2010年4月15日木曜日

twitteRを使ってみた

RからtwitterとやりとりするtwitteRというパッケージを使ってみました。
Twitter clients for Rを基に操作した忘備録です。

sess <- initSession("ユーザ名","パスワード")

返ってきたsessを用いて、自分のアカウントに関連した操作する。
誰でも見れない部分については、sessを引数にして操作する。

publicTweets <- publicTimeline()
twitter全体で最新のつぶやきを取得。デフォルトでは20とってくる。
korindo_tweets <- userTimeline("korindo")
korindo_tweets
[[1]]
[1] "korindo: 近所の居酒屋でランチなう。「面白そうなのでそろえちゃった☆」とノンアルコールビールが揃っていた。先にビールの種類を増やそうぜ"
(以下略)
あるユーザのタイムラインを取得する。この場合はkorindoさんのタイムラインを
取得している。相変わらずの酒豪ぶりですね。
friendsTweets <- friendsTimeline(sess)
sessに該当する人(自分自身以外にはないでしょうが)の友人の呟きを取ってくる。
当然セッションが必要で、最初に使用したinitSession()を利用する必要が出てくる。
tokyor <- searchTwitter("#TokyoR",num=10)
ある文字列に関するつぶやきを検索。この場合は#TokyoRというハッシュタグを持つ
つぶやきを探してくる。
bgates <- getUser("billgates")
あるユーザを具体的に見たいときは、getUser()を用いる。返り値はユーザ名。
実際に上手く動作するかどうかは、ユーザがプロファイルをロックしているか
どうかに依存している。
his_friends <- userFriends("billgates")
ユーザの友人を取ってくる。
his_followers <- userFollowers("billgates")

ユーザのフォロワーを取ってくる。

つぶやきや、ユーザの友人をとってくることができるので、テキストマイニングの分野や
嗜好分析、レコメンドに使えそうなパッケージですね!

2010年3月26日金曜日

macの設定

外出用にMacBook Proを買ってみた。

UNIXな開発環境をvmware以外で実現してみたかった。
以下個人的なメモ。たまに更新するかも。

3/26

  • 右クリックはcontrol+マウスクリック
  • デフォルトのターミナルはXX-YY-no-macbookと出ているが、これはシステム環境設定の共有で名前を変更すればよい。
  • gccなどの開発環境が欲しかったので、Xportを入れてみたらexitの挙動が変わった。原因不明
  • パーティションの変更は「ディスクユーティリティ」からHDのパーティションを選択し、ドライブ名の右下の部分をいじる。
  • C言語に欠かせないバックスラッシュはoption(alt)+\(¥マーク)でいける

2010年1月16日土曜日

ダブルガウシアンの作成

ダブルガウシアンというのは、その名の通り、ガウス分布を二つ重ねたものです。
ピークが2つ登場することに特徴があります。
ダブルガウシアンから値を取得することをRでコーディングしてみました。

ちなみに、単純にN(0,1)+N(1,2)のようにするのはダメ。
再生性よりN(0+1,1+2)=N(1,3)になり、ピークが1箇所になってしまいます。

gauss1 <- rnorm(200,-100,10);# N(-100,10)から200点ランダムに取得
gauss2 <- rnorm(200,200,10);# N(200,10)から200点ランダムに取得

reproductiveGauss <- gauss1 + gauss2; # ガウス分布の再生性よりN(100,20)
# こちらが合成した2つのガウス分布の確率密度関数に相当する
# 100点のみを取得しているが、数がある程度あれば、問題ない
doubleGauss <- sample(c(gauss1,gauss2),100,rep=FALSE);
par(mfrow=c(2,1));
hist(reproductiveGauss,breaks=20);
hist(doubleGauss,breaks=20);
その結果は下図のようになります。結果の違いがすぐに見て取れますね。

2009年12月22日火曜日

RとC言語で関数ポインタ:書き直し

以前書いたソースコードの焼き直しをしてみました。
今度は中央値の計算も実装してみました。

#include <stdio.h>
#include <string.h>
#include <stdlib.h> // qsortに必要

double mean(double d[],int n)
{
 int i;
 double sum = 0.0;

 for( i=0 ; i<n ; i++ ){
  sum += d[i];
 }
 return sum/n;
}

// qsort用の関数.qsortに渡せる形の関数を作成する必要がある.
// 仮引数や返り値の形式は指定されていることに注意.
int doublecmp(const void *a,const void *b){
 return( *(double *)a - *(double *)b );
}

double median(double d[],int n)
{
 int i;
 double dCpy[n];

 // コピーを作成するのは元データの順序保持のため
 // 今回の統計量を計算するだけのコードでは不要ではあるが.
 for( i=0 ; i<n ; i++ ){
  dCpy[i] = d[i];
}

 qsort(dCpy,n,sizeof(double),doublecmp);

 if( n % 2 ){// 奇数
  return dCpy[n/2];
 }else{// 偶数
  return (dCpy[n/2] + dCpy[n/2 -1])/2.0;
 }
}

double min(double d[],int n)
{
 int i;
 int idx = 0; // 最小値の添字
 for( i=0 ; i<n ; i++ ){
  if( d[idx] > d[i] ){
   idx = i;
  }
 }
 return d[idx];
}

double max(double d[],int n)
{
 int i;
 int idx = 0; // 最大値の添字
 for( i=0 ; i<n ; i++ ){
  if( d[idx] < d[i] ){
   idx = i;
  }
 }
 return d[idx];
}

/*
double (*p[])(double [],int)={mean,median,min,max,NULL};
char *cp[]={"mean","median","min","max",NULL};
*/

typedef struct funcs{
 double (*p)(double [],int);// 関数へのポインタ
 char *cp;// 入力の文字列と比較する関数を表す文字列へのポインタ
}FUNCS;

FUNCS f[]={
 {mean,"mean"},
 {median,"median"},
 {min,"min"},
 {max,"max"},
 {NULL,NULL}
};// ここで一元管理.最後のNULLは終端を示す番兵

double (*setfunc(char *str))(double d[],int n)
{
 int i;

 /*
 for( i=0 ; cp[i] != NULL ; i++ ){
  if( !strcmp(cp[i],str) ){
   return p[i];
  }
 }
 */
 for( i=0 ; f[i].cp != NULL ; i++ ){
  if( !strcmp(f[i].cp,str) ){
   return f[i].p;
  }
 }
 printf("error in setfunc\n");
 return NULL; // 入力の文字列が不適切な場合
}

int main(void)
{
 double (*f)(double d[],int n);
 double a[10]={0,1,2,3,4,5,6,7,8,19};
 f = setfunc("mean");
 printf("%lf\n",f(a,10));
 f = setfunc("min");
 printf("%lf\n",f(a,10));
 f = setfunc("max");
 printf("%lf\n",f(a,10));

 return 0;
}


gccによるコンパイル後の実行結果は、以下の通り。

mean   = 5.500000
median = 4.500000
min    = 0.000000
max    = 19.000000


構造体を用いて管理することによって、関数を表す文字列と関数がまとまり、
対応が分かりやすくなって、バグが出にくくなったのではないかと思う。

ライブラリのqsortを利用しているが、本来は全体をソートする必要はなく、
およそ途中までのソートができていれば良いので、そのあたりは工夫できるかも。

2009年10月17日土曜日

C++のコピーコンストラクタ

C++のコピーコンストラクタのありがたみに関する調査.
コピーコンストラクタが役に立つのは以下の3つの場合である.

・宣言文でオブジェクトを使用して,他のオブジェクトを宣言する
・関数に仮引数としてオブジェクトを渡すとき
・関数の戻り値として使用する一時オブジェクトを作成したとき

例えば,仮引数にクラスcarのオブジェクトを渡す
void printobj(car obj){ ... }
の場合は,コピーコンストラクタなしでは,正確なコピーを行うので,
ポインタ変数があると,関数を抜けるときに,デストラクタが呼ばれて
メモリの解放が行われる.
さらに関数を呼んだ側でデストラクタを呼ぶと,ポインタ変数の指す先のメモリは
既に解放された状態であるから,ここで二重解放なってしまう.

二重解放がまずい理由は,
ttp://d.hatena.ne.jp/aki-yam/20081205/1228490763
によると,2つのポインタ変数が同じアドレスを指しているときに
その症状が現れるということらしい.

int *p1 = new int;// エラーチェックは省略
*p1 = 100;
delete p1;
int *p2 = new int;
delete p1;//ここで二重解放
*p2 = 200;
ここで p1 == p2だとすると厄介ということである.

他にも例があるかもしれないが,これだけでも不味いということが
分かったのでよしとしよう.

正確なコピーを作らせないように挙動を制御するのが,
コピーコンストラクタの役割である.

2009年10月15日木曜日

C++のアクセス制御

C++でクラスに必ず出てくる,
public,private,protected,virtualあたりを
自分なりにまとめてみた.継承に注目して書いてみる.
間違っていたら是非指摘していただきたい.

publicで継承
基本クラスのアクセス制御が、そのまま派生クラスに引き継がれる.
基本クラスのpublicな部分は、派生クラスでもpublicのまま.
基本クラスのprivateもprotectedな部分もそのままになる.

privateで継承
基本クラスを全部privateにしてしまう.
派生クラスを呼び出す外部からは、アクセスできない.ただし,
派生クラス自身から基本クラスのpublicな部分へのアクセス自体は可能である.

基本クラスのprotected
基本クラス自身と派生クラス以外からはアクセスできない.

virtual
B <- d1 <- D(Bが間接基本クラスで,Dが派生クラス)
B <- d2 <- D
と継承すると,DからBを用いようとすると,どちらから継承した
Bを用いるのか分からず,エラーになる.それを避けるために,
virtualをつけて,ひとまとめにして曖昧さを避けることができる.

2009年10月8日木曜日

RとC言語で関数ポインタ

Rで関数ポインタの動作というものを確認したことがあります.
具体的な問題設定は,複数の入力文字列に対応させて,
データの入ったテーブルの各列で統計量を計算するというものでした.
(例えば1列目は最小値を、2列目は平均値...のように列ごとに設定する)
まずはRで書いた,文字列で統計量を計算する関数を返す
ソースコードを載せます.

setfunc <- function(type){
 if( type == "min" ){
  return(min)
 }else if( type == "max" ){
  return(max)
 }else if( type == "median" ){
  return(median)
 }else if( type == "mean" ){
  return(mean)
 }
}


d <- c(1:10,rep(10,5))
d
f <- setfunc("mean")
f(d)
f <- setfunc("max")
f(d)
f <- setfunc("median")
f(d)
f <- setfunc("n")
f(d)
この実行結果は下記のようになる。
> d <- c(1:10,rep(10,5))
> d
[1]  1  2  3  4  5  6  7  8  9 10 10 10 10 10 10
> f <- setfunc("mean")
> f(d)
[1] 7
> f <- setfunc("max")
> f(d)
[1] 10
> f <- setfunc("median")
> f(d)
[1] 8
> f <- setfunc("n")
> f(d)
エラー:  関数 "f" を見つけることができませんでした 
これをCで実装したらどうなるかとhttp://ujihisa.blogspot.com/ を書いているujihisaさんとskypeで2時間余り議論して,ようやく動いたのがこれ. medianについては未実装で,実行結果もありませんがご容赦を.
#include <stdio.h>
#include <string.h>

double mean(double d[],int n)
{
 int i;
 double sum = 0.0;
 double *dp;

 for( i=0 ; i<n ; i++ ){
  sum += d[i];
 }
 return sum/n;
}

double median(double d[],int n)
{
 return -1;
}

double min(double d[],int n)
{
 int i;
 int idx = 0; // 最小値の添字
 for( i=0 ; i<n ; i++ ){
  if( d[idx] > d[i] ){
   idx = i;
  }
 }
 return d[idx];
}

double max(double d[],int n)
{
 int i;
 int idx = 0; // 最大値の添字
 for( i=0 ; i<n ; i++ ){
  if( d[idx] < d[i] ){
   idx = i;
  }
 }
 return d[idx];
}


double (*p[])(double [],int)={mean,median,min,max,NULL};
char *cp[]={"mean","median","min","max",NULL};


double (*setfunc(char *str))(double d[],int n)
{
 int i;

 for( i=0 ; cp[i] != NULL ; i++ ){
  if( !strcmp(cp[i],str) ){
   return p[i];
  }
 }
 printf("error in setfunc\n");
 return NULL; // 文字列に一致したものがなかった
}

int main(void)
{
 double (*f)(double d[],int n);
 double a[10]={0,1,2,3,4,5,6,7,8,9.0};
 f = setfunc("mean");
 printf("%lf\n",f(a,10));
 f = setfunc("min");
 printf("%lf\n",f(a,10));
 f = setfunc("max");
 printf("%lf\n",f(a,10));

 return 0;
}

すぐに思いつく改良点は,
・*pと*cpをバラバラではなく,構造体でまとめて持たせる
・長さについては,入力エラーチェックが必要.
といったところでしょうか.また,改良して議論したいと思います.

今日の結論としては,Rと比較すると,C言語の場合はプログラマがポインタをいちいち作らないといけないので,非常に面倒で,かつ間違えやすいということです.
言語の特徴を知って,実装に最適なものを選べということですね.

追記(2011/04)
上記の改良、および中央値の実装を行いました。
http://entertainment-lab.blogspot.com/2009/12/rc.html

フォロワー

ページビューの合計