Homebrew
Mac OS X 10.7 or after
Xcode
Command Line Tools for Xcode
install Command Line Tools for Xcode
Xcord を起動してライセンス認証をしておく
$ xcode-select --install
homebrew Homebrew - site Multi language
http://brew.sh/
#install homebew
ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"
#check
$ brew doctor
your system is ready to brew.
install package brew install [ formuler ]
$ brew install wget
installed directory
/usr/local/Cellar/
/usr/local/Cellar/ パッケージのインストール
/usr/local/bin/ パッケージのリンク
uninstall package brew uninstall [ formula ] or brew rm [ formula ]
update & upgrade
the latest version of th homebrew. (homebrewを最新版へ)
$ brew update
the last version of the packages.(packageを最新版へ)
$brew upgrade
Upgrade for each package (各パッケージごとのアップグレード)
$ brew upgrade [ formuler ]
Search package (パッケージを探す) brew search [ txt ] or brew -S [text ]
$ brew -S git
gitだけの検索
$ brew -S /^git$/
===========================================================
Homebew Cask Site
http://caskroom.io/
homebrew-cask
$ brew install caskroom/cask/brew-cask
or
$ brew tap phinze/homebrew-cask
$ brew install brew-cask
How to use Homebrew Cask
#Find the app you want to install (インストールアプリを探す)
$ brow cask serch
#like grep
$ brew cask install google-chrome
# install apps
$ brew cask install google-chrome
Sunday, October 19, 2014
Thursday, October 16, 2014
Macで日本語形態素解析 R RMeCab
Rのプロジェクトは以下ですが
http://www.r-project.org
R for Mac OS X のページからダウンロードしてくるのをお勧めします
http://cran.md.tsukuba.ac.jp/bin/macosx/
日本語解析エンジン R mecabの RMeCabを使うための用意です
========================= mecab インストール
mecabと辞書をまずインストールしてください
ダウンロード先
https://code.google.com/p/mecab/downloads/list
XXはバージョンNumber
・mecab-XX.tar.gz
・mecab-ipdic-XX.tar.gz
install------------------------------------------------
# mecab本体
$ tar zxfv mecab-X.X.tar.gz
$ cd mecab-X.X
$ ./configure
$ make
$ make check
$ sudo make install
#辞書のインストール
utfで使う場合 Mac,Linuxなら標準の方法
$ tar zxfv mecab-ipadic-2.7.0-xxxx
$ cd mecab-ipadic-2.7.0-xxxx
$ ./configure --with-charset=utf8
$ make
$ sudo make instal
====== RMeCabインストール==========================
・Rを起動 mecabがinstallされていれば
install.packages ("RMeCab", repos = "http://rmecab.jp/R")
補足-----------------------------------------------------------
# shift-jisの場合
$ tar zxfv mecab-ipadic-2.7.0-XXXX.tar.gz% cd mecab-ipadic-2.7.0-XXXX
$ ./configure
$ make
$ sudo make install
utf8で辞書を使えるように再構築
$ cd mecab-ipadic-2.7.0-xxxx% /usr/local/libexec/mecab/mecab-dict-index -f euc-jp -t utf-8
$ make install
configure option で --enable-utf8-only を指定すると. MeCab が扱う 文字コードを utf8 に固定します。 euc-jp や shift-jis をサポートする場合, MeCab 内部に変換用のテーブルを埋めこみます。 --enable-utf8-only を 指定することでテーブルの埋めこみを抑制し, 結果として実行バイナリを 小さくすることができます。
Wednesday, October 15, 2014
python prepare for DataSience Mac Yosemite
Mac OS X 10.9(Maverics) python prepare for DataSience
(Python で DataSienceの準備)
YosemiteのPythonでデータサイエンス環境を整える
Shell が公開されています。下のページを見てください。
pipが入るのでパッケージの追加も便利です。
Pythonは2系で最新になるようです。
refer for: (参照)
http://fonnesbeck.github.io/ScipySuperpack/
install_superpack.sh for Yosemite Mac OS X 10.10 Xcode6 is release
do install_superpack.sh
------------------------------------------------------
auto installed pip
$ python -V
Python 2.7.8
$ pip freeze #installed packege
Cython==0.21.1
Flask==0.10.1
Jinja2==2.7.3
Markdown==2.5.1
MarkupSafe==0.23
PyYAML==3.11
Pygments==1.6
Sphinx==1.2.3
Theano==0.6.0
Werkzeug==0.9.6
backports.ssl-match-hostname==3.4.0.2
bokeh==0.6.1
certifi==14.05.14
colorama==0.3.2
docutils==0.12
gevent==1.0.1
gevent-websocket==0.9.3
greenlet==0.4.5
ipython==3.0.0-dev
itsdangerous==0.24
matplotlib==1.5.x
mock==1.0.1
nose==1.3.4
numpy==1.9.0
pandas==0.15.0-6-g403f38d
patsy==0.3.0
pymc==2.3.4
pyparsing==2.0.3
pystache==0.5.4
python-dateutil==2.2
pytz==2013b
pyzmq==14.4.0
requests==2.4.3
scikit-learn==0.16-git
scipy==0.15.0.dev-28301fc
six==1.8.0
statsmodels==0.6.0-rc1
tornado==4.0.2
websocket==0.2.1
wsgiref==0.1.2
======================================================
check
--------------------------------------------------------------------------------------------------
$ ipython --pylab
In [1]: import numpy
In [2]: import scipy
In [3]: import pandas
In [4]: x = randn(1000)
In [5]: hist(x,100)
-------------------------------------------------------------------------------------------------------
Draw Histgram is OK こんなヒストグラムが描ければOK
機能
Numpy Pythonで科学計算を行うための拡張モジュール 多次元配列,行列 演算処理
Scipy NumPy base 科学技術計算用の統計関数、画像、信号処理などのライブラリ
Matplotlib 2次元のグラフ描画用のモジュールで、Ipythonとの組み合わせで
Pandas パフォーマンスに優れたデータ分析モジュールで、 時系列データ得意
IPython 補完ができたりOSのコマンドライン・シェルとしても利用できる拡張
Statsmodels 統計解析パッケージ
scikit-learn 機械学習ライブラリで、分類や回帰、クラスタリング評価尺度や
クロスバリデーション、パラメータのグリッドサーチ
PyMC Pythonのベイズ統計用ライブラリです 特にMCMCに重点を置いています
(Python で DataSienceの準備)
YosemiteのPythonでデータサイエンス環境を整える
Shell が公開されています。下のページを見てください。
pipが入るのでパッケージの追加も便利です。
Pythonは2系で最新になるようです。
refer for: (参照)
http://fonnesbeck.github.io/ScipySuperpack/
install_superpack.sh for Yosemite Mac OS X 10.10 Xcode6 is release
Environment--------------------------------------------------
- Mac OS X 10.10 (Yosemite)
- Xcode 6
- command_line_tools
- Homebrew
do install_superpack.sh
------------------------------------------------------
auto installed pip
$ python -V
Python 2.7.8
$ pip freeze #installed packege
Cython==0.21.1
Flask==0.10.1
Jinja2==2.7.3
Markdown==2.5.1
MarkupSafe==0.23
PyYAML==3.11
Pygments==1.6
Sphinx==1.2.3
Theano==0.6.0
Werkzeug==0.9.6
backports.ssl-match-hostname==3.4.0.2
bokeh==0.6.1
certifi==14.05.14
colorama==0.3.2
docutils==0.12
gevent==1.0.1
gevent-websocket==0.9.3
greenlet==0.4.5
ipython==3.0.0-dev
itsdangerous==0.24
matplotlib==1.5.x
mock==1.0.1
nose==1.3.4
numpy==1.9.0
pandas==0.15.0-6-g403f38d
patsy==0.3.0
pymc==2.3.4
pyparsing==2.0.3
pystache==0.5.4
python-dateutil==2.2
pytz==2013b
pyzmq==14.4.0
requests==2.4.3
scikit-learn==0.16-git
scipy==0.15.0.dev-28301fc
six==1.8.0
statsmodels==0.6.0-rc1
tornado==4.0.2
websocket==0.2.1
wsgiref==0.1.2
======================================================
check
--------------------------------------------------------------------------------------------------
$ ipython --pylab
In [1]: import numpy
In [2]: import scipy
In [3]: import pandas
In [4]: x = randn(1000)
In [5]: hist(x,100)
-------------------------------------------------------------------------------------------------------
Draw Histgram is OK こんなヒストグラムが描ければOK
機能
Numpy Pythonで科学計算を行うための拡張モジュール 多次元配列,行列 演算処理
Scipy NumPy base 科学技術計算用の統計関数、画像、信号処理などのライブラリ
Matplotlib 2次元のグラフ描画用のモジュールで、Ipythonとの組み合わせで
Pandas パフォーマンスに優れたデータ分析モジュールで、 時系列データ得意
IPython 補完ができたりOSのコマンドライン・シェルとしても利用できる拡張
Statsmodels 統計解析パッケージ
scikit-learn 機械学習ライブラリで、分類や回帰、クラスタリング評価尺度や
クロスバリデーション、パラメータのグリッドサーチ
PyMC Pythonのベイズ統計用ライブラリです 特にMCMCに重点を置いています
Saturday, October 04, 2014
R データフレーム操作 メモ
データフレーム操作を良くするのでメモです
#######------------------------------------------------------------------------######
#######------------------------------------------------------------------------######
# make test data frame データフレーム作成
Sex = c("M", "M", "F", "F")
Age = c(20, 19, 18, 20)
height = c(170, 175, 160, 165)
weight = c(65, 75, 58, 60)
data = data.frame(Sex, Age, height, weight)
data #view check 確認 view check
rownames(data) # row name 行名（row=行)
colnames(data) # col name 列名（column=列）
nrow(data) #how many rows 行数を調べる(row)
ncol(data) #how many cols 列数を調べる(col)
is.data.frame(data) #judge Data Frame データフレームか調べる TRUE or FALSE
############ sampling col 列(col)を取り出す
data$height #データフレーム$列名 ベクトルで返る
data[ ,3] #データフレーム[,列番号] ベクトルで返る
data[ ,"height"] #データフレーム[,"列名"] ベクトルで返る
############ sampling row 行(row)を取り出す
data[2, ] #データフレーム[行番号,] ベクトルで返る
data["2", ] #データフレーム[行名,] ベクトルで返る
########## sampling more than one col or row 複数の列・行を取り出す
data[ ,c(1, 3)] #データフレーム[,c(列番号, 列番号)] ベクトルで返る
data[ ,c("Sex","height")] #データフレーム[,c(列名, 列名)] ベクトルで返る
data[c(2, 4), ] #データフレーム[,c(行番号, 行番号)] ベクトルで返る
data[c("2", "4"), ] #データフレーム[,c(行名, 行名)] ベクトルで返る
# pickup match data's rows 条件に合う行データのみ取り出す
data$height >= 170 # TRUE FALSE で返す
data[c(T, T, F, F), ] # 値を取り出す
data[data$height>=170, ] # 直接的に取り出すには これが最適 direct formula
# データフレームに列を付け加える ##################################
data1<- data #データフレームの複製
data1["new"] <- c("new", "new", "new", "old") #データフレームの無い列を指定して代入
data1 #確認
#データフレームに transform(DF, 列名=ベクトル) 関数を使う場合
data2<- data #データフレームの複製
data2<- transform(data2, eye=c("black", "brown", "blue", "brown"))
data2
#データフレームに cbind(DF, ベクトル) 列名調整必要
data3<- data #データフレームの複製
data3<- cbind(data3, c(5, 3, 4, 2))
names(data3) <- c("Sex","Age","height","weight","point") # 変数ラベルを調整
data3
# データフレームに 新しい列を計算で作る BMI=体重(kg)/身長(m)*身長(m) round(x,桁)
transform(data, BMI=round(data$weight/(data$height/100)^2, 1))
#データフレームにcbind()でデータフレームをつなぐ方法
data #確認
y <- data.frame(c=c(TRUE,TRUE,FALSE,FALSE)) #データフレーム作成
data4<- cbind(data, y)
data4
#####--データフレームを列の値をキーに繋ぐ--------------------------------------------
# データフレーム born を作る
name<- c("Moe","Larry","Curly","Harry")
year.born<- c(1887, 1902, 1903, 1964)
place.born<- c("Bensonhurst","Philadelphia","Brooklyn","Moscow")
born<- data.frame(name, year.born, place.born)
born
# データフレーム died を作る
name<- c("Curly","Moe","Larry") #繋げる
year.died<- c(1952, 1975, 1975)
died<-data.frame(name, year.died)
died
merge(born, died, by="name") # 2つのデータフレームを name を使って対応する行を結合
Subscribe to:
Posts (Atom)