一度特徴抽出までを eval により feed_dict し実行し，その実行結果でK-meansを行い正解ラベルを作り，
さらに，モデルのパラメータを更新させるために train_step を再び feed_dict し実行しています．
その結果グラフを自動生成する問題なのかなんのエラーメッセージもなく，gpuでの実行を行っていることを伝えるメッセージだけでプログラムが終了してしまいます．
このメッセージは通常に動作している時も表示されます．
いまいちtensorflowのsessionの特性がわからず，これが仕様なのか工夫すれば実現できるのか，わかる方がいればご教授していただきたいです．


```
2019-08-23 03:26:01.306046: I tensorflow/core/platform/cpu_feature_guard.cc:141] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
2019-08-23 03:26:01.543479: I tensorflow/stream_executor/cuda/cuda_gpu_executor.cc:964] successful NUMA node read from SysFS had negative value (-1), but there must be at least one NUMA node, so returning NUMA node zero
2019-08-23 03:26:01.543992: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1432] Found device 0 with properties: 
name: GeForce RTX 2080 major: 7 minor: 5 memoryClockRate(GHz): 1.86
pciBusID: 0000:01:00.0
totalMemory: 7.76GiB freeMemory: 7.59GiB
2019-08-23 03:26:01.544005: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1511] Adding visible gpu devices: 0
2019-08-23 03:26:01.751846: I tensorflow/core/common_runtime/gpu/gpu_device.cc:982] Device interconnect StreamExecutor with strength 1 edge matrix:
2019-08-23 03:26:01.751877: I tensorflow/core/common_runtime/gpu/gpu_device.cc:988]      0 
2019-08-23 03:26:01.751882: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001] 0:   N 
2019-08-23 03:26:01.752161: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] Created TensorFlow device (/job:localhost/replica:0/task:0/device:GPU:0 with 7308 MB memory) -> physical GPU (device: 0, name: GeForce RTX 2080, pci bus id: 0000:01:00.0, compute capability: 7.5)

```

### 該当のソースコード


```python
def inference(x, n_batch, keep_prob, pool_size, filter_size, conv_stride, pool_stride,
    n_convs, input_len=None, n_in = None, n_hidden=None, n_out=None):
    def weight_variable(shape):
        initial = tf.truncated_normal(shape, stddev=0.01)
        return tf.Variable(initial, name='V')

    def bias_variable(shape):
        initial = tf.zeros(shape, dtype=tf.float32)
        return tf.Variable(initial, name='c')

    with tf.name_scope('cell_initial'):
        cell = tf.contrib.rnn.GRUCell(n_hidden)
        initial_state = cell.zero_state(tf.shape(x)[0], tf.float32)
        state = initial_state
        outputs = []

    with tf.variable_scope('RNN'):
        for t in range(input_len):
            if t > 0:
                tf.get_variable_scope().reuse_variables()
            (cell_output, state) = cell(x[:, t, :], state)

            outputs.append(cell_output)

    outputs = tf.reshape(outputs, [n_out, n_batch, n_hidden * input_len])

    V = weight_variable([n_out, n_hidden * input_len])
    c = bias_variable([n_out, n_hidden * input_len])

    rnn_output = outputs * V + c

    rnn_output = tf.transpose(rnn_output, [1, 2, 0])
    # convnet
    def conv1d(x, W, stride):
        return tf.nn.conv1d(x, W, stride=stride , padding='VALID')#x = [batch, in_width(input_len), in_channels(n_in)]
#(1, stride, 1)
    def max_pool(x, stride):
        return tf.layers.max_pooling1d(x, pool_size=pool_size, #[1, 3, 1]\
            strides=stride, padding='valid')#x = (batch, length, channels)

    def weight_variable_cnn(shape):
        initial = tf.truncated_normal(shape, stddev=0.01)
        return tf.Variable(initial, name='V')

    def bias_variable_cnn(shape):
        initial = tf.zeros(shape, dtype=tf.float32)
        return tf.Variable(initial, name='c')

    # conv layers
    with tf.variable_scope('CNN'):
        for n_conv in range(n_convs):
            if n_conv > 0:
                tf.get_variable_scope().reuse_variables()
            else:
                pool = rnn_output # Convへの初期値定義
                cnn_out_dim = input_len * n_hidden

            w_conv = weight_variable_cnn([filter_size[n_conv], n_in, n_out])
            b_conv = bias_variable_cnn([n_in])

            # 畳み込み層
            conv = tf.nn.relu(conv1d(pool, w_conv, conv_stride[n_conv]) + b_conv)
            # プーリング層
            pool = max_pool(conv, pool_stride[n_conv])

            cnn_out_dim = (cnn_out_dim - filter_size[n_conv]) // conv_stride[n_conv] + 1
            cnn_out_dim = (cnn_out_dim - pool_size) // pool_stride[n_conv] + 1
            print(cnn_out_dim)

    # 完全結合層（出力層）
    w_out = weight_variable_cnn([cnn_out_dim, cnn_out_dim])
    b_out = bias_variable_cnn([cnn_out_dim])

    cnn_out = tf.nn.relu(tf.matmul(tf.reshape(pool, [n_batch, cnn_out_dim]), w_out) + b_out) #(n_batch, cnn_out_dim, n_out)
    cnn_out_drop = tf.nn.dropout(cnn_out, keep_prob)

    return cnn_out_drop, cnn_out_dim


def loss(cnn_out, t, cnn_out_dim, n_clusters):
    def softmax_weight(shape):
        initial = tf.truncated_normal(shape, stddev=0.01)
        return tf.Variable(initial, name='V')

    def softmax_bias(shape):
        initial = tf.zeros(shape, dtype=tf.float32)
        return tf.Variable(initial, name='c')

    w_soft = softmax_weight([cnn_out_dim, n_clusters])
    b_soft = softmax_bias([n_clusters])

    softmax_input = tf.matmul(cnn_out, w_soft) + b_soft #[n_batch, n_cluster]
    softmax_output = tf.nn.softmax(softmax_input)

    with tf.variable_scope('loss'):
        cross_entropy = tf.reduce_mean(-tf.reduce_sum(t * tf.log(softmax_output), axis=1))
        return cross_entropy

def training(loss, learning_rate):
    with tf.variable_scope('train_step'):
        optimizer = \
            tf.train.AdamOptimizer(learning_rate=learning_rate, beta1=0.9, beta2=0.999)
        train_step = optimizer.minimize(loss)
        return train_step

x = tf.placeholder(tf.float32, shape=[None, input_len, n_in])
t = tf.placeholder(tf.float32, shape=[None, n_clusters])
n_batch = tf.placeholder(tf.int32, shape=[])
keep_prob = tf.placeholder(tf.float32, shape=[])

y, cnn_out_dim = inference(x, n_batch, keep_prob,
              input_len=input_len,
              n_hidden=n_hidden,
              n_in=n_in,
              n_out=n_out,
              pool_size=pool_size,
              filter_size=filter_size,
              conv_stride=conv_stride,
              pool_stride=pool_stride,
              n_convs=n_convs)

loss = loss(y, t, cnn_out_dim, n_clusters)
train_step = training(loss = loss, learning_rate = learning_rate)

init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)

input_data = eval_X[k * 24: (k + learning_data_day_len-1) * 24]
indices = np.array(range(input_data.shape[0]))
input_data_train, input_data_validation, indices_train, indices_validation = \
    train_test_split(input_data, indices, test_size = N_validation)

penalty = 0
for epoch in range(epochs):
    X_ = shuffle(input_data_train)
    if epoch == 0 or penalty > 3:
        tf.reset_default_graph()
        centroid = 'k-means++'
        penalty = 0
        print('reset')

    with tf.name_scope('train'):
        for h in range(n_batches):
            start = h * batch_size
            end = start + batch_size

            features = y.eval(
                session = sess,
                feed_dict={
                    x: X_[start:end],
                    n_batch: batch_size,
                    keep_prob: 0.5
                }
            )

            print(features)

            # KMeans
            kmeans_model = KMeans(n_clusters=n_clusters, init = centroid, n_jobs=-1).fit(features)
            labels = kmeans_model.labels_
            centroid = kmeans_model.cluster_centers_

            # 擬似ラベル作成（one hot)
            cent_one_hot = np.identity(n_clusters)[labels]
            print(cent_one_hot)

            sess.run(train_step, feed_dict={
                x: X_[start:end],
                t: cent_one_hot,
                n_batch: batch_size,
                keep_prob: 0.5,
                # centroid: centroid_
            })

    cross_loss = loss.eval(session = sess,
    feed_dict={
        cnn_out: features,
        t: cent_one_hot
    })

    if epoch != 0 and cross_loss > cross_loss_old and cross_loss > 1:
        penalty += 1

    cross_loss_old = cross_loss

    print('epoch:', epoch,
          ' validation loss:', cross_loss)

    if cross_loss < 0.01:
        break

```

### 試したこと

コードの途中にあるbreakが原因かとも思いましたが消去しても変わりませんでした．
また，print などを使ってどこまで実行できているか確認したところ， y.eval までは実行できていたのですが，
train_step は呼び出しもされずに終了してしまっているようです．
やはり複数回 feed を行うと正常に optimize が行われないのでしょうか．

### 補足情報（FW/ツールのバージョンなど）

tensorflow は gpu バージョンのものを使っています．
実行にはtensorflowが用意しているdockerのイメージを使用しています．

tensorflow のセッションの仕様に関して

matplotlibのplot()で5分間隔のデータの折れ線グラフを描きたいのですが、
私がやると、xの目盛りが、15分間隔になります。
これを5分間隔、または10分間隔に変更することはできますでしょうか。

```python
import pandas as pd
from pandas import Series, DataFrame
import datetime
import matplotlib.pyplot as plt
%matplotlib inline

df = pd.DataFrame([1,1.2,1.3,1.5,2,2.1,2.2,3,3.5,4,4.3,5.5,5.8],
                  index=["00:00","00:05","00:10","00:15","00:20","00:25","00:30","00:35","00:40","00:45","00:50","00:55","01:00"])

df["time"] = pd.to_datetime(df.index,format = "%H:%M")
df.index = df["time"]
df = df.drop("time",axis=1)

df.plot()
```

よろしくお願いいたします。

matplotlib plot()で時系列の折れ線グラフを描く時にｘ軸の目盛りを変更したい

### 前提・実現したいこと

昨日までAnaconda NavigatorからJupyterLabを起動して使用していたのですが、いつからか（Matplotlibの最新版をダウンロードしようとしたぐらいから？）以下のメッセージが出て起動ができなくなりました。
JupyterLabをもう一度起動できるようにしたいと思っております。

### 発生している問題・エラーメッセージ

Anaconda NavigatorからJupyterLabを起動すると以下のメッセージが出てきます。

[W 14:11:13.754 LabApp] Permission to listen on port 8888 denied
[W 14:11:13.755 LabApp] Permission to listen on port 8889 denied
[W 14:11:13.756 LabApp] Permission to listen on port 8890 denied
[W 14:11:13.757 LabApp] Permission to listen on port 8891 denied
[W 14:11:13.758 LabApp] Permission to listen on port 8892 denied
[W 14:11:13.760 LabApp] Permission to listen on port 8846 denied
[W 14:11:13.761 LabApp] Permission to listen on port 8804 denied
[W 14:11:13.762 LabApp] Permission to listen on port 8904 denied
[W 14:11:13.763 LabApp] Permission to listen on port 8907 denied
[W 14:11:13.764 LabApp] Permission to listen on port 8932 denied
[W 14:11:13.765 LabApp] Permission to listen on port 8871 denied
[W 14:11:13.766 LabApp] Permission to listen on port 8815 denied
[W 14:11:13.767 LabApp] Permission to listen on port 8812 denied
[W 14:11:13.768 LabApp] Permission to listen on port 8877 denied
[W 14:11:13.769 LabApp] Permission to listen on port 8955 denied
[W 14:11:13.770 LabApp] Permission to listen on port 8887 denied
[W 14:11:13.771 LabApp] Permission to listen on port 8928 denied
[W 14:11:13.773 LabApp] Permission to listen on port 8823 denied
[W 14:11:13.774 LabApp] Permission to listen on port 8961 denied
[W 14:11:13.775 LabApp] Permission to listen on port 8909 denied
[W 14:11:13.776 LabApp] Permission to listen on port 8982 denied
[W 14:11:13.777 LabApp] Permission to listen on port 8960 denied
[W 14:11:13.778 LabApp] Permission to listen on port 8875 denied
[W 14:11:13.779 LabApp] Permission to listen on port 8857 denied
[W 14:11:13.780 LabApp] Permission to listen on port 8811 denied
[W 14:11:13.781 LabApp] Permission to listen on port 8834 denied
[W 14:11:13.782 LabApp] Permission to listen on port 8831 denied
[W 14:11:13.783 LabApp] Permission to listen on port 8962 denied
[W 14:11:13.784 LabApp] Permission to listen on port 8828 denied
[W 14:11:13.785 LabApp] Permission to listen on port 8948 denied
[W 14:11:13.786 LabApp] Permission to listen on port 8829 denied
[W 14:11:13.787 LabApp] Permission to listen on port 8886 denied
[W 14:11:13.788 LabApp] Permission to listen on port 8871 denied
[W 14:11:13.789 LabApp] Permission to listen on port 8886 denied
[W 14:11:13.790 LabApp] Permission to listen on port 8975 denied
[W 14:11:13.791 LabApp] Permission to listen on port 8853 denied
[W 14:11:13.792 LabApp] Permission to listen on port 8978 denied
[W 14:11:13.793 LabApp] Permission to listen on port 8967 denied
[W 14:11:13.794 LabApp] Permission to listen on port 8968 denied
[W 14:11:13.795 LabApp] Permission to listen on port 8966 denied
[W 14:11:13.796 LabApp] Permission to listen on port 8874 denied
[W 14:11:13.797 LabApp] Permission to listen on port 8918 denied
[W 14:11:13.798 LabApp] Permission to listen on port 8976 denied
[W 14:11:13.799 LabApp] Permission to listen on port 8918 denied
[W 14:11:13.800 LabApp] Permission to listen on port 8898 denied
[W 14:11:13.801 LabApp] Permission to listen on port 8977 denied
[W 14:11:13.802 LabApp] Permission to listen on port 8892 denied
[W 14:11:13.803 LabApp] Permission to listen on port 8879 denied
[W 14:11:13.804 LabApp] Permission to listen on port 8935 denied
[W 14:11:13.805 LabApp] Permission to listen on port 8985 denied
[W 14:11:13.806 LabApp] Permission to listen on port 8863 denied
[C 14:11:13.806 LabApp] ERROR: the notebook server could not be started because no available port could be found.



### 試したこと

①Anacondaの再起動
②以下のリンクを参考に以下のコマンド
（https://stackoverflow.com/questions/36518878/cant-able-to-start-jupyter）
>>> python -m http.server 888
  File "<stdin>", line 1
    python -m http.server 888
                 ^
SyntaxError: invalid syntax

③以下リンクを参考に以下のコマンド
（https://qiita.com/Hiroyuki_OSAKI/items/2d012fbd04deb14f04c0）
>>> ＃c.NotebookApp.ip = '*'
... c.NotebookApp.ip = '127.0.0.1'
Traceback (most recent call last):
  File "<stdin>", line 2, in <module
NameError: name 'c' is not defined


最近python始めたばかりでまだまだ未熟ものです。
基礎的な質問かもしれませんが、ご回答いただけますと幸いです。


### 補足情報（FW/ツールのバージョンなど）
Windows 8.1
Jupyter Lab 1.0.3
python 3.7.3

JupyterLabが起動できない

■分からないこと
matplotlibの使い方が分かりません。

■助けてほしいこと
matplotlibの使い方について教えてください。
matplotlibの「.plot」ではplotの後ろにy軸、x軸の引数を入れるとグラフが表示されると
理解しています。

train['y'].plot(figsize=(14,4))

を実行するとグラフが表示されますが「.plot」の後ろには画面サイズのオプション以外
引数が入力されていないように見えます。train['y']をy軸の引数に指定できるというルールがあるのでしょうか。

python、matplotlibの使い方についてご教示くださいm(__)m

目的としては、為替の予測をLSTMを用いて行いたいです。
その際に、訓練データは2018.7.2から2019.6.15のデータを用いて2019.7.1から2週間分の予測を行いたいです。

訓練データとテストデータの間の期間を空けて予測したいです。
このようなことは可能なのでしょうか。

フィッティングまでのコードを以下のように書いてみました。
LSTM初心者なので何かアドバイスもあれば嬉しいです。

訓練データとテストデータが時系列的に繋がっていれば予測はできるのですが、今回は空白の期間があった時の予測についてアドバイスが欲しいです。
よろしくお願いします。

空白にする意図としては、最終的にはリアルタイムで予測したいので空白の期間を設けて予測しようと考えています。

```Python
import pandas as pd
import datetime as dt
import matplotlib.pyplot as plt
import numpy as np
import time

# 為替データ読み込み
usd_jpy = pd.read_csv("USD_JPY.csv")
usd_jpy.columns = ['Date', 'Close', 'Open', 'High', 'Low', 'Volume']
#Datetime型に変換
usd_jpy['Date'] = pd.to_datetime(usd_jpy['Date'], format='%Y年%m月%d日')
#日付の古い順にソート
usd_jpy = usd_jpy.sort_values(by='Date')

#訓練データ
train = usd_jpy[(usd_jpy['Date'] >= dt.datetime(2018,7,2)) & (usd_jpy['Date'] < dt.datetime(2019,6,15))]

#テストデータ
test = usd_jpy[(usd_jpy['Date'] >= dt.datetime(2019,6,30))]

#LSTMのウィンドウサイズ
window_len = 10

del train['Date']
del test['Date']
del train['Volume']
del test['Volume']

# LSTMへの入力用に処理（訓練）
train_lstm_in = []
for i in range(len(train) - window_len):
    temp = train[i:(i + window_len)].copy()
    for col in train:
        temp.loc[:, col] = temp[col] / temp[col].iloc[0] - 1
    train_lstm_in.append(temp)
lstm_train_out = (train['Close'][window_len:].values / train['Close'][:-window_len].values)-1

# LSTMへの入力用に処理（テスト）
test_lstm_in = []
for i in range(len(test) - window_len):
    temp = test[i:(i + window_len)].copy()
    for col in test:
        temp.loc[:, col] = temp[col] / temp[col].iloc[0] - 1
    test_lstm_in.append(temp)
lstm_test_out = (test['Close'][window_len:].values / test['Close'][:-window_len].values)-1

# PandasのデータフレームからNumpy配列へ変換
train_lstm_in = [np.array(train_lstm_input) for train_lstm_input in train_lstm_in]
train_lstm_in = np.array(train_lstm_in)
test_lstm_in = [np.array(test_lstm_input) for test_lstm_input in test_lstm_in]
test_lstm_in = np.array(test_lstm_in)

# ランダムシードの設定
np.random.seed(202)
 
# 初期モデルの構築
yen_model = build_model(train_lstm_in, output_size=1, neurons = 20)
 
# フィッティング
yen_history = yen_model.fit(train_lstm_in, lstm_train_out, 
                            nb_epoch=50, batch_size=1, verbose=2, shuffle=True)

```

LSTMの回帰予測においての予測範囲

python初心者です。
よろしくお願いします。

以下のようなコードがあります。

df_Y =df.drop(df.columns[[0,1,2,3]], axis=1)

これは、エクセルの1列目から4列目を削除しています。

列数が100列とか沢山ある場合は、どう記述すればよいでしょうか？
同じように記述すると、長文になってしまうので、できるだけ、簡潔なコードで記述できないかと思っています。

また、途中の列（例えば、3列目と6列目から12列目）を削除するにはどうすればよいでしょうか？

ご指導よろしくお願いいたします。

python：エクセルの沢山の列を削除するには？

### 前提・実現したいこと

cv2.imread()で読み込んだ画像サイズとplt.savefig()の画像サイズを合わせたいです。

具体的に申しますと、軸と枠は表示させず（これは解決済みです）、読み込んだ画像と保存する画像を重ねても位置関係が一致するように保存したいです。


### 例
例えば以下のプログラムでは大雑把に画像をプロットで表すことができますが、これが読み込んだ画像と位置関係が一致するように、保存するときにできる枠を消しつつサイズも合わせたいです。

```python
import cv2
import matplotlib.pyplot as plt

# 入力画像の読み込み
img = cv2.imread("img1.png")

# グレースケール変換
gray = cv2.cvtColor(img, cv2.COLOR_RGB2GRAY)

height, width = gray.shape

x=[]
y=[]

for i in range(height):
    for j in range(width):
        if gray[i][j] <= 127:
            x.append(j)
            y.append(height-i)
plt.plot(x, y, 'o')

# 軸・枠・メモリを消す
plt.tick_params(labelbottom=False, labelleft=False)
plt.tick_params(bottom=False,
                left=False,
                right=False,
                top=False)
plt.gca().spines['right'].set_visible(False)
plt.gca().spines['left'].set_visible(False)
plt.gca().spines['top'].set_visible(False)
plt.gca().spines['bottom'].set_visible(False)

plt.savefig('img2.png')

```