potass13

from graphviz import Digraph

class PedIndex():
    """
    0以上の整数を入力してそれに対応する血統上の親を出力する。
    ped_indexナンバリング方法 : 父(0)、母(1)、父父(2)、父母(3)、母父(4)、母母(5)、父父父(6)、父父母(7)、父母父(8)、父母母(9)、...
    """
    def __init__(self, ped_index: int=0):
        self.set_ped_index(ped_index)

potass13

# ファイル名を一括置換する
import os
import glob

def get_file_name_list(files, path):
    return [s.replace(path[:-1], '').replace('/', '').replace('\\' , '') for s in files]

before_word = '東京'
after_word = 'tokyo'
dir_path = 'C:/Users/potass/' # ファイルのあるディレクトリ名

potass13

Option Explicit

Sub Plot_Move()

Dim i As Long
Dim t As Long
Dim PLOT_DATA_NUM As Long
Dim INTERVAL_msec As Long

PLOT_DATA_NUM = 15

potass13

Option Explicit

Const IntervalSld As Double = 2.5 'スライド切替時間[sec]
Const NumSelectSld As Long = 3 '日ごとに選択するスライド総数

Dim d0 As Date 'マクロ開始時の日付
Dim j0 As Long '日付d0での選択スライドの番号

'スライドショー実行（メイン）
Sub MainLoop()

potass13

Option Explicit

Sub sample_ReadWordFromExcelVBA()
    ' ファイル名、拡張子検索用
    Dim objFso As Object
    Dim objF As Object
    Dim dir As String
    Dim ext As String
    Dim filelist() As String
    Dim picktag As String

potass13

# coding: utf-8
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

alpha = 5.0e-03
beta = 11.1

def makems(m, dataset):
	Phi = np.array([dataset.x.values**k for k in range(0, m+1)])

potass13

# coding: utf-8
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

def y(w, x):
	y = 0.
	for i, ww in enumerate(w):
		y += ww*(x**i)
	return y

potass13

# coding: utf-8
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

def y(w, x):
	y = 0.
	for i, ww in enumerate(w):
		y += ww*(x**i)
	return y

potass13

# coding: utf-8
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

def main():
	M = 9
	N = [15, 100]
	sigma = 0.3
	

potass13

# coding: utf-8
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

def rms(p, df):
	error = 0.
	for index, list in df.iterrows():
		error += 0.5*(np.polyval(p, list.x)-list.t)**2
	return np.sqrt(2.*error/len(df))