絵本で打線組んだ

息子への絵本の読み聞かせのなかでは、数々の名勝負が生まれている。
１冊目に甘いコースに攻めると、息子軍のご機嫌が悪化し、試合は中断を余儀なくされ、
そうなってしまうと、再開後もうんち攻撃などの追撃を許すことになりかねない。
絵本打線の選考は試合展開を決定する上で非常に重要な位置づけとなっている。
息子軍に何度も撃破されながら、試行錯誤の末、ついに僕監督は対息子軍最強打線を組むに至った。
それがこれだ！

１(三)　ぶーぶーぶー
２(遊)　じゃあじゃあびりびり
３(一)　かばんばん
４(捕)　いないいないばあ
５(二)　あかちゃんごおしゃべりえほん
６(中)　がたんごとんがたんごとん
７(右)　どうぶつたっち２
８(左)　なんだこりゃたまご
９(投)　みんなのどうよう
抑え　　みんなのおうたえほん
代打　　しましまぐるぐる
代走　　がたんごとんざぶんざぶん

解説しよう！

「ぶーぶーぶー」は非常シンプルでわかりやすく即効性がある１番打者にふさわしい絵本だ。
カラフルな車と様々な効果音の組み合わせは、今日の息子の調子をはかるうえでも欠かせない存在である。
続く「じゃあじゃあびりびり」も効果音をどれだけリアルに読むか、何回繰り返すかなど、その時その時で応用を聞かせることしやすい遊撃手にふさわしい一冊である。
クリーンナップは、かばんから色々なものが飛び出す「かばんばん」で息子の心を掴み、問答無用の王道、「いないいないばあ」が決定打を決める。
５番「あかちゃんごおしゃべりえほん」は教育的な側面があるのはもちろん、赤ちゃん語が連想ゲームのように連なっている構成であるため、大人は読むときに次のページの言葉を思い出す訓練をすると脳トレにもなる優れものである。
「がたんごとんがたんごとん」も、絵と文章がすごく微笑ましい大人にも癒しの絵本で、５番６番は後半疲れてくる大人が回復できるという側面がある。

７番「どうぶつたっち」は最近加わったルーキーであるが、ざらざらやつるつるの素材を動物にみたて、触れる絵本という今までのメンバーにはなかった特性を持った新しいタイプであるため、様子見でスタメン入りを果たした。
「なんだこりゃたまご」は僕監督が小さい頃から好きだったというコネ採用枠で、わざわざ実家から届けてもらい、25年ぶりの復活を果たした。コネ採用の批判があるが、僕が好きだった本なので、対息子軍にも効果を発揮することは確かであろう。
とても硬い卵をライオン・カバ・サイといった動物たちが自分の得意技で割ろうとする話なのだが、どの動物も非常に迫力のあるタッチで書かれていて、とてもおもしろい。ぜひみんな読もう！
投手枠もインパクト重視で音が鳴る絵本が選ばれた。先発に「みんなのどうよう」抑えに「みんなのおうたえほん」。どちらも絵本というより童謡プレイヤーだが、積極的な攻撃を期待して登用した。
代打「しましまぐるぐる」は一番最初に買った絵本であるが、だんだん飽きられつつあるようで、万を持して打席に立つ算段である。
「がたんごとんざぶんざぶんは」は「がたんごとんがたんごとん」の代走を努める。

これはあくまで６ヶ月期への対策であり、今回ベンチ入りを果たせなかった絵本にももちろんチャンスはあるので頑張って欲しい。

【R】保育園スレを形態素解析してトピックを眺める

４月からの保育園が決まったものの、色々と準備が必要になるようで妻とネットを漁っている。
有名な掲示板にも、保育園準備にあたり先輩ママからの助言をきけるスレがあるようだ。

【ｾﾝﾊﾟｲ】保育園入園＆復職準備スレ 11【教えて】 [無断転載禁止]©2ch.net

保育園に持っていかないといけないものや、復職後こういう場合はどうするといった様々なケースにとても丁寧なアドバイスがかかれていて、こういうのがあると友達がいなくても生きていける現代社会は本当にありがたいものだなぁとしみじみ感じる。
とはいえ１０００件の書き込みを全部読むのは大変だ。
そんなときは、形態素解析とwordcloudでトピックをざっと視覚化してみよう。

まず、形態素解析エンジンMecabをインストールする。
MeCab: Yet Another Part-of-Speech and Morphological Analyzer
その後Rで、XMLパッケージでスクレイピングし、
RMecabパッケージで形態素解析、
wordcloudパッケージで視覚化という手順だ。

#パッケージロード
library(XML)
library(RMeCab)
library(wordcloud)
library(dplyr)

#掲示板を取得
html <- read_html("https://mevius.5ch.net/test/read.cgi/baby/1493387671/")

#掲示板のソースを見ると、書き込み内容はspanタグのclass='escaped'と
#なっているため、対象をxpathで抽出
node <- html_nodes(html,xpath="//span[@class = 'escaped']")

#htmlをテキストに変換
comment <- html_text(node)

#一旦ファイルに出力
write.table(comment,"comment.txt")

#形態素解析を実行
mecab <- docDF("comment.txt", type = 1)

１列目が単語、２・３列目が品詞、４列目が頻度となる。
意味不明なもの、記号や数字なども含めて6,700行あった。

#一般名詞、固有名詞だけを抽出
words <- mecab %>% filter(POS1 %in% c("名詞"), POS2 %in% c("一般","固有名詞"))

#wordcloudを描画
wordcloud(words$TERM,wores$comment.txt, min.freq= 7, scale=c(1,1),colors = brewer.pal(8,"Dark2"))

７回以上出現した単語をプロットしたが結果が多すぎて一部は表示されていない。その為、wordcloudを実行するたびに結果は変わる。

今回の結果からは、「Tシャツ」「ウインドブレーカー」「ストロー」「靴」「雨傘」「コップ」などについてはみんなが気にしてるものなので、考えとかないといけないようだ。

赤ちゃんの気持ちを知るには

僕の息子もまもなく６ヶ月になる。少し前にブカブカだった服がもう着れなくなっていたり、僕が帰宅するとキャッキャ言って喜ぶようになったと思ったら、人見知りなのか「う~」と唸るようになる時期もあり、かと思ったら最近はまたニコニコしてくれるようになったりと、この６ヶ月で本当にめぐるましく心身が変化していることがわかる。

体の成長は見ればわかるが、まだ言葉を話して意思表示ができないので、心の変化はある程度、想像が必要となる。なぜ、笑ったのか、泣いているのか、怒っているのかを推察し、いないないばぁをしたり、寝かせたりといったことを親はしなくてはならない。

とはいえ、赤ちゃんの気持ちを理解するのは非常に大変だ。最近妻は仕事復帰を見据え、母乳から哺乳瓶へ変えようとしたが、なかなか飲んでくれず、様々な哺乳瓶を試しては、なんでだめなんだろうと悩んでいた。根気強く飲ませ続けたところ、哺乳瓶で飲めるようになったが、息子にどういう心境の変化があったのかはよく分からない。

そんな中で「赤ちゃんの気持ち」なんて検索しているとこんな記事を見つけた。

関心したのは次の部分。

あるときぼくも別のスタッフと「赤ちゃんの気持ちになってみよう」ということで、いろんなものを口に入れてみました。なかでも凄かったのは振動子で、手のひらでささやかに感じる程度の「ブルブル」は、口に入れてみると歯をガタガタ言わせるし、口いっぱいに振動が広がるし、わ！！！すご！！となりました。直感では手の触力（そんなものはない）が10だとすると、口の触力は100だなという感じ。なるほど、みんながモノを口に入れようとするのは、そのほうが情報がたくさん入ってきて面白いからだ、ということに気がつきます。 

僕は大人の視点で、寝ている赤ちゃんを見下ろしながら、「赤ちゃんが」何を考えているのか勝手に解釈していたが、赤ちゃんと同じ条件で、見て聞いて触れたときに、「僕が」何を考えるかというのはとても意味があるのではと考えた。

注意してほしいのは、僕は決して赤ちゃんプレイに興味があるわけではない。前述までのものすごく全うで自然な理由から、哺乳瓶を使ってみる必要があった。

妻にもう使わない哺乳瓶を貰い、粉ミルクを溶かして、吸ってみた。真っ先に感じるのは、「飲みづらっ！」ということだ。

哺乳瓶には、直径１mm程度の穴しかあいておらず、吸い出すために乳首部分を吸う必要があるが、口を開けすぎても閉じすぎてもうまく吸うことが難しくなるため、乳首のサイズちょうどに口を開いて固定しなくてはならない。また吸う力も、強すぎると唇が巻き込まれて痛いし、弱すぎると何も出てこない、一定の量を常に出すにはこれもコツが必要だ。また哺乳瓶が真上を向いているときは自然に垂れてくる分がある。大人に飲まされる場合、数滴であるが自分のペースを乱されることになるだろう。また、これは赤ちゃんには関係ないかもしれないが粉ミルクは不味い。ずっと飲んでいると吐きそうになる。自分で飲むなら嫌になったらやめればいいが、赤ちゃんは強制的に飲まされるわけで、粉ミルクの味が気に入らなかったら絶望的な状況だろう。

そんなわけで300ミリを試行錯誤しながら１０分以上かけて飲み干した僕は、こりゃ簡単に飲めるもんじゃねぇなという結論に達した。息子が哺乳瓶で飲めるようになるために妻は四苦八苦していたが、息子も同時に大変な苦行だったのだろう。

これからよく言われるヤダヤダ期というのが来て、いろいろなことがうまく進まないかもしれない。それを大人の視点で、「こんな簡単なことも出来ないのか」と思ってはいけないのだ。赤ちゃんの境遇でその問題に向かってみると、本人にとってそれが出来ないものすごく重大で深刻な理由があることがわかるかもしれない。

僕はこれからも真剣に、おむつを履いたり、ハイハイしたりして、息子の気持ちを理解できるよう努める所存である。

【python】bitflyerのAPIを操作 public API・chat編

コインチェックの流出事件から１週間がたちました。この事件を発端にネム以外の仮想通貨も乱高下しています。世の中の大半はそこまで混乱していないみたいですが、コインチェックにお金を預けていた人はもちろん、コインチェック以外の取引所でも仮想通貨の取引をしている人達はまだまだスリリングな日々を過ごしていることでしょう。
bitflyerのチャット履歴を取得して関係各位の混乱を確認いたしましょう。

今回は、チャットに様々な文字列が入ってくるせいで、Rを使うとエラーが起きやすくpythonで取得することにしました。pythonはpybitflyerというbitflyeAPIを簡単に取得できるパッケージがあるため、こちらを使います。

import pybitflyer
api=pybitflyer.API()
chat = api.getchats()
print(chat)

[{'nickname': '実穂ノア♚world🍀LOVE💑', 'message': '皆で稼ぐｗ', 'date': '2018-01-30T01:29:43.68'}, {'nickname': 'はじめてのお取引', 'message': 'おわりじゃああビットのおわりじゃあ', 'date': '2018-01-30T01:29:44.993'}, {'nickname': '利確', 'message': '現物', 'date': '2018-01-30T01:29:45.92'}, {'nickname': 'こころぴょんぴょん🐰', 'message': 'ぴょぴょんぴょん🐰', 'date': '2018-01-30T01:29:46.793'}, {'nickname': '大根３８円', 'message': 'mecｙべえｗｗ', 'date': '2018-01-30T01:29:48.607'}, {'nickname': 'からだすこやかちゃ〜', 'message': '濃いや', 'date': '2018-01-30T01:29:50.08'}, {'nickname': 'Ｌチキン', 'message': 'Low', 'date': '2018-01-30T01:29:53.083'}, {'nickname': 'てやんでぃ', 'message': 'あがるパワーはない', 'date': '2018-01-30T01:29:55.963'}, {'nickname': 'みどり🍀', 'message': 'てかリバるんかこれ？www', 'date': '2018-01-30T01:29:56.09'},......

こちらもjson形式で、発言時間、名前、発言内容がとれます。
途中で省略しましたがパラメータを指定しない場合５日前からの発言を取得しますので４０メガバイトほどのデータでした。
pandasで整形しています。

import pandas as pd
chat2 = pd.DataFrame(chat)

５日間で３０万件のデータでした。
うーむ内容ゼロ！

”コインチェック”,"coincheck","CC"の文字列を含む発言を取り出します。

chat2[chat2["message"].str.contains('コインチェック')|chat2["message"].str.contains('coincheck')|chat2["message"].str.contains('CC')]

3,772件でした。
５日間の全履歴の内、約1％はコインチェック関連の発言ということですね。

ちなみに、一番書き込みしている人は誰かを調べてみましたら、

chat2["nickname"].value_counts()

いなごflyer 6105
First order 2913
スキャルプD＠バイオプ 2573
チョレイ 2517
☺🐰🐈 Sofia🕊@sofia_bitfx🐮🐻@ピコ 2435
…

「いなごflyer」さんが圧倒的なコメント量でした。
気になって「いなごflyer」で検索すると、こんなサイトが
inagoflyer.appspot.com
どうやら世界中の取引所の売り数量・買い数量を比較できるようです。取引所ごとにAPIを取得しなくても、すべて見れるというのが凄いですね。また、一定のボリュームを超えたときに音で教えてくれるみたいです。
これを見ながら一気に大きな圧力がかかった方向に便乗する短期売買をしてみるのも楽しいかもね。

家庭内LAN楽しいなランランラン♪

先日の記事

で、スマホアプリのベビーモニタを使ってみたものの、有料だわスマホのカメラじゃ暗闇だと何も訳に立たんわでほとんど実用性はありませんでした。しかし僕は赤ちゃんが寝た後どうしても別室で自由を謳歌したく、結局、暗闇でも使えるネットワークカメラをポチってしまったのでした。

PLANEX ネットワークカメラ(スマカメ) 暗視撮影・マイク内蔵・スマホ/パソコン/テレビ対応 CS-QR20

 早速wimaxルータに接続してみるとこいつはすげぇ！赤外線カメラなので暗闇の中でも赤ちゃんの目が開いているか閉じているかまではっきりわかるではありませんか。

またこれは動きを感知する機能があり、常にモニターしていなくても赤ちゃんが動いたときは通知で教えてくれるため、夜中に起きてもすぐに教えてくれるのです。

そんなわけで僕は7,000円で自由を手に入れました。

手に入れた自由時間に僕は考えました「ネットワークカメラって凄いなぁ~楽しいなぁ~もっと色々なものをネットワークにつなげたいよおおお！！！」そして気がつくとルーターをポチっていました。

BUFFALO 11n/a/g/b 300プラス300Mbps 無線LAN親機 WZR-600DHP3

 これでいろいろと楽しいことができるようになったわけですが、ひとまず我が家のネットワークの全体像を示すとこんな感じです。

活用例を何点かご紹介します。

①NAS

ルーターを選ぶ上で重要だったことはUSBストレージがあることで、データバックアップ用に買った３Tの外付けHDDがあるんですが、有線を都度PCに接続してバックアップを取るということが面倒なため、ほとんど使われずに放置していました。

この度ネットワークストレージとして復活を遂げ、家庭内の各端末からのアクセスが可能となったため、バックアップのみならず妻との共有フォルダ、動画のストリーミング視聴などが気軽にできるようになりました。

②ネットワークカメラ

前述の商品です。アプリを導入することで、PC、スマホから視聴ができるようになります。またこの商品の凄いところは、インターネット上のクラウドにも送れるため外からスマホでカメラの映像を確認することもできます。

③リモートデスクトップ接続

使わなくなったPCのIPを固定しリモート接続し、さらにwi-fi機能がないテレビと接続してみました。使いみちは今のところ未定です。このPCから、自分で撮った赤ちゃんの画像をテレビに流したりすることを考えています。

将来的には、ポートを開放して自宅サーバにしたいなぁ。

この図の他にも妻のPC、スマホ、タブレットなど１０以上の機器をネットワークにつなぎ、トラフィックを監視しながらニヤニヤしています。

今後やってみたいこととはこんな感じです。

・スキャナーで重要書類をスキャンして共有ストレージに保存する。

・外から自宅サーバからキックしてgoogle homeを喋らせる

・スマート家電も赤外線家電もGoogle Homeでまとめて操作 - Qiita

・Raspberry Pi

などなど。

必要な機器を取り揃えたら果たしていくらかかるかな…自由の代償はでけぇなぁ

【R】bitFlyerのAPIを操作 public API・ticker編

過去のブログで板情報を取得しました。
anpontan382.hatenablog.com
今回はティッカー情報です。
ティッカー情報は、取得時点のベストプライス・ボリュームなどです。自動売買ツールを作る上では条件判定に必要になるでしょう。
早速コードはこちら～

#最初は前回同様です
#ライブラリロード
library(rjson)
library(RCurl)

#エンドポイントを設定
endpoint <- "https://api.bitflyer.jp/v1/"

#パラメータに対応
getboard <- paste(endpoint,"getticker?product_code=BTC_JPY",sep="")

#tickerを蓄積するデータフレームを作成
ticker_DB <- data.frame(matrix(rep(NA, 12), nrow=1))[numeric(0), ]
colnames(ticker_DB) <- c("product_code","timestamp","tick_id","best_bid","best_ask",  
                          "best_bid_size","best_ask_size","total_bid_depth","total_ask_depth","ltp",              
                          "volume","volume_by_product")

#1000回取得します
for (i in 1:1000){

  #json→リスト変換→data.frame
  json <- getURL(getboard)
  ticker <- fromJSON(json)
  ticker <- as.data.frame(ticker)

  #0.1秒待つ（bitFlyerへのアクセスは1分間に200回が上限です）
  Sys.sleep(0.1)

  #取得したtickerを格納
  ticker_DB <- rbind(ticker_DB,ticker)
}

1000行のティッカー情報が取れました。

timestampは世界標準時（UTC)のため、日本時間（JST）にすると
2018-01-15 22:27:44から１０分間のデータになります。

サマリーを見てみますとこの５分間の間は、ltp(最終取引価格）が170万８千円~171万3千円で推移したことがわかります。この５分でうまくやれば5,000円手に入ったわけだ。

plot(ticker_DB$ltp,type="l")

プロットするとこんな感じ。
よーしそれじゃ早速タイムマシンで22:27:44に戻ってみんなも５０００円ゲットじゃぞ~

【R】主成分分析でベビーカーを分類

主成分分析とは、色々な項目で計測されているサンプルに対して、主成分と呼ばれる新しく合成した少数の尺度を使って分析する手法です。
例えば、BMIは身長と体重から算出される肥満度を表す指標ですが、これがあることで、１つの指標だけで複数のサンプルを比較することが容易になります。
スマホのスペックには、バッテリー容量、画面解像度、重量、バイブの強さがあるとします。これらから主成分を抽出する場合、バイブの強さはあまりスマホによって変わらないので、情報量が少ない（分散が少ない）ため、尺度を減らす上で捨てられることになりそうです。またバッテリー容量と重量は相関がありそうなため、一つにまとめて新たな尺度にできるのではないでしょうか。
このような形で、スマホのスペックをいくつかの尺度で説明することで、特徴を把握し、機種の分類に役立てます。

主成分分析は次の流れで行います。
1)分散共分散行列（相関行列）を作成する
分散共分散行列→各計測値の単位が同じときに使用
相関行列→各計測値の単位がバラバラの場合に標準化できる
2)主成分を求める
分散共分散行列（相関行列）から固有値ベクトルを算出する

Rでは標準でprcomp()関数が用意されており、上記の計算をまとめて実施してくれます。レッツトライ！

あまりいい例になりませんでしたが、妻のブログでベビーカーのスペックをまとめていたので、この主成分分析を行います。
adijo.hatenablog.com

商品毎に、価格、重量、カゴ容量を表にした
babycar.csvを作りました。

#取り込み
library(readr)
baby <- read_csv("~/babycar.csv")
baby <- as.data.frame(baby)
#商品名を列名に設定
rownames(baby) <- c(baby$product)

#商品名以外を再度取り出し
baby <- baby[,2:4]

#主成分分析を実行
#scale=Tは相関行列での計算
result <- prcomp(baby,scale=T)

 summary(result)
#Importance of components%s:
#                         PC1    PC2    PC3
#Standard deviation     1.2063 0.9330 0.8212
#Proportion of Variance 0.4851 0.2902 0.2248
#Cumulative Proportion  0.4851 0.7752 1.0000

Proportion of Variancとは、各主成分の寄与率を表し、
Cumulative Proportion とは、累積寄与率を表します。
各主成分の寄与率とは、その主成分で全体のどれだけを表せるかを示しており、
第１主成分~第N主成分までで、全体のどれだけを表せるかの表示となります。
今回のケースでは第２主成分までで77％を説明できることになります。
一般的にも70％を超えるまで主成分を取り出すことが目安になっています。

resule$rotation
#               PC1        PC2        PC3
#price    0.6385902 -0.1918353 -0.7452528
#weight   0.5982140 -0.4854510  0.6375557
#capacity 0.4840895  0.8529575  0.1952457

$rotationが主成分を表す固有ベクトルです。

result$x
#                            PC1        PC2         PC3
#Runfee ef            -1.3555083 -0.3347032  0.34179979
#PATTAN               -1.3742207  0.5686794  0.51548585
#Premige               0.6631685 -1.2076507 -0.84968911
#MECHACAL HANDY       -0.3616031 -0.1325712 -0.96859595
#NEMURIE               0.4879116 -0.5742262 -0.12697994
#LUXUNA Comfort        1.2294453  1.2064958 -0.98609744
#SMOOOVE premium       1.7452139  0.9801604  1.16819540
#magical air plus     -1.5209180  0.7904333 -0.08955709
#Air Buggy COCO BRAKE  0.4865108 -1.2966176  0.99543849

$xは主成分得点と呼ばれます。
Σ各固有ベクトル×各計測値で算出され、
固有ベクトルによって描画するにあたり、その座標の意味を持っています。

cor(result$x,baby)
#         price     weight  capacity
#PC1  0.7703448  0.7216382 0.5839673
#PC2 -0.1789771 -0.4529125 0.7957860
#PC3 -0.6119936  0.5235539 0.1603336

主成分と計測値との相関係数を求めることで、主成分負荷量を算出します。
この数値が大きいほど、各変数が主成分に与える影響力が大きいことを表します。
この例では、第１主成分と相関が高いのは同じ位で、price,weightで第２主成分ではcapacityです。

biplot(resule,choices=c(1,2))

biplotは個体と変数を重ねて主成分空間上に描画します。

この図を見ると、価格・容量が高い「ラクーナコンフォート」「スムーブ」グループと、重量・価格が高い「Premige」「エアバギー」グループ、安い「PATTAN」「マジカルエアープラス」グループがあることがわかります。

重量と容量などは似た数値なので、この例だとイマイチ結果から言えることが少ないですが、「走行性」「安全性」「重量」などそれぞれ異なる項目をうまいこと数値化できると、それぞれの性質ごとにグループ分けすることができそうですね。このくらいの商品数なら全部の数値を見ていっても自分にあったベビーカーを選ぶことはできそうですが、もしベビーカーが1,000種類位あって、そのデータが全部取れて入れば、まず主成分分析をして、自分が重視する商品グループ決めた上で、その中で一番合っている商品を選ぶみたいな活用ができるかもですね。