fastcore: 過小評価されているPythonライブラリ

```python def fit(x, transforms:list): "変換を実行した後にモデルをフィットさせる" x = compose(*transforms)(x) y = [np.mean(x)] * len(x) # これは単純なモデルです。批判しないでください return y # 5未満の要素をフィルタリングし、2を加え、平均を予測する fit(x=[1,2,3,4,5,6], transforms=[filter5, add2]) ``` `compose`についての詳細情報 **より有用な`__repr__`** Pythonでは、`__repr__`メソッドはオブジェクトの公式な文字列表現を提供します。デフォルトでは、これはあまり有益ではありません: ```python class Test: def __init__(self, a, b=2, c=3): store_attr() # `store_attr`は以前に説明しました Test(1) ``` ` ` `basic_repr`を使用して、より適切なデフォルト表現を素早く提供できます: ```python class Test: def __init__(self, a, b=2, c=3): store_attr() __repr__ = basic_repr('a,b,c') Test(2) ``` `Test(a=2, b=2, c=3)` **デコレータを使ったモンキーパッチ** デコレータでモンキーパッチを行うと便利で、特にインポートしている外部ライブラリにパッチを当てたい場合に役立ちます。`fastcore.foundation`のデコレータ`@patch`を使用できます: ```python class MyClass(int): pass @patch def func(self:MyClass, a): return self+a mc = MyClass(3) ``` まだ納得いきませんか？次のセクションで、この種のパッチングの別の例をお見せします。 **より良い`pathlib.Path`** これらの`pathlib.Path`への拡張を見れば、もう素の`pathlib`を使うことは二度とないでしょう！`Path`クラスには多くの便利なメソッドが追加されています、例えば: ```python # 従来の方法 with open('somefile', 'r') as f: f.readlines() # fastcoreの拡張後 Path('somefile').read() ``` 詳細は[こちら](https://fastcore.fast.ai/utils.html#Path.ls)でお読みください。`ls`メソッドのデモンストレーションです: ```python from fastcore.utils import * from pathlib import Path p = Path('.') p.ls() # 標準のPathlib.Pathではこれは得られません!! ``` `(#7) [Path('2020-09-01-fastcore.ipynb'),Path('README.md'),Path('fastcore_imgs'),Path('2020-02-20-test.ipynb'),Path('.ipynb_checkpoints'),Path('2020-02-21-introducing-fastpages.ipynb'),Path('my_icons')]` 待って！何が起こっているのですか？私たちは`pathlib.Path`をインポートしただけです。これは`@patch`デコレータによって可能になっています: ```python @patch def fun(self:Path): return "This is fun!" p.fun() ``` これは魔法のようですね！そうでしょう？だからこそ私はこれについて書いているのです！ **ラムダを作成するさらに簡潔な方法** ```python arr=np.array([5,4,3,2,1]) f = lambda a: a.sum() assert f(arr) == 15 ``` `Self`を使用できます: ```python f = Self.sum() assert f(arr) == 15 ``` Pandasデータフレームの`groupby`と`mean`を行うラムダを作成しましょう: ```python import pandas as pd df=pd.DataFrame({'Some Column': ['a', 'a', 'b', 'b', ], 'Another Column': [5, 7, 50, 70]}) f = Self.groupby('Some Column').mean() f(df) ``` `Self`についての詳細 **ノートブック関数** これらはシンプルですが便利で、コードがJupyter Notebook、Colab、またはIPython Shellで実行されているかどうかを知ることができます: ```python from fastcore.imports import in_notebook, in_colab, in_ipython in_notebook(), in_colab(), in_ipython() ``` `(True, False, True)` これは、環境に応じて変更または切り替えたい特定の種類の視覚化、プログレスバー、またはアニメーションをコードで表示している場合に役立ちます。 **リストのドロップイン置換** Pythonのリストにかなり満足しているかもしれません。しかし、`fastcore`の`L`クラスは、リストのドロップイン置換として機能し、多くの便利な追加メソッドを提供します。 `L`を説明する最良の方法は、それを使うことです。リストを定義します（素敵な`__repr__`をチェックしてください）: ```python p = L(1,2,3) p ``` `(#3) [1,2,3]` リストをシャッフルします: ```python p = L.range(20).shuffle() p ``` `(#20) [8,7,5,12,14,16,2,15,19,6...]` リストへのインデックス指定: ```python p[2,4,6] ``` `(#3) [5,14,2]` `L`には適切なデフォルトがあります、例えばリストに要素を追加する: ```python p + [100,200] ``` `(#22) [8,7,5,12,14,16,2,15,19,6...]` `L`にはもっと多くの機能があります。しかし待って...まだあります！ ![](/images/copied_from_nb/fastcore_imgs/bwtm.jpg) fastcoreについてもっとお見せしたいことがありますが、ブログ投稿に合理的に収まる方法はありません。このブログ投稿でデモしなかった私のお気に入りの機能のリストです: **基本ユーティリティ** 基本セクションには、一般的なタスクを実行するための多くのショートカットや、標準Pythonが提供するものへの追加インターフェースが含まれています。 * `mk_class`: クラスに多くの属性を素早く追加 * `wrap_class`: シンプルなデコレータでクラスに新しいメソッドを追加 * `groupby`: Scalaの`groupBy`に類似 * `merge`: 辞書をマージ * `fasttuple`: 強化されたタプル * 無限リスト: パディングとテストに有用 * `chunked`: バッチ処理と整理用 **マルチプロセッシング** マルチプロセッシングセクションは、以下のような機能を提供することでPythonのマルチプロセッシングライブラリを拡張します: * 外部サービスとの競合状態を緩和するための一時停止機能 * 各ワーカーでバッチ処理を行う機能、例: チャンクで実行するベクトル化操作がある場合 **関数型プログラミング** 関数型プログラミングセクションは、このライブラリの中で私のお気に入りの部分です。 * `maps`: 関数も合成するマップ * `mapped`: より堅牢なマップ * `using_attr`: 属性で動作する関数を合成 **変換 (Transforms)** 変換は、データ変換と関連パイプラインを作成するためのユーティリティのコレクションです。これらの変換ユーティリティは、このブログ投稿で説明した多くのビルディングブロックの上に構築されています。 **さらなる読書** ドキュメントのメインページを最初に読み、次にテストのセクションを読んでドキュメントを完全に理解する必要があることに注意してください。 * [fastcoreドキュメントサイト](https://fastcore.fast.ai/) * [fastcore GitHubリポジトリ](https://github.com/fastai/fastcore) * [委任に関するブログ投稿](https://www.fast.ai/2019/08/06/delegation/) **恥知らずな宣伝: fastpages** このブログ投稿は完全にJupyter Notebookで書かれており、GitHubが自動的にブログ投稿に変換しました！興味がありますか？[fastpages](https://github.com/fastai/fastpages)をチェックしてください。

fastcore: 過小評価されているPythonライブラリ

背景や根拠まで確認しますか？

調べる

選ぶ

サイト