from PIL import Image, ImageDraw, ImageFont

pancake_size = 12
img_size  = (320, 180)
img_base_color = (0, 0, 0)

# windows
# font_place = "C:\Windows\Fonts\meiryob.ttc"

# Mac 
font_place = '/System/Library/Fonts/AquaKana.ttc'

def pancake(images):
    for i in range(20):
        img =  Image.new('RGB',img_size, img_base_color)
        draw = ImageDraw.Draw(img)
        font = ImageFont.truetype(font_place, pancake_size+i)
        draw.text((10, 10), '\nパンケーキ食べたい！'  , 
                  fill=(255, 200 - i*4, 0), font=font)
        images.append(img)
    return images

def wish_eat_pancake(texts,gif_name):
    images = []
    for draw_text in texts:
        draw_text = '\n' + draw_text
        for c in range(3):
            images = pancake(images)
        for i in range(20):
            img =  Image.new('RGB',img_size, img_base_color)
            draw = ImageDraw.Draw(img)    
            if len(draw_text)>10:
                if len(draw_text)>=30:
                    draw_text = draw_text[0:30]
                draw_text = ''.join([ t+'\n' if e%10==0 and e>0 
                                     else t for e,t in enumerate(draw_text)])
            font_size = min(pancake_size + i , 29)
            font = ImageFont.truetype(font_place, font_size)
            draw.text((10, 10), draw_text , fill=(255, 200 - i*4, 0), font=font)
            images.append(img)
        
    images[0].save(gif_name ,save_all=True, 
                   append_images=images[1:], 
                   optimize=False, duration=16*len(texts), loop=0)

# フォントの場所を指定(font_place)

# 使い方 引数にリスト型で文言を指定、第二引数にファイル名

wish_eat_pancake(['新宿はキタナイ','押上もキタナイ','蒲田はジゴク'] , 'wisheatpancake.gif')

# 実行後にGIFファイルが作られる

!ls -ls

# 同じ階層に配置してあるファイルの中身を表示する。
with open('sample.py') as _r:
    print(_r.read())

# 結果を格納する変数を用意
res = []
# ファイルの読み込み
with open('sample.csv') as _r:
    for row in _r:
        # 改行を取り除き、カンマで区切って配列にする
        rows = row.replace('\n','').split(',')
        # 結果用の変数に追加
        res.append(rows)

print(res)

for row in res:
    # タブ区切りで表示
    print('\t'.join(row))

import requests

# webサイトへアクセスしてデータを取得
html = requests.get('http://yahoo.co.jp')

# 取得したデータの最初の800文字を表示
print(html.content.decode('utf-8')[0:800])

import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline

# データフレームの作成
df = pd.DataFrame([[3,4],[4,5],[6,9],[2,8]],columns=['a','b'])
# データフレームを描画
df.plot()

df = pd.DataFrame([[3,4],[4,5],[6,9],[2,8]],columns=['1','2'])
# 散布図を描画
plt.scatter(df['1'],df['2'])

import pandas as pd
# 必要なライブラリのインポート
from sklearn import datasets, model_selection, svm, metrics

# 有名なアヤメのデータの読み込み
iris = datasets.load_iris()

# アヤメのデータをデータフレームに変換する。
iris_data = pd.DataFrame(data=iris.data, columns=iris.feature_names)
# 5行だけ表示
iris_data.head()

# ラベルデータの読み込み
iris_label = pd.Series(data=iris.target)
# 5行だけ表示
iris_label.head()

# アヤメのデータを訓練データ、テストデータ、訓練ラベル、テストラベルに分ける。
train_data, test_data, train_label, test_label = model_selection.train_test_split(iris_data, iris_label)

# 訓練データ
train_data.head()

# 訓練ラベル
train_label.head()

#  訓練データとテストデータの個数
print(len(train_data), '\t',  len(test_data))

# SVM学習器の定義
clf = svm.SVC()

# 訓練データで学習
clf.fit(train_data, train_label)

# テストデータで予測
pre = clf.predict(test_data)

print(type(pre))
print(pre)

# 正答率
ac_score = metrics.accuracy_score(test_label, pre)
print(ac_score)