忍者ブログ

爪切り G-1200 匠の技 感想

2020年10月07日 21時27分01秒
薬局にも置いてる爪切り G-1200 匠の技 


名前的に凄い切れそうな感じ。
気になったので購入。
使った感じとしては、
・普通に切れる。あまり力を入れなくてもスッと切れる。
・爪飛び防止のキャッチャーが外れない。
　箱に「外れにくい場合は・・・」と外すコツの記載があるが「外れにくい」ではなく「外れない」
　もう外すのは諦めて、その内壊して外そうと決心したくらい外れない。
・爪飛び防止のキャッチャーケースが邪魔で切りにくい
　↓こんな感じで切る人は問題ないと思う
　
　私は指を曲げて、手のひらを顔に向けて切るスタイル。
　このスタイルの場合、キャッチャーケースが邪魔で、刃と刃の隙間から、刃が爪にどんな感じにフィットしてるか確認が出来ない。
　よって切りにくい。

1回使って、もう使うのやめようかなって感じです。


PR
Category・その他 | Comments(0)

【Python】複数のMIMEファイルから添付ファイルを取得して保存

2020年10月04日 00時14分06秒
特定のフォルダに複数のMIMEファイルを保存。
そのフォルダ内にある全てのMIMEから添付ファイルだけ取得したかったので、Pythonでツールを作成。





import glob
from email.parser import Parser


# MIME一覧のパス、ファイル名を指定
files = glob.glob('パス/ファイル名')
for file in files:
   with open(file, 'r', encoding='iso-8859-1') as f_mime:
       mime_str = f_mime.read()
       mime_obj = Parser().parsestr(mime_str)
       for part in mime_obj.walk():
          filename = part.get_filename()
          if filename:
              content = part.get_payload(decode=True)
              with open('パス' + filename, 'wb') as fout:
                  fout.write(content)
Category・その他 | Comments(1)

【pyspark】DataFrameのレコード毎に処理を行う。UDF(User Defined Function)

2020年09月21日 00時10分07秒
DataFrameのレコード毎に特定の処理を行いたい場合、UDF(User Defined Function)の例。


from pyspark.sql.functions import udf
from pyspark.sql import SparkSession
from pyspark.sql.functions import struct, lit
from pyspark.sql.types import StringType
def f(row):
    str = f"{row['name']}は{row['age']}歳です"
    return str
udf_func = udf(f)
spark = SparkSession.builder.getOrCreate()
d = [
    {'name': 'Tanaka', 'age': 10},
    {'name': 'Suzuki', 'age': 15},
    {'name': 'Satou', 'age': 19}
]
df = spark.createDataFrame(d)
result_df = df.withColumn('udf_result', udf_func(struct(*df.schema.names)))
result_df.show(truncate=False)
+---+------+-------------------+
|age|name  |udf_result          |
+---+------+-------------------+
|10 |Tanaka|Tanakaは10歳です|
|15 |Suzuki|Suzukiは15歳です |
|19 |Satou |Satouは19歳です   |
+---+------+-------------------+



Category・その他 | Comments(1)

pysparkでCSVを読み込んでDataFrameを作成

2020年09月13日 02時54分21秒
【読み込むCSV】
Name,Age,TestDate
tanaka,10,2020-08-01 01:00:00
suzuki,13,2020-08-02 02:00:00
satou,15,2020-08-03 03:00:00

【pythonモジュール】
from pyspark.sql import SparkSession
from pyspark.sql.types import IntegerType, StructField, StructType, StringType, TimestampType
schema = StructType(
    [
        StructField('Name', StringType(), False),
        StructField('Age', IntegerType(), False),
        StructField('TestDate', TimestampType(), False)
    ]
)
spark = SparkSession.builder.getOrCreate()
df = spark.read.format(
    'csv'
).option(
    'timestampFormat', 'yyyy-MM-dd HH:mm:ss'
).load(
    '/tmp/test.csv', schema=schema
)

df.show()
+-------+----+-----------------------+
|  Name| Age|                  TestDate|
+-------+----+-----------------------+
|tanaka |  10|2020-08-01 01:00:00|
|suzuki  |  13|2020-08-02 02:00:00|
| satou  |  15|2020-08-03 03:00:00|
+------+----+------------------------+

df.schema
StructType(List(StructField(Name,StringType,true),StructField(Age,IntegerType,true),StructField(TestDate,TimestampType,true)))

【schemaを指定しない場合】
schemaを指定せずにCSVを読み込むことも可能。
むしろschemaの定義とCSVの値が一致しなければnullになってしまうため、指定しない方が楽。
が、schemaを指定しない場合は全カラムがStringとして扱われてしまう。

df = spark.read.format(
    'csv'
).load(
    '/tmp/test.csv'
)
df.schema
StructType(List(StructField(_c0,StringType,true),StructField(_c1,StringType,true),StructField(_c2,StringType,true)))



Category・その他 | Comments(0)

手越祐也　母子家庭に弁当無償で配達　本当の目的は・・・

2020年06月21日 16時26分46秒
元ＮＥＷＳ・手越　ボランティアは継続　母子家庭に弁当無償で配達
https://news.yahoo.co.jp/articles/df6bc219fee32d11514d872a5ce32d504f0e1be6

なんで「母子」限定なんだろう。
女好きの手越が母子限定かぁ。
手越祐也のイメージからして、簡単に落とせそうな綺麗な人を狙って・・・としか思えないんだよなぁ。


Category・その他 | Comments(0)