常連

注目の的

社会貢献

質問力

質問者

模範生

Pythonでplotlyを使用して下記のようなcsvから折れ線グラフ（動かない）を作成して、その上をグラフの横軸であるTIMEの値をもとに点を動かしたいと思って試しています。グラフ自体は表示できたのですが、赤い点は元の位置で上下に動くのみで横に動きません。コードを見て教えていただけると嬉しいです。
![イメージ説明](https://ddjkaamml8q8x.cloudfront.net/questions/2022-11-01/760a92d5-c18f-4447-b656-d8fa05ea8e91.jpeg)

```Python

pip install plotly==5.10.0

import pandas as pd
import plotly
import plotly.graph_objs as go
import numpy as np
from plotly.subplots import make_subplots
import plotly.express as px
import plotly.offline as offline

df = pd.read_csv('No9.csv', index_col=0)

x = df.iloc[:, 0]
y = df.iloc[:, 1]

# Create figure
fig = go.Figure(
    data = [
        go.Scatter(x=df.index, y=df['CH1'], name='CH1', mode="lines", line=dict(width=1, color="blue")),
        go.Scatter(x=df.index, y=df['CH1'], name='CH1', mode="lines", line=dict(width=1, color="blue")),
        go.Scatter(x=df.index, y=df['CH2'], name='CH2', mode="lines", line=dict(width=1, color="red")),
        go.Scatter(x=df.index, y=df['CH3'], name='CH3', mode="lines", line=dict(width=1, color="black")),
        go.Scatter(x=df.index, y=df['CH4'], name='CH4', mode="lines", line=dict(width=1, color="pink"))
        ]
)

fig.update_layout(title="test",
                  title_x=0.5,
                  width=1200, height=600, 
                  xaxis_title='Time', 
                  yaxis_title='PPM Length',
                  yaxis_range=(900,2100),
                  xaxis_range=(0,25), 
                  
                  updatemenus=[dict(buttons = [
                                               dict(
                                               args = [None, {"frame": {"duration": 2, 
                                                                        "redraw": False},
                                                              "fromcurrent": True, 
                                                              "transition": {"duration": 0}}],
                                               label = "START",
                                               method = "animate"),
                                               dict(
                                               args = [[None], {"frame": {"duration": 0, 
                                                                        "redraw": False},
                                                              "mode": "immediate", 
                                                              "transition": {"duration": 0}}],
                                               label = "STOP",
                                               method = "animate")
                                               ],
                                type='buttons',
                                showactive=False,
                                y=1.05,
                                x=0.0,
                                xanchor='left',
                                yanchor='bottom')])
                                          


frames= [go.Frame(data=[go.Scatter(x=[x[i]], y=[y[i]], mode="markers", marker=dict(color="red", size=10) )]) for i in range(0, len(x))]
fig.update_xaxes(rangeslider={"visible":True})
fig.update(frames=frames)
fig.show()

#fig.show()
fig.write_html("test.html")
plotly.offline.plot(fig)

```Python

plotlyで折れ線グラフ上を点が動くようにしたいです。

以下の問題についての答えがよくわからないので教えていただけますでしょうか。

ユーザごとのサービス利用状況が格納されたデータフレームdfがある。
性別ごとの人数を棒グラフで表示するためのコードは？

答え：
import matplotlib.pyplot as plt
df["性別"].value_counts().plot.bar
plot.show

棒グラフを作成する場合、例えば
ax.bar(x,y)
で表示しますが、dfを使用すると、「.plot.bar」は後ろにつくのでしょうか？

というのも、私は答えが
import matplotlib.pyplot as plt
plot.bar(df["性別"].value_counts())
plot.show

と思ったからです。

pythonの棒グラフ作成について

MACのターミナルを使い、「open アプリ名.app」でアプリを起動させたいので
bash_profileを編集し下記PATHを登録しましたが、アプリが起動できません。。。

└echo $PATHでPATHを確認したところ
   「:/Users/ユーザー名/Applications」は表示されているので登録できているとは思いますが
   下記エラーメッセージが表示されます。

└ エラーメッセージ（Evernoteを起動）
The file /Users/ユーザー名/Evernote.app does not exist.

基本的な質問ですいません。
解決方法についてご教授いただけると幸いです。

（MAC）PATHは設定できていますが、ターミナルで「open アプリ名.app」でアプリが起動できない。

### 前提・実現したいこと

Pythonでクラスの勉強をしていて、理由が分からず詰まってしまいました。

Testクラスをインスタンス化して、`output()`を実行すると以下の結果が返ってくることを実現したいです。
```Python
>>> Osadaは24歳です。
```

### 発生している問題・エラーメッセージ

```
Traceback (most recent call last):
  File "***/test.py", line 25, in <module>
    test.output()
  File "c***/test.py", line 20, in output
    get_name()
NameError: name 'get_name' is not defined
```

### 該当のソースコード

```Python
import datetime as dt

class Test():
    def __init__(self, name, born_year):
        self.name = name
        self.born_year = born_year
        self.age = 0

    def get_name(self):
        self.name = self.name + 'さん'

    def get_age(self):
        current_year = dt.date.today().year
        self.age = current_year - self.born_year

    def do_introdution(self):
        print("{}は{}才です。".format(self.name, self.age))
        
    def output(self):
        get_name()
        get_age()
        do_introdution()

test = Test('Osada', 1997)
test.output()
```

### 試したこと

main()を用いたパターンもできるようになりたくtryしてみましたが同様のエラーになってしまいました。

```Python
import datetime as dt

class Test():
    def __init__(self, name, born_year):
        self.name = name
        self.born_year = born_year
        self.age = 0

    def main():
        get_name()
        get_age()
        do_introdution()

    def get_name(self):
        self.name = self.name + 'さん'

    def get_age(self):
        current_year = dt.date.today().year
        self.age = current_year - self.born_year

    def do_introdution(self):
        print("{}は{}才です。".format(self.name, self.age))

    if __name__ == '__main__':
        main()

test = Test('Osada', 1997)
test.main()

>>> Traceback (most recent call last):
  File "***/test.py", line 3, in <module>
    class Test():
  File "***/test.py", line 25, in Test
    main()
  File "***/test.py", line 10, in main
    get_name()
NameError: name 'get_name' is not defined

```

### 補足情報（FW/ツールのバージョンなど）

python 3.7.9
windows10

pythonのクラス内での関数の使い方

DNA='ACAGAACATTTGCGCCGTCAGCTTGAGAATTCACGGTAATAGTTGGGTGGC'
DNAの中に'TTG'の文字列が含まれている場合に、先頭のTの場所を出力するプログラムを記述せよ
答え 9,22,42
```
DNA='ACAGAACATTTGCGCCGTCAGCTTGAGAATTCACGGTAATAGTTGGGTGGC'
list = [ ]
for x , val in enumerate ( DNA ):
    if val == 'TTG':
         list.append ( x )
         print (list)
```
とやったのですが、何も表示されません。
TTGの文字列を変数に格納してからprint(index.変数)で表示しようと思っているのですが、頭文字だけの順番を出力する方法がわからなく困っています。アドバイスくれる方おられたらお願いします。

インデックスについてわかりません

最終的にやりたいことはローカル環境でNext.jsとWordPressのcontactform7を連携して、formを作成することです。

現状詰まっているのは、Contactform7にcurlコマンドを使用してAPiを叩いてみたら、認証が必要みたいです。※下記参考
https://qiita.com/gungungggun/items/d5736649529e60db50ac

一応下記のコマンドを試してみましたが、上の記事みたいなレスは返ってきませんでした。
ちなみにアプリケーションパスワードは下記の記事を参考に発行しています。
https://qiita.com/hiropy0123/items/33f3c3ffbb5879e8fe0a

```ここに言語を入力
curl -u user:password http://XXXXXXX/wp-json/contact-form-7/v1/contact-forms/5/feedback/

```

WordPressのcontactform7にREST APIでアクセスしたい

タイトル通りpipとanacondaの併用についてですが、「混ぜるな危険」と言われるように巷ではどちらか片方だけを使うべきと言われています。
ですがconda(anacondaなどのディストリビューションに含まれる)でインストールできないものがある場合はpipとの併用が理にかなっているなどの情報もあります。（下記参照）
https://ja.horecapolis.info/691309-what-is-the-difference-between-BMBDMA

こういった情報があるので、具体的にはどこまで併用していいのでしょうか。

１．　両方ともをローカルにインストールしては行けない。

２．　１は可能だが、同一仮想環境において併用してはならない。

３．　１も２も可能だが、同一仮想環境において同一のライブラリをそれぞれでインストールしてはならない

併用可能であれば上記のどれが適切なのでしょうか。

pip anacondaの併用について

aという２次元リストにおいて、'food'が'orange'もしくは'peach'の１次元リストを削除したいのですが、下記のようにすると、'peach'を含むリストを削除できませんでした。ご教授いただければ幸いです。

```ここに言語を入力
a = [['age', 'pass', 'subject', 'birth', 'food'],
    ['13', '4Wgshngr5s', 'Top Page', '01-06-2000', 'melon'],
    ['23', 'bstrh646gh', 'Seach Page', '01-02-2000', 'apple'],
    ['33', 'gsthsbssss', '', '02-19-2000', 'orange'],
    ['43', 'hdtrthhtss', '', '02-19-2019', 'peach']]

for i in range(len(a)):
    if a[i][4] == 'orange' or a[i][4] == 'peach':
        del a[i]
print(a)
```

【Python】リストの削除

JupyterNotebookでdisplay出力した文字列をクリックしたら、hrefで指定したURLをブラウザーで開けるようにしたいのですが、上手くいきません。
URLが固定の文字列リテラル定数だと正常に開けますが、リンク先はエンドユーザーの検索条件によって変動するため、文字列のリンク先URLを変数にしたいです。
そのため、リンク先URLをf文字列で指定しようとしましたが、URLリンクをブラウザーで開いた時にエラーとなってしまいます。
どのようにすれば、URLを開けるようになるのでしょうか？

hrefリンク先を以下のように文字リテラルにすると、textをクリックする事でURLを正常に開けます。
```
from IPython.core.display import display, HTML
display(HTML("""<a href="https://finance.yahoo.co.jp/quote/6501">text</a>"""))
```
しかし、hrefリンク先をf文字列にすると、ブラウザーはLOCALHOSTへの不当な要求として拒絶します。
エラーとなるコードは以下の通りです。
```
from IPython.core.display import display, HTML
code=6501
url = 'https://finance.yahoo.co.jp/quote/' + str(code)
display(HTML("""<a href=f"{url}">text</a>"""))
```

エラーとなる時、ブラウザのURLを見ると以下のようになります。
```
https://localhost:8080/f%7Bhref%7D%22
```

どのようにすれば、URLを開けるようになるのでしょうか？
ご教授頂けると助かります。宜しくお願いいたします。

JupyterNotebookでdisplayしたテキスト部分をクリックしたら、URLを開きたい。

4択からなる選択式の問題を理解出来ずにいます。
「 a1 より a2 の方が大きいときの（あ）と（い）の組み合わせ」という問いに対して、選択肢3以外のどの組み合わせでも当てはまるように思えてしまいますが、どのように考えれば解決できるのでしょうか？

![![3以外すべて当てはまる？](de43e785a887308082bd183718336c4c.png)]


試しに、既にシグモイド化されている(?)数字 0.7 や 0.3 などをもう一度シグモイド化してみても、sigmoid(0.7)の方が sigmoid(0.3)より大きいままでした。
```python
import numpy as np

def sigmoid(x):
    a = 1 / (1 + np.exp(-x))
    print(a)

a_1, a_2, b_1, b_2, c_1, c_2, d_1, d_2 = 0.7, 0.3, 0.7, -0.3, -0.7, 0.3, -0.3, -0.7

sigmoid(a_1)
sigmoid(a_2)
print("\n")
sigmoid(b_1)
sigmoid(b_2)
print("\n")
sigmoid(c_1)
sigmoid(c_2)
print("\n")
sigmoid(d_1)
sigmoid(d_2)
```

シグモイド関数の逆算と言えそうなロジット関数も試してみました。⬇️

```python
def odds(p):
    return p / (1 - p)

def logit(p):
    return np.log(odds(p))

print(logit(0.7))
print(logit(0.3))
print(logit(-0.3))   # オーバーフロー？
print(logit(-0.7))
```

ある数字 a1, a2 の大小関係はシグモイド関数を通しても変わらない？

Pythonのsortメソッドとlambda式の問題についてです。
なぜこの出力になるのかを教えていただきたいです。
よろしくお願いいたします。
またlambda式でkeyとして設定されている要素は具体的にどのような意味を持つのでしょうか？
```python
list = [[10, 4],[3, 6], [4, 6], [5, 0]]
list.sort(key = lambda x:x[0])
list.sort(key = lambda x:x[1])
print(list)
```
出力結果
[[5, 0], [10, 4], [3, 6], [4, 6]]

lambda式について

**※https://ja.stackoverflow.com/questions/77501/%e3%81%aa%e3%81%9c%e9%87%8d%e3%81%bf%e3%81%ae%e5%88%9d%e6%9c%9f%e5%80%a4%e3%81%abnp-random-randn%e3%82%92%e7%94%a8%e3%81%84%e3%82%8b%e3%81%ae%e3%81%8bでも似たような質問をしていますが、これは私がした質問です。答えにはなりません**

ゼロから作るディープラーニングをやっていて重みの初期値について疑問に思ったことがあったので質問させていただきました。

**質問**

どうして重みの初期値にnp.random.randn（平均0、分散1（標準偏差1）の正規分布（標準正規分布）に従う乱数）を使うのでしょうか？それと、「平均0、分散1（標準偏差1）の正規分布（標準正規分布）に従う乱数」の意味がよくわかりません。

また、どうして、重みの初期値に「平均0、分散1（標準偏差1）の正規分布（標準正規分布）に従う乱数」を用いるとシグモイド関数を使ったときに、「表現力の制限」を受けてしまうのでしょうか？

ニューラルネットワークの重みの初期値について

自分で作っておいてなんですが、
```python
    # テスト
    scoreboard = []
    for record in test_data_list:
        idata = (np.array(out_data_list0) / 255.0 * 0.99) + 0.01
        predict = nn.feedforward(idata)
        plabel = np.argmax(predict)
        print("predict" ,predict)
        print("plabel" ,plabel)
        pass

    scoreboard_array = np.asarray(scoreboard)
    print('performance: ', scoreboard_array.sum() / scoreboard_array.size)
```

このfor文ってrecord使われてないし、回してるの１回だけですよね？？forの意味ないですかね？
これに関する質問をここで更にするかも知れません。

以下コード全文です。

```python
from google.colab import drive
drive.mount('/content/drive')

import sys
import numpy as np
import matplotlib.pyplot as plt

sys.path.append('/content/drive/My Drive')

import ActivationFunction as AF

from PIL import Image
from IPython.display import display

img = Image.open("drive/My Drive/mnist_dataset/rei.jpeg")
img = img.resize((100, 100))
img = np.asarray(img)

size = 5

v_split = img.shape[0] // size
h_split = img.shape[1] // size
out_img = []
[out_img.extend(np.hsplit(h_img, h_split))
    for h_img in np.vsplit(img, v_split)]

plt.subplot(17, 6, 1).imshow(out_img[1])
plt.subplot(17, 6, 2).imshow(out_img[2])
plt.subplot(17, 6, 3).imshow(out_img[3])
plt.subplot(17, 6, 4).imshow(out_img[4])
plt.subplot(17, 6, 5).imshow(out_img[5])
plt.subplot(17, 6, 6).imshow(out_img[6])
plt.subplot(17, 6, 7).imshow(out_img[7])
plt.subplot(17, 6, 8).imshow(out_img[8])
plt.subplot(17, 6, 9).imshow(out_img[9])
plt.subplot(17, 6, 10).imshow(out_img[10])
plt.subplot(17, 6, 11).imshow(out_img[11])
plt.subplot(17, 6, 12).imshow(out_img[12])
plt.subplot(17, 6, 13).imshow(out_img[13])
plt.subplot(17, 6, 14).imshow(out_img[14])
plt.subplot(17, 6, 15).imshow(out_img[15])
plt.subplot(17, 6, 16).imshow(out_img[16])
plt.subplot(17, 6, 17).imshow(out_img[17])
plt.subplot(17, 6, 18).imshow(out_img[18])
plt.subplot(17, 6, 19).imshow(out_img[19])
plt.subplot(17, 6, 20).imshow(out_img[20])
plt.subplot(17, 6, 21).imshow(out_img[21])
plt.subplot(17, 6, 22).imshow(out_img[22])
plt.subplot(17, 6, 23).imshow(out_img[23])
plt.subplot(17, 6, 24).imshow(out_img[24])
plt.subplot(17, 6, 25).imshow(out_img[25])
plt.subplot(17, 6, 26).imshow(out_img[26])
plt.subplot(17, 6, 27).imshow(out_img[27])
plt.subplot(17, 6, 28).imshow(out_img[28])
plt.subplot(17, 6, 29).imshow(out_img[29])
plt.subplot(17, 6, 30).imshow(out_img[30])
plt.subplot(17, 6, 31).imshow(out_img[31])
plt.subplot(17, 6, 32).imshow(out_img[32])

# PILで開いたうえでデータをNumpy形式にする
# （例えばJPEGは圧縮されていてNumpyな配列になっていないので、
# そこからNumpyのデータ空間(?)に持ってくる必要がある）
tefilename = "test2.png"
teimg = Image.open("drive/My Drive/mnist_dataset/" + tefilename)
teimg = teimg.resize((10, 10))
teimg = np.asarray(teimg)

def extract(x, y):
    # カラー画像の時Gだけ抜き取りたい
    if len(x.shape) == 3:
        h, w, ch = x.shape

    # RGBのGだけ抜き取りたい
    return x[:,:,y]

v_max, v_min = 300, 200

def diff(x):
    imgrows, lenrows, imgcolumns, lencolumns = [], [], [], []
    for (img, imgt) in zip(x, x.T):
        rows = img[(v_min<img)&(v_max>img)]
        columns = imgt[(v_min<imgt)&(v_max>imgt)]
        imgrows.append(rows)
        lenrows.append(len(rows))
        imgcolumns.append(columns)
        lencolumns.append(len(columns))
    return lenrows + lencolumns

test_data_list = []

test_data_list.append([0] + diff(extract(teimg, 1)) + diff(extract(teimg, 2))  + diff(extract(teimg, 0))) # 略

out_data_list0 = []

out_data_list0.append([0] + diff(extract(out_img[0], 1)) + diff(extract(out_img[0], 2))  + diff(extract(out_img[0], 0)))

out_data_list1 = []

out_data_list1.append([0] + diff(extract(out_img[1], 1)) + diff(extract(out_img[1], 2))  + diff(extract(out_img[1], 0)))

# 見本データに対しても同様に
# exについて同様に
training_data_list = []

for i in range(10):
    for e in range(1):
        trad = Image.open("drive/My Drive/mnist_dataset/" + str(10*i+e) + ".png")
        trad = trad.resize((10, 10))
        trad = np.asarray(trad)
        #g #b #r 抽出後diffしてappend
        training_data_list.append([i] + diff(extract(trad, 1)) + diff(extract(trad, 2))  + diff(extract(trad, 0))) # 略

print("training_data_list" ,training_data_list)
print("training_data_list[1:]" ,training_data_list[1:])

# 3層ニューラルネットワーク
class ThreeLayerNetwork:
    # コンストラクタ
    def __init__(self, inodes, hnodes, onodes, lr):
        # 各レイヤーのノード数
        self.inodes = inodes
        self.hnodes = hnodes
        self.onodes = onodes

        # 学習率
        self.lr = lr

        # 重みの初期化
        self.w_ih = np.random.normal(0.0, 1.0, (self.hnodes, self.inodes))
        self.w_ho = np.random.normal(0.0, 1.0, (self.onodes, self.hnodes))

        # 活性化関数
        self.af = AF.sigmoid
        self.daf = AF.derivative_sigmoid

    # 誤差逆伝搬
    def backprop(self, idata, tdata):

        # 縦ベクトルに変換
        o_i = np.array(idata, ndmin=2).T
        t = np.array(tdata, ndmin=2).T

        # 隠れ層
        np.set_printoptions(threshold=10000)
        x_h = np.dot(self.w_ih, o_i)
        o_h = self.af(x_h)

        # 出力層
        x_o = np.dot(self.w_ho, o_h)
        o_o = self.af(x_o)

        # 誤差計算
        e_o = (t - o_o)
        e_h = np.dot(self.w_ho.T, e_o)

        # 重みの更新
        self.w_ho += self.lr * np.dot((e_o * self.daf(o_o)), o_h.T)
        self.w_ih += self.lr * np.dot((e_h * self.daf(o_h)), o_i.T)


    # 順伝搬
    def feedforward(self, idata):
        # 入力のリストを縦ベクトルに変換
        o_i = np.array(idata, ndmin=2).T

        # 隠れ層
        x_h = np.dot(self.w_ih, o_i)
        o_h = self.af(x_h)

        # 出力層
        x_o = np.dot(self.w_ho, o_h)
        o_o = self.af(x_o)

        return o_o

if __name__=='__main__':
    # パラメータ
    #inodes=784から30に変更
    inodes = 31
    hnodes = 100
    onodes = 10
    lr = 0.3

    # ニューラルネットワークの初期化
    nn = ThreeLayerNetwork(inodes, hnodes, onodes, lr)

    # 学習
    epoch = 50
    # 50000
    for e in range(epoch):
        print('#epoch ', e)
        data_size = len(training_data_list)
        for i in range(data_size):
            if i % 1000 == 0:
                print('  train: {0:>5d} / {1:>5d}'.format(i, data_size))
            idata = (np.array(out_data_list1) / 255.0 * 0.99) + 0.01
            # 変更の余地あり
            tdata = np.zeros(onodes) + 0.01
            tdata[out_data_list1[0]] = 0.99
            nn.backprop(idata, tdata)
            pass
        pass

    # テスト
    scoreboard = []
    for record in test_data_list:
        idata = (np.array(out_data_list0) / 255.0 * 0.99) + 0.01
        predict = nn.feedforward(idata)
        plabel = np.argmax(predict)
        print("predict" ,predict)
        print("plabel" ,plabel)
        pass

    scoreboard_array = np.asarray(scoreboard)
    print('performance: ', scoreboard_array.sum() / scoreboard_array.size)
```

for文の意味について

![イメージ説明](62bb8ea7859105a55e806704815df01a.png)

こちらの添付画像のよう式を使用してグラフを表示させたいですが、
python初心者＋数式の意味が分からないので完全に手詰まりという感じで、何がわからないかすらわからないって感じです。

こちらのページになります。
http://kogarashi.net/pitchblende/archives/21

python 添付画像のような式を使い、matplotlibでグラフを表示させたい

### 前提・実現したいこと

超初心者です。全く変数が定義されません。
３日悩みましたが、この問題の原因を知り解決して前に進みたいです。

### 発生している問題・エラーメッセージ

num = 1
print(num)

>>> print(num)
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
NameError: name 'num' is not defined

### 該当のソースコード


!!![イメージ説明](331e51e832f8ad87ba025800bd9e8702.jpeg)明](077c07531ea050e1599d70a0ae8e5003.jpeg)明](cf6ffbd70547036089e969129d07eaad.jpeg)

### 試したこと

この関数だけでなく、色々な関数に変数を入れてみましたが、
全てにおいて変数が定義されません。

### 補足情報（FW/ツールのバージョンなど）

VS Code、Python3.9、Macbook使用

Pythonで変数が全く定義されない

Rails チュートリアルを勉強しています。

git pushが上手くできません。

Please make sure you have the correct access rights and the repository exists.の画面が出てきて進みません。


ご教授のほど宜しくお願いします。


![イメージ説明](0d73695ac5e90f846091115b98cdfa3e.png)

git pushができません。

### 前提・実現したいこと
Python初心者です。numpyのモジュールで遊びたいのですが、importがうまくできません。
インストールはできているようです。
```
$ pip show numpy→
Location: /Users/○/opt/anaconda3/lib/python3.8/site-packages
```
使用を試みたのはIDLEとVScodeです。
VScodeにてnumpyを動かすためにはどうすれば良いのでしょうか。
VScodeで$ pip install numpy　を行うと、
```
equirement already satisfied: numpy in ./opt/anaconda3/lib/python3.8/site-packages (1.19.2)
```
と表示されるだけで、途方に暮れています。
### 試したこと

使用している環境が違うから、インストールされている場所が違うから、という検索結果が散見されましたが、仮想環境というもの自体への理解がいまひとつ足りていないので、併せてお教えいただければと思います。よろしくお願いします。

import numpy が機能しない

上記、タイトルのことを確認しています。
下記のサンプルコードを一つずつ挙動確認しながら理解できないことを書いていきました。なにかお気づきの点がありましたらご教示いただけませんでしょうか？


サンプルコード singleton.py
```python
class SpecialMethods:
    print("class variable")

    def __init__(self):
        print(f"__init__: {self}")

    def __new__(cls):
        self = super().__new__(cls)
        print(f"cls of __new__: {cls}")
        print(f"self of __new__: {self}")
        return self

    def __call__(self):
        print(f"__call__: {self}")

    def _type(type):
        print(f"type: {type}")
    
    def _self(self):
        print(f"self: {self}")
        return type(self)
        
    def _cls(cls):
        print(f"cls: {cls}")
        return type(cls)
```

コンソール
```
>>> from singleton import SpecialMethods
class variable
```
１）なぜ、importした瞬間にprint文の出力がでるのでしょうか？

```
>>> sm = SpecialMethods
>>> sm()
cls of __new__: <class 'singleton.SpecialMethods'>
self of __new__: <singleton.SpecialMethods object at 0x10d304f40>
__init__: <singleton.SpecialMethods object at 0x10d304f40>
<singleton.SpecialMethods object at 0x10d304f40>
>>> type(sm)
<class 'type'>
>>> 
```

２）通常であれば、sm = SpecialMethods()のように括弧付きで変数にいれることでクラスのインスタンス化ができるはずですが、かっこなしで変数にいれたあとにカッコつけることでインスタンス化することができるのでしょうか？
３）また、その場合、かっこなしでのsm及びSpecialMethodsは、なにものなんでしょうか？クラスオブジェクトといえばいいでしょうか？また、そのクラスオブジェクトの型が<class 'type'>になっていって、これは何を指しているのでしょうか？

```
>>> sm_fn = SpecialMethods()
cls of __new__: <class 'singleton.SpecialMethods'>
self of __new__: <singleton.SpecialMethods object at 0x10d304f40>
__init__: <singleton.SpecialMethods object at 0x10d304f40>
>>> sm_fn._type()
type: <singleton.SpecialMethods object at 0x10d304f40>
>>> sm_fn._self()
self: <singleton.SpecialMethods object at 0x10d304f40>
<class 'singleton.SpecialMethods'>
>>> sm_fn._cls()
cls: <singleton.SpecialMethods object at 0x10d304f40>
<class 'singleton.SpecialMethods'>
```
４）<class 'singleton.SpecialMethods'>は、type()でかえってきた型のはずですが、型名でもなくただのクラス名を返しています。これは何を意味しているのでしょうか？


上記と同じコードを下記のようにpythonコマンドを実行した場合
```python
...
...
...
if __name__ == '__main__':

    ss = SpecialMethods()
    print(ss())
    print(ss)
    print(ss._type())
    print(ss._self())
    print(ss._cls())

```

```
$ python singleton.py
class variable
cls of __new__: <class '__main__.SpecialMethods'>
self of __new__: <__main__.SpecialMethods object at 0x108bf8f70>
__init__: <__main__.SpecialMethods object at 0x108bf8f70>
__call__: <__main__.SpecialMethods object at 0x108bf8f70>
None
<__main__.SpecialMethods object at 0x108bf8f70>
type: <__main__.SpecialMethods object at 0x108bf8f70>
None
self: <__main__.SpecialMethods object at 0x108bf8f70>
<class '__main__.SpecialMethods'>
cls: <__main__.SpecialMethods object at 0x108bf8f70>
<class '__main__.SpecialMethods'>
```

５）インスタンス化した場合は、typeの結果が__main__.となりますが、<class '__main__.SpecialMethods'>の部分の、__main__.は何を指していてい、なぜでてくるのでしょうか？

pythonのクラスのインスタンス化したときの挙動とインスタンス化方法について

### Python とNumpyを利用しています。

以下のsoftmax関数で，関数に渡す際に，リストであれば参照渡しだと書かれているのですが，元のyは変更されないのは何故でしょうか。挙動がわかりません。9行目のfuncとはどこが異なるのでしょうか。教えていただければと思います。

```

In [3]: def softmax(x): 
   ...:     x = x - np.max(x) 
   ...:     x = np.exp(x) / np.sum(np.exp(x)) 
   ...:     return x 
   ...:                                                                                             
In [4]: y = np.arange(3)                                                                         
In [5]: y                                                                         
Out[5]: array([0, 1, 2])
In [6]: softmax(y)                                                                      
Out[6]: array([0.09003057, 0.24472847, 0.66524096])
In [7]: y                                                                                      
Out[7]: array([0, 1, 2])

In [9]: def func(n): 
   ...:     n[0]=7 
   ...:     return n 
   ...:                                                                                             
In [10]: func(y)                                                                                
Out[10]: array([7, 1, 2])In [11]: y                                                          
Out[11]: array([7, 1, 2])
 
```

Python は参照渡しではなかったのか

### 前提・実現したいこと
chianerのチュートリアルに取り組んでいます。
webで調べても回答解説がでてこないため、質問させていただきます。
以下の問題はどのようにとけばよいのでしょうか

問6.4 (ベイズの定理)
一様な確率で1から6までの数が出るサイコロがあります。 サイコロを何回か連続で振る試行を考えます。サイコロを振った後、直前に出た数より大きい数が出たときに「ラッキーである」と呼ぶことにします。 例えばサイコロを5回振って 2,5,3,4,4 と順に出た場合、2回目と4回目はラッキーですが、それ以外はラッキーではありません。

いま、サイコロを 10 回振って一度もラッキーではなかったとします。このとき、次にサイコロを振ってラッキーになる確率はいくらになるでしょうか。プログラムを使って分析してみて下さい。