その後、Tokenの作成画面に遷移し
「New token」をクリックして
適当な名前で「token」を作成します。


出来上がったら、コピーボタンがあるので
それをコピーします。



ここからはGoogle Colabの設定です。

ハードウェアアクセラレーターを
「None」から「GPU」へ変更します。

#@title 事前セットアップ
 
# 必要なライブラリのインストール
!pip install diffusers==0.2.4 transformers scipy ftfy
 
# アクセス・トークンを設定
token = ""#@param {type:"string"}

# パイプラインを構築
from diffusers import StableDiffusionPipeline
pipe = StableDiffusionPipeline.from_pretrained("CompVis/stable-diffusion-v1-4", use_auth_token=token)
pipe.to("cuda")

#@title 画像を生成する
 
# 画像生成
prompt = "A small cabin on top of a snowy mountain in the style of Disney, artstation" #@param {type:"string"}
img = pipe(prompt)["sample"][0]
 
# 画像の保存
img_name = prompt.replace(' ','_')
img_path = img_name + '.png'
img.save(img_path)

# 画像の表示
from IPython.display import Image,display
display(Image(img_path))

タグ ：

プログラミング

Python

画像生成

stable-diffusion

ピカチュー

import pandas as pd
team_df = pd.read_table('baseball_all_team_stats2.tsv')
team_df.shape

import matplotlib.pyplot as plt
import seaborn as sns

# セリーグ
se_league = team_df[team_df['リーグ']=='セリーグ']
g = sns.relplot(x='年度', y='順位', hue='チーム' , data=se_league, kind='line')
g.fig.axes[0].invert_yaxis()
g.fig.set_figwidth(12)

groupby  = team_df[['チーム','試合','勝利','敗北']].groupby('チーム').sum()
groupby['勝率']  = groupby['勝利'] / groupby['試合']
groupby.sort_values('勝率',ascending=False)

target_kpi = ['得点', '平均得点', '失点', '平均失点', '打率', '本塁打','防御率', '安打', '出塁率', '長打率', 'OPS']

for kpi in target_kpi:
    tmp_df = team_df[['チーム','勝利'] + [kpi]]
    print(kpi , '相関係数 : ' , tmp_df.corr().iloc[1,0])
    g=sns.jointplot(x='勝利', y=kpi, data=tmp_df,kind='reg')
    g.fig.set_figwidth(3)
    g.fig.set_figheight(3)
    plt.show()

# 相関係数のみ計算する
corrs = {}
for kpi in target_kpi:
    tmp_df = team_df[['チーム','勝利'] + [kpi]]
    corrs[kpi] = tmp_df.corr().iloc[1,0]

for k,v in sorted(corrs.items() , reverse=True , key=lambda x:x[1]):
        print(k,v)

target_kpi = ['打率', '本塁打', '安打', '出塁率', '長打率', 'OPS']

corrs = {}
for kpi in target_kpi:
    tmp_df = team_df[['チーム','得点'] + [kpi]]
    corrs[kpi] = tmp_df.corr().iloc[1,0]

for k,v in sorted(corrs.items() , reverse=True , key=lambda x:x[1]):
        print(k,v)

タグ ：

Python

プログラミング

セイバーメトリクス

野球

統計学

というのが今回使用したデータです。

アイスは「ハーゲンダッツ・バニラ」
(295円,税込318円)を基準にしている
ようでした。

しかしe-statのデータはこんな感じで


エクセルファイルになっていますが
まだエクセルなのは0点だとしても

ヘッダーに文章が有ったり
縦積みしなければいけない所を
横積みにしていたりと
相当なゴミっぷり-100点です。

なので、2回の整形、加工が必要でした。

まずはこのエクセルから
必要な部分だけをコピーして
TSV形式で保存しなおします。

data = []
with open('aice.tsv') as _f:
    for row in _f:
        rows = row.replace('\n','').split('\t')
        data.append(rows)

data2 = []
for rows in data[2:]:
    name = rows[1]
    for i,t in enumerate(rows[4:]):
        tmp = [name , '{0:02}月分'.format(i+1) , int(t)]
        data2.append(tmp)

import pandas as pd

df = pd.DataFrame(data2 , columns=['市町村','月','価格'])

df.shape

df2 = df.groupby('市町村').mean('価格').sort_values('価格')

df2

df3 = df.sort_values('価格').head()

df3

import seaborn as sns
from matplotlib import pyplot as plt

df4 = df[df['市町村'].isin(df2.index[0:10])]

plt.figure(figsize=(10,5))
sns.boxplot(x='市町村',y='価格', data=df4,order=df2.head(10).index)
plt.title('')
plt.show()

タグ ：

Python

プログラミング

データ

アイス