2015東大数学問題をPHPで解く(しかし、どはまる)
2015年東京大学(理科)数学 問5
mを2015以下の正の整数とする
2015 C m が偶数となる最小のmを求めよ
http://www.yomiuri.co.jp/nyushi/15/sokuho/1222243_2080.html
というわけで、Cをまずつくろう。
nCk = n!/k!(n-k)! なので、階乗を求める関数factorialを
function factorial($n) { if ($n === 0) { return 1; } return $n * factorial($n - 1); }
と定義して、
function combination($n, $k) { return factorial($n) / (factorial($k) * factorial($n - $k)); }
combination(4,2) -> 6 うん。OK.
これをループして、最初に偶数になるものだから
こんな感じかな?ターンッ
for ($i = 0; $i < 2015; $i++) { if (combination(2015, $i) % 2 === 0) { echo $i; break; } }
ファッ?!
PHP Fatal error: Maximum function nesting level of '1000' reached, aborting! in /home/vagrant/201504.php on line 9 PHP Stack trace: PHP 1. {main}() /home/vagrant/201504.php:0 PHP 2. combination() /home/vagrant/201504.php:16 PHP 3. factorial() /home/vagrant/201504.php:12
最近では再帰の量に制限があるのか!初めて知ったわ!
xdebugがある場合は変更できるらしいよ。
ini_set('xdebug.max_nesting_level', 2000000);
どんくらいまで計算できるのかな?
var_dump(factorial(20)); var_dump(factorial(21)); int(2432902008176640000) double(5.1090942171709E+19)
アウツ。
PHPの場合にはgmp_factを使いなさいってことですね・・・orz
2014年を振り返る
うわっ・・・今年ブログ書かなすぎ・・・
この会社に来てから会社員人生としては最悪だった一年だった気がする。
ん。会社員人生としてはいいのかもしれないけど、人生としては最悪、なのかもしれない。
友人のFacebookで「最近欲がない」という投稿を見たのだが、たいへん言い得て妙であり、自分もそういうところが増えてきている。承認欲求もしかり、「なんとなく美味しいものが食べたい」という気持ちがあっても「これが食べたい」がなかったり。
とにもかくにも不健康。
2013年末まで心身ともにやられるプロジェクトが終わって、それが癒えぬまま年明けに突入、1月からは消費税の増税に関するもろもろと並行して4月にリリースする比較的大きなプロジェクトに入って疲弊。同、7月にも似たような規模のプロジェクトに入った結果、10をmaxとしたら8からスタートしたのに4まで減って、で、6まで回復して3まで減って・・・みたいなことを繰り返した。
主なところでは年齢の影響もあると思われるが健康診断で今までひっかかっていない数値がひっかかった。というか再検査じゃなくて要治療の紹介状が来た。
また12月にはおよそ10年ぶりくらい(ちなみに当時新卒で入社した会社が(自身の環境も併せて)どうにも辛くて辞めようと思っていた時期ぶり)に喘息の発作も発生した。
その他
- 腸閉塞の手前
- 指への石灰沈着
など変な病気もかかった。
この年末で少しは心身ともに回復をしたいところではあるのだが、現時点ではその回復の良い方法も見つからず、ただ寝ては起きてと、むしろ自律神経をおかしな方向へと進行させている気がする。
もう、このへんに関しては美輪明宏さんのおっしゃる
「人生が上手く行かない時どうしたらいいですか?」という質問に対しての、美輪明宏さんの回答が素晴しいと話題に
品物を揃えなさい。美・知識・教養・技術、そういう自分の財産を増やしておきなさい、そういう時期
と捉えるしかないんじゃなかろうか。
あ、要するに不健康なのは忙しかったから体調を崩しましたとかそういう話じゃないってことです。ハイ。
仕事
楽しかった仕事の終わり
11月にローンチした新しいメディアが7月にクローズする。
エイプリルフール企画をはじめて会社でやったことや、ソーシャルアカウントの運用、メンバーとの関係性などが良好で、あまりここに力を入れられなかったことが残念だが楽しかったし、やってみたいと思っていたことを叶える機会があった仕事がなくなってしまった。
リーンUXはどこへ消えた?
年末くらいからリーンで開発をすることであったりとか、役割を超えた活動のやり方であったりというところをずっと考えてきて、部分的にはそれがうまくいっているところもある。しかしそうでない部分もあり、特に自分としても「もうあの人とは仕事をしたくないなあ」と思う人間を3人も作ってしまった。
また「個々の組織の総和が会社を良い方向に向けているとは思えない」印象をうける出来事があり、リアルにこの日吐き気がした。
データを解析するお仕事
データの指標を作っていこうとかそういうことは結構出来た気がするけど、1年を通してまともに解析してレポーティングして、というようなことは一回しかなかった気がする。年末から1つそのような仕事へのお誘いがあったので、2015年はまずこの仕事にどれだけ時間を割けるか、この仕事がちゃんとフィニッシュを迎えるのか、によっては会社とのつきあいかたを真剣に考えざるをえない。
解析とは直接の関係はないが、関連する知識が活かせる分野のお仕事をさせてもらえていることは、プラスに考えていきたいと思う。
エバンジェリスト
前から興味のあったこと。
今年はデータに関する勉強会や、リーンUXに関する勉強会、営業チームでの勉強会など、自分が良いと思ったことを他の人におすすめする、という機会が多かった。今後もこのような機会を作っていき、かつおすすめしていく中で相手の行動を変えていく方法、というのをもっと身につけていきたいと思っている。
来年ははじめのほうに、リアル脱出ゲームを活用してチームワークを高める方法、ということについて考えているので、お話をする予定でずっとどう伝えるか考えている。
プライベート
- 妹が結婚した
- 親戚のこどもたちとよく遊んだ
- 6年半使ってたガラケーが死んだので本格的にスマートフォンへ変えた
- HTML5ベースの俺得アプリをつくってみようとちょっとずつはじめた
- 妻にとってははじめての海外旅行をした
- 野球は監督業へのシフト。チームが初めてプレーオフに出場した
こんなかんじかな。
2015年をどういう年にするか
「やると決めてやる」、これ、割と自分の中の基本だったのだけど、ここ最近守れていない気がした。その結果外的な要因があるとはいえいろいろなことが継続できなかったので、周囲を巻き込んででも、そのことに集中してやり切る、ということで言い訳のできない状況というのを作っていかないといけないんだろうなと思う。
それとは別に趣味の話
ダンエボ DanceEvolution ARCADE と
Ingress - Google Play の Android アプリ をはじめたよ。
両方共からだを動かす系に結果的になっているんだけど、これはそういう欲求なんだと思う。
はたまた別の話
四月は君の嘘
最近「あこがれ」が減ったんだなってことを思った。キャリアプラン的なこともそうだし、同世代の人だったり、場合によっては異性だったり、というのを、このアニメをみて感じた。
あこがれの対象に回れよ、ってハナシはもちろんそうなんだけど、そこらへん含めて「欲がなくなった」というところがあるのかもしれない。
同時に、こういう人たちのお陰でいろいろ助けられているな、というのを、直接的に助けられることとは違うやりかたで助けられているなあという意味で感じたというのもある。ひさびさに人間関係的な意味で良いアニメだった
というわけでバイオリズムの回復を待つか。
karma で テストしながらカバレッジを取る
karmaでカバレッジを取る
以前書いた記事からkarmaがバージョンアップしており、カバレッジを取得する方法が変わっていました。
カバレッジを取る方法は、preprocessorsとして定義して、その中でプラグインとしてcoverageを呼ぶ方法となっています。
このため、karmaのインストール時に、karma-coverage をインストールします。
karma-coverageのインストール
また、テストにはJasmine、ブラウザとして PhantomJSを使いたいので、以下のようにpackage.jsonを定義します。
{ "devDependencies": { "karma": "~0.12.21", "karma-coverage": "~0.2.5", "karma-jasmine": "~0.1.5", "karma-phantomjs-launcher": "~0.1.4" } }
$ npm install
いろいろなものがインストールされます。
とりあえず対象となるコードを準備
テキトウです。
src\math.js
// 絶対値取得。numが0以上ならそのまま、0以下ならマイナスをかけて返す function abs(num) { if (num >= 0) { return num; } else { return -1 * num; } }
spec\mathspec.js
describe("math suite", function() { it("math.abs spec when num is positive", function() { expect(abs(10)).toEqual(10); }); });
karmaを設定する
おなじみ初期化です。
$ karma init
Which testing framework do you want to use ? Press tab to list possible options. Enter to move to the next question. > jasmine Do you want to use Require.js ? This will add Require.js plugin. Press tab to list possible options. Enter to move to the next question. > no Do you want to capture any browsers automatically ? Press tab to list possible options. Enter empty string to move to the next quest ion. > PhantomJS > What is the location of your source and test files ? You can use glob patterns, eg. "js/*.js" or "test/**/*Spec.js". Enter empty string to move to the next question. > src/*.js > spec/*.js > Should any of the files included by the previous patterns be excluded ? You can use glob patterns, eg. "**/*.swp". Enter empty string to move to the next question. > Do you want Karma to watch all the files and run the tests on change ? Press tab to list possible options. > no
こんなかんじで設定。
PhantomJSの利用と、ソースファイル、テストファイルを読み込ませるだけです。
とりあえずテスト。
$ karma start
INFO [karma]: Karma v0.12.21 server started at http://localhost:9876/ INFO [launcher]: Starting browser PhantomJS INFO [PhantomJS 1.9.7 (Windows 7)]: Connected on socket neyN1RfF24QpB3M5OJL3 with id 7600682 PhantomJS 1.9.7 (Windows 7): Executed 1 of 1 SUCCESS (0.005 secs / 0.004 secs)
OKですね。
カバレッジを取得する設定を行う
karma.conf.js を修正していきます。
カバレッジを取得するように
reporters: ['progress', 'coverage'],
カバレッジ対象のコードを指定
preprocessors: { 'src/*.js' : 'coverage' },
再度
$ karma start
すると、coverageフォルダができます。
こんなかんじ。
└─PhantomJS 1.9.7 (Windows 7) │ index.html │ prettify.css │ prettify.js │ └─src index.html math.js.html
中身はこんなかんじです。
ばっちりですね。
[python][pandas] pandasで移動平均
Rで移動平均 - tetsunosukeのnotebook を pandasで。
今回は結構簡単です。
>>> import numpy as np >>> import pandas as pd >>> data = np.array([1,2,3,4,5,4,3,2,1]) >>> pd.rolling_mean(data, 5) array([ nan, nan, nan, nan, 3. , 3.6, 3.8, 3.6, 3. ])
[pandas] pandas で 回帰分析
Rで回帰分析 - tetsunosukeのnotebook を pandasでやってみた
特にファイルを読み込む部分がRっぽく書ける
import pandas as pd >>> data = pd.read_csv("2-1.csv") >>> data.describe() degree amount count 12.000000 12.000000 mean 16.391667 1310.833333 std 7.607587 414.355323 min 5.100000 772.000000 25% 9.725000 1127.500000 50% 16.700000 1231.000000 75% 22.750000 1355.000000 max 27.500000 2389.000000 [8 rows x 2 columns]
あとはRのnlsのように...
>>> model = pd.ols(y=data["amount"], x=data["degree"], intercept=True) Traceback (most recent call last): File "<stdin>", line 1, in <module> File "c:\Python27\lib\site-packages\pandas\stats\interface.py", line 135, in o ls return klass(**kwargs) File "c:\Python27\lib\site-packages\pandas\stats\ols.py", line 53, in __init__ import scikits.statsmodels.api as sm ImportError: No module named scikits.statsmodels.api
ols関数で回帰分析しようとしたら落ちた!
追ってみると、Patsy が入っていなかったのでインストールして再実行
>>> model -------------------------Summary of Regression Analysis------------------------- Formula: Y ~ <x> + <intercept> Number of Observations: 12 Number of Degrees of Freedom: 2 R-squared: 0.6119 Adj R-squared: 0.5731 Rmse: 270.7228 F-stat (1, 10): 15.7685, p-value: 0.0026 Degrees of Freedom: model 1, resid 10 -----------------------Summary of Estimated Coefficients------------------------ Variable Coef Std Err t-stat p-value CI 2.5% CI 97.5% -------------------------------------------------------------------------------- x 42.6066 10.7296 3.97 0.0026 21.5766 63.6365 intercept 612.4407 192.4569 3.18 0.0098 235.2251 989.6562 ---------------------------------End of Summary---------------------------------
x, interceptの値、42.6066と612.4407を得ることが出来ました。
>>> model.summary_as_matrix x intercept beta 42.606567 612.440687 p-value 0.002639 0.009782 std err 10.729551 192.456913 t-stat 3.970955 3.182222 [4 rows x 2 columns]
beta値のところに求めたい値が出ています。
R-Style
Rっぽくモデルを書くことができるので、それを試してみます。
>>> import statsmodels.formua.api as sm >>> res = sm.ols(formula="amount ~ degree", data=csv).fit() >>> res.summary2() <class 'statsmodels.iolib.summary2.Summary'> """ Results: Ordinary least squares ============================================================ Model: OLS AIC: 170.2930 Dependent Variable: amount BIC: 171.2628 No. Observations: 12 Log-Likelihood: -83.146 Df Model: 1 F-statistic: 15.77 Df Residuals: 10 Prob (F-statistic): 0.00264 R-squared: 0.612 Scale: 73291. Adj. R-squared: 0.573 ------------------------------------------------------------ Coef. Std.Err. t P>|t| [0.025 0.975] ------------------------------------------------------------ Intercept 612.4407 192.4569 3.1822 0.0098 183.6200 1041.2614 degree 42.6066 10.7296 3.9710 0.0026 18.6996 66.5135 ------------------------------------------------------------ Omnibus: 4.269 Durbin-Watson: 2.667 Prob(Omnibus): 0.118 Jarque-Bera (JB): 1.424 Skew: 0.700 Prob(JB): 0.491 Kurtosis: 3.943 Condition No.: 44 ============================================================
Rでカイ二乗検定 を pandas/scipy で
カイ二乗検定を行うだけであればpandasは必要なさそうです。
Rで下記のように行っていたコードを、
chisq.test( c(10, 10, 10, 25, 1, 4) )
scipy.stats.chi2_contingencyに渡すために、本来同数であれば全部10回ずつになる、という仮定を並べておきます。
>>> import scipy.stats >>> obs = np.array(10,10,10,10,10,10], [10,10,10,25,1,4) >>> res = scipy.stats.chi2_contingency(obs) >>> res[0:2] (16.363636363636363, 0.005879038879660156)
p値が0.005ということになりました。
同様に
10, 10, 10, 8, 8, 14
というデータであればp値は0.95311546950018988となりました。
検定の結果としては両方共Rで実施した場合と等しくなっています。
Rでこれと同じ数字を出すためには
> m = matrix(c(10,10,10,10,10,10, 10,10,10,25,1,4),ncol=6, byrow=T) > m [,1] [,2] [,3] [,4] [,5] [,6] [1,] 10 10 10 10 10 10 [2,] 10 10 10 25 1 4 > chisq.test(m) Pearson's Chi-squared test data: m X-squared = 16.3636, df = 5, p-value = 0.005879
このようにしないといけなかったのですね。
うどん、そば、ラーメンのケースでは
>>> scipy.stats.chi2_contingency(np.array([[1,7,3],[13,6,10]]))[0:2] (7.5634710117468744, 0.022783116860954487)
となりRと結果が異なっています。これはR側で計算値が不正確、というメッセージのとおりだからかもしれません。
2013年を振り返る
会社のチームで、そもそも今年何したんだっけ、ってのを並べたらウンザリするほどろくな成果を出してない感じがあって、なんでだったんだろーねー。という感じ。
さて、全体としては
テスト。テスト。テスト。
結局チームでの在籍年数が一番長くなってしまったのですが、一向に技術的負債が減らないのをなんとか1日二時間残業してでもやる、というつもりで続けた。仕事がどうにもならなく忙しい時は出来なかったが、目標としてしっかり負い続けることができたのは良かった。
とはいえもとのコードに手を入れないと書けない部分などはそう簡単には手を付けられず、まあ、こうしてればよかったのに、ということのイメージが少しついたことぐらいがプラスか。
担当領域の変更
会社として新しいことをやっていくということで、リーダーからサブリーダーへ。サブリーダーというのはある意味性に合っていて、サポートをしていくということには変わりがなかったが、意志いれという部分で構想を持たなくなったのは自分としてよかったのかどうかは悩むところ。
また、新メディア、STANDS! で、マーケティング分野へ関わることになり、何かをはじめるにあたりデータの観点からどうサービスを構築するか?ということに強く関心を持ち、実業務においてもいろいろな経験することができた。これに関してはまだまだだけどとにかく経験だと思う。
データに関するお仕事
とにかくデータに関する本をいろいろ読んだ。データサイエンティストという名前のついた仕事にいろいろある中、自分の働き方にあったものがいくつか見えたので、それにデータサイエンティストという名前が不適切であったりそもそもそんな名前がクソだ的な話はいろいろあるが、職種であるかどうかも含めてここはやっていこうという気になった。
今年の冬休みの宿題はリーンアナリティクスを読むこと。
来年も事例にはいろいろ当たりたい。
健康について考え方を変える
しばらく続けていたトレーニングはやめて、もうすこし体に負担のかからないものにしようかと。
どうしても義務感から体調崩したりもしたので、無理なく続けられる何かに目を向けていきたい。
まあここは
夫婦でできるもの、というところへもシフトしたいということはあるのだけど。
趣味
今年は野球はたくさんの試合に出れるようにした。またまだ成績は良くならないけど、バッティングについてはいろいろ教えてもらってシーズン.260は打てたので及第点。守備が不安なのでなにかいい対策はないかなー。
リアル脱出ゲームについては少し慣れてきた。まあ慣れながらやっとクリアには二歩前、くらいのレベルだけど。
音ゲーは好きな曲しかしてなくて回数も少なかったからちっとも成長がないな。
2014年もやり過ぎない程度に続けたい。
2014年は
2013年少し感じたことだけど、自分が大事だと思ったことをなんとしてもやろう、という年にしたい。周りを見てもそういう人が上手くやっていたように見えた。
周りのことも大事だけど、そうでないことをしっかりやれるようにしたい。