石川 昌和 | Masakazu Ishikawa | いしかわ まさかず

徒歩圏内なので、まずは箕面船場阪大前駅に行ってみた。ここはもともと図書館によく行っていたところ。だが、駅ができる前に比べて明らかに人が増えている。 人が増えている割にはそこまで周りにお店がない感じ。これから発展するのだろうか。この周辺は本当に一流のカフェがあるのでもっと盛り上がってほしい。 箕面船場阪大前は、かなり地下に電車が通っている。図書館がある二階のテラスから地下まで大きなエスカレーターがある。これだと簡単だが、階段だと大変そう。実際に階段を使っている人はあまりいなかった。階段は複数階にわかれているがその間にお店とかもないので閑散としていた。ここは将来的に改善されていくのだろうか。 電車で一駅、箕面萱野へ。ここは人が多かった。Qs Mallに新しいStation棟というのがあるのでそこにはいってみる。だが特にやることはなかった。プリンを買って帰った。 箕面萱野駅は地上2階ぐらいの位置だが、箕面船場阪大前は地下。くだっていっているのだろうか。

博士号を持っている人が就職できないと言われて久しい。人文学系の人も就職できないと言われている。そうでなくても、みんな大学を出るのだけど、卒論で研究したものは殆ど使われることがない。

ニューラリンクの技術で、脳で考えるだけでゲームができるようになったらしい。半身不随の方も希望を持てるというのは本当に素晴らしい。SpaceXのStarshipも毎回確実に進化しているし、Teslaはもう自動車会社ではなくて、AIロボットの会社、エネルギーの会社になろうとしている。OpenAIももともとイーロン・マスクが共同で作ったものだし、Twitterも彼のものだし、なんか世界の全ては彼が作っていくんじゃないかと思ってしまう。正直彼は好きではないけど、すごいなぁ。

評判がいいアプリゲームをダウンロードしてみた。300円はめちゃくちゃ安い。カフェを経営するアプリで、ものすごく丁寧に作られている。まだ始めたばかりだけど。 経営の僕の癖で気づいたものを書いていこうかなと思う。 まず、別の会社の株を買って設けるのは全く興味ない。 黒字ならOK。 インターネットは高速。コンセント付き。音楽サービス付き。 コーヒー豆はなるべく良いものを。

アーティスティックな水族館。いいんだけど、やっぱり水族館は人が多いと結構疲れる。

Volcano plotでManhattan distanceを計算するには、以下の手順が必要です。 # 1. データの準備 Volcano plotを作成するために必要なデータは以下の2つです。 - X軸: 各遺伝子の発現量 - Y軸: 各遺伝子のp値 # 2. Manhattan distanceの計算 Manhattan distanceは、2つの点間の距離を、各座標軸の差の絶対値の合計として計算します。 Volcano plotにおけるManhattan distanceは、以下の式で計算できます。 Manhattan distance = |X1 - X2| + |Y1 - Y2| ここで、 - (X1, Y1) は、比較対象となる遺伝子の座標 - (X2, Y2) は、参照となる遺伝子の座標 # 3. Volcano plotへの表示 Manhattan distanceを計算したら、Volcano plot上に表示します。 一般的には、Manhattan distanceが大きい遺伝子を、Volcano plotの右上に表示します。 # 4. 統計分析 Manhattan distanceに基づいて、遺伝子発現とp値の関係を統計分析することができます。 例えば、t検定やWilcoxon signed-rank testを用いて、2つの群間のManhattan distanceの差が統計的に有意かどうかを検定することができます。 # RによるManhattan distanceの計算例 #ライブラリの読み込み 　library(ggplot2) #データの準備 gene_expression コードは注意してご使用ください。 このコードを実行すると、Manhattan distanceに基づいて作成されたVolcano plotが表示されます。 # 参考資料 - Volcano plot - Wikipedia: https://en.wikipedia.org/wiki/Volcano_plot - Manhattan distance - Wikipedia: https://en.wikipedia.org/wiki/Manhattan_distance

サ道で紹介されていた神戸サウナ＆スパ。神戸三宮駅から徒歩5分程度とかなりの好立地。イメージとしては梅田の大東洋やニュージャパンのようなカプセルホテル＆サウナ。しかし、ここは大東洋もニュージャパンも超えた素晴らしいサウナだった。 施設自体が広いのかわからないが、かなりの開放感がある。サウナは大きく3種類。普通のサウナ、フィンランドサウナ（暗くてテレビなし、セルフロウリュ）そして、塩サウナ。大東洋よりも広い感じがするし、何より休憩スペースが充実してて昼寝も余裕でできる。これはリアル桃源郷。近くにあれば毎週でも行きたいけど、遠いからなぁ。でも神戸に来たらまた行きたい。 https://amufaamo.blogspot.com/search?q=%E5%A4%A7%E6%9D%B1%E6%B4%8B https://amufaamo.blogspot.com/search?q=%E3%82%B5%E3%82%A6%E3%83%8A

久しぶりに朝マック。朝マックしたのはバイクの教習所に通っている以来かもしれない。 マックドリトルを食べてみるがなんかこれじゃないかもしれない。アマジョッパイ必要ないかな。

みーとがーでんはいつも混んでいるからなかなか入れないけど、空いているときはたまに入るようにしている。ランチが最高。今日はちょっと高いロースを頼んだけど安い方と違いがよくわからん。これは安い肉も十分美味しいからだと思う。

Rで、データフレームのある列に特定の文字列を含む行のみ取得するには、いくつかの方法があります。以下で、その方法と、それぞれの特徴について詳しく説明します。 # 方法1：grep関数 grep("文字列", 列名) この方法は、列名に指定された文字列を含む行をすべて抽出します。シンプルな方法ですが、部分一致には対応していないため、注意が必要です。 例： #データフレームの読み込み df # 方法2：grepl関数 grepl("文字列", 列名) この方法は、列名に指定された文字列を含む行をすべて抽出します。grep関数との違いは、部分一致にも対応する点です。 例： #"A"を含む行を抽出 df_filtered # 方法3：str_detect関数 library(stringr) str_detect(列名, "文字列") この方法は、stringrパッケージのstr_detect関数を使用します。grep関数やgrepl関数よりも高速に動作すると言われています。 例： library(stringr) # "A"を含む行を抽出 df_filtered # 方法4：filter関数 library(dplyr) df %>% filter(列名 %in% c("文字列1", "文字列2", ...)) この方法は、dplyrパッケージのfilter関数を使用します。複数の文字列を指定して、それらを含む行を抽出することができます。 例： library(dplyr) #"A"または"B"を含む行を抽出 df_filtered % filter(列名 %in% c("A", "B")) #抽出結果の確認 head(df_filtered) # 方法5：subset関数 subset(df, 列名 == "文字列"...

Rでlistから特定の文字を含む要素を排除するには、いくつかの方法があります。 # 方法1：grep()関数を使う grep()関数は、文字列ベクトルからパターンに一致する要素を抽出するために使用できます。この場合、パターンは除外したい文字を含む正規表現になります。 list この例では、exclude_charに"c"を指定し、grep()関数で"c"を含まない要素のみを抽出しています。 # 方法2：sapply()関数とgrepl()関数を使う sapply()関数とgrepl()関数を組み合わせて、listの各要素に対してパターンマッチングを行い、除外したい文字を含む要素を削除することもできます。 list この例では、sapply()関数でlistの各要素に対してgrepl()関数を適用し、"c"を含む要素をFALSE、そうでない要素をTRUEとして返しています。 # 方法3：purrr::map_lgl()関数を使う purrrパッケージのmap_lgl()関数を使うと、より簡潔に処理を行うことができます。 library(purrr) list この例では、map_lgl()関数でlistの各要素に対してgrepl()関数を適用し、"c"を含む要素をFALSE、そうでない要素をTRUEとして返しています。 これらの方法のどれを使うかは、コードのスタイルや好みによって選ぶことができます。 # その他の方法 上記以外にも、以下のような方法で特定の文字を含む要素を排除することができます。 - forループを使ってlistの各要素を検査し、除外したい文字を含む要素を削除する。 - filter()関数を使ってlistの要素をフィルタリングする (dplyrパッケージが必要)。 これらの方法は、上記の方法よりも複雑になる場合がありますが、より柔軟な処理を行うことができます。 # 補足 - 上記の例では、除外したい文字を1文字のみ指定していますが、複数の文字を指定することも可能です。 - 大文字と小文字を区別したい場合は、ignore.case = FALSEオプションを指定する必要があります。

R言語で特定の列にNAを含む行を除く方法は以下の通りです。 まず、データフレームが以下のようになっていると仮定します： df 次に、col1列にNAを含む行を除きます： df このコードでは、is.na()関数を使用してcol1列にNAがあるかどうかを確認し、その結果を否定（!）しています。 つまり、col1列にNAがない行だけが選択されます。以上で、特定の列（ここではcol1）にNAを含む行が除かれます。

僕の家の最寄り駅の一つである千里中央が終点じゃなくなってしまった。北に2.5 km延伸し、箕面船場阪大前駅と、箕面萱野駅のふたつが新たにできた。 箕面船場阪大前駅周辺、つまりは船場と呼ばれるところは僕の生活圏内で歩いてでも行けるところ。ポパンクールカフェ、マザームーンカフェ、Cafe matinなど、素晴らしいカフェがたくさんあるところ。本当はあまり人は来てほしくないのだけど、これを気に発展してくれることは嬉しいかな。街全体がカフェになって欲しい。 土曜日に歯医者に行くのに、千里中央で電車に乗ったら、たくさん人がいた。特に先頭車両。みんな動画撮りたいんだな。今まで終点だったから、プラットフォームの左右どちらともなかもず行で、どちらかには電車が止まっていたからすぐ座れたけど、今は一方だけが中百舌鳥行になっている。これはちょっと不便。ただし僕の家は北千里も近いので、梅田とか行く場合は北千里から行ったほうがいい。 ２０２４年の３月２３日はだいぶ先だと思っていたけど、もう来てしまった。 路線図を見て思ったのだけど、箕面船場阪大前はM7、箕面萱野はM6。ということは将来的にもっと、延伸する予定！？

Canonicalタグとは、複数の同じ記事があったときに、これが本家ですよと示すもの。 NoteやZennなどにも書きたいから、このBlogger にCanonical tagをつけてみた。各記事につけるのが面倒なので、すべての記事に付ける方法をCopilotにきいてみた。 すると、htmlのヘッダーの部分に以下をいれると良いらしい。本当かどうかは知らない。  <b:if cond='data:blog.url == data:blog.canonicalHomepageUrl'>   <link rel="canonical" href='data:blog.url'/> <b:else/>   <link rel="canonical" href='data:blog.canonicalUrl'/> </b:if>

ここは高級パン屋。とてもいいところだが、家から遠いので歯医者のついでに行く感じ。あといつも並んでる。パンはどれも美味しそう。

結構いいお店。ちょうど入れた。ここは居心地がいいが、食べ物は結構普通かな。

職場から近くのインド料理屋。美味しいんだけど、いつも空いている。今日は12時ぐらいに行ったんだけど、空いてた。美味しいからいいんだけど。 チーズナンがもはやピザ。なんかはちみつもかかってる？美味しいんだけど、暴力的なカロリーありそう。

Cell Ranger outputのfiltered_feature_bc_matrix.h5は、シングルセルRNA-seq解析で使用する重要なファイルです。このファイルには、細胞ごとに検出された遺伝子発現量の情報がHDF5形式で保存されています。 # 内容 filtered_feature_bc_matrix.h5ファイルには、以下の情報が含まれています。 - 細胞バーコード: 細胞を識別するためのユニークなID - 遺伝子ID: 検出された遺伝子のID - UMIカウント: それぞれの遺伝子発現量に対応するUMIの個数 - これらの情報は、細胞ごとの遺伝子発現量を分析するために使用されます。 # 用途 filtered_feature_bc_matrix.h5ファイルは、以下のような用途に使用されます。 - 細胞ごとの遺伝子発現量を可視化 - 細胞のクラスタリング - 細胞特異的な遺伝子の発掘 - 遺伝子発現量の変化の分析 # Seuratでの読み込み方 library(Seurat) #hdf5ファイルを読み込む data また、hdf5ファイルからcell barcode, gene id, Count matrixを個別に取得したいときは以下のようにします。 library(h5r) # ファイルを読み込む data # 参考 - 10x Genomics Cell Ranger documentation: https://www.10xgenomics.com/support/software/cell-ranger/latest/analysis/inputs/cr-inputs-overview - HDF5 website: https://www.hdfgroup.org/solutions/hdf5/

JupyterLabのファイル（`.ipynb`ファイル）はJSON形式で保存されているため、テキスト検索ツールを使用して特定の文字列を含むファイルを検索することができます。以下にいくつかの方法を紹介します。今回は**hoge**という文字列を探す方法を紹介します。 # 方法1: grepを使用する（LinuxまたはMac） ターミナルを開き、JupyterLabファイルが保存されているディレクトリに移動します。次に、以下のコマンドを実行します。 grep -r "hoge" *.ipynb このコマンドは、現在のディレクトリとサブディレクトリ内のすべての`.ipynb`ファイルを再帰的に検索し、"hoge"という文字列を含むファイルとその行を表示します。 # 方法2: Windowsでの検索 Windowsの場合、PowerShellを使用して同様の検索を行うことができます。PowerShellを開き、以下のコマンドを実行します。 Get-ChildItem -Recurse -Filter "*.ipynb" | Select-String -Pattern "hoge" このコマンドは、現在のディレクトリとサブディレクトリ内のすべての`.ipynb`ファイルを検索し、"hoge"という文字列を含むファイルとその行を表示します。 # 方法3: Pythonスクリプトを使用する Pythonスクリプトを使用して、JupyterLabファイルを読み込み、特定の文字列を検索することもできます。以下はその例です。 import os import json def search_ipynb(directory, search_string): for root, dirs, files in os.walk(directory): for file in files: if file.endswith('.ipynb'): file_path = os.path.join(root, file)...

shiny と ggplot2 を使って、sortable パッケージの rank_list() を使用し、ユーザーがインタラクティブに棒グラフの X 軸の順番を変更できる Shiny アプリケーションのスクリプトを作成します。この例では、rank_list() UI コンポーネントを使用してユーザーがドラッグ＆ドロップで項目の順番を変更でき、その順番が棒グラフに反映されるようにします。 library(shiny) library(ggplot2) library(dplyr) library(sortable) # Data ui % mutate(Category = factor(Category, levels = input$ranked_items)) # ggplot2を用いて棒グラフを描画 ggplot(ordered_data, aes(x = Category, y = Value)) + geom_bar(stat = "identity", fill = "steelblue") + theme_minimal() + labs(title = "カテゴリ別の値", x = "カテゴリ", y = "値") }) } # アプリの実行 shinyApp(ui = ui, server = server) このスクリプトでは、rank_list() を使用してユーザーがカテゴリの順番をインタラクティブに指定できます。ユーザーが項目をドラッグ＆ドロップで並べ替えると、その順序が input$ranked_items に保存され、サーバー側のスクリプトでこの順序を使用してデータフレームを再配置し、棒グラフの X 軸の順番が更新されます。ggplot2 の描画部分では、カテゴリーをファクタとして扱い、ユーザーが指定した順序でレベルを設定しています。

AnacondaとMinicondaは、どちらもPythonのディストリビューションですが、いくつかの重要な違いがあります。 <br> <br>   #  1. 収録パッケージ       - Anaconda: データサイエンスに必要なパッケージが多数プリインストールされています。NumPy、SciPy、Pandas、Matplotlib、Jupyter Notebookなど、データ分析、機械学習、科学計算などに必要なライブラリがすぐに利用できます。  - Miniconda: Pythonとcondaパッケージマネージャーのみがプリインストールされています。必要なパッケージは、後からcondaを使ってインストールする必要があります。 <br> <br>       #  2. インストールサイズ        - Anaconda: プリインストールされているパッケージが多いため、インストールサイズは大きくなります。(約5GB) - Miniconda: 最小限のパッケージのみがプリインストールされているため、インストールサイズは小さくなります。(約50MB)   <br> <br>       # 3. 対象ユーザー    - Anaconda: データサイエンスをすぐに始めたい初心者や、必要なパッケージが最初から揃っている環境を求めるユーザーにおすすめです。 - Miniconda: 必要なパッケージを自由に選択してインストールしたいユーザーや、インストールサイズを抑えたいユーザーにおすすめです。   <br> <br>       # 4. その他   - Anaconda: Anaconda Navigatorと呼ばれるGUIツールが付属しており、パッケージのインストールや管理、Jupyter Notebookの起動などを簡単に操作できます。 - ...

免疫とは、生物が病原体から身を守るための防御システムです。私たちの体内に侵入した細菌やウイルスなどの病原体（異物）を認識し、排除します。このシステムは、主に白血球を中心とする「免疫細胞」によって担われています。具体的には、以下の3つの要素から構成されています。 - **自己と非自己の識別**: 免疫システムは、自己の細胞と非自己の細胞を区別する能力を持っています。自己の細胞は攻撃せず、非自己の細胞のみを攻撃します。 - **病原体の排除**: 免疫システムは、侵入した病原体を認識し、排除します。この排除には、貪食、抗体による攻撃、T細胞による攻撃など、様々なメカニズムが関与します。 - **免疫記憶**: 免疫システムは、一度感染した病原体を記憶し、同じ病原体に再感染した際に迅速な免疫応答を誘導することができます。 免疫には、大きく2つの種類があります。 # 1. 自然免疫: 生まれつき備わっている免疫で、体内に侵入したあらゆる異物に対して非特異的に攻撃します。主な役割は以下の通りです。 - 物理的バリア: 皮膚や粘膜などの物理的な障壁によって、異物の侵入を防ぎます。 - 貪食: 白血球の一種であるマクロファージや好中球が、異物を貪食して除去します。 - NK細胞: 自然免疫細胞の一種であるNK細胞が、ウイルス感染細胞や癌細胞を攻撃します。 - 炎症: 異物が侵入した部位に炎症を起こし、病原体を封じ込めます。 # 2. 獲得免疫: 病原体に感染した後に獲得する免疫で、特定の病原体に対して特異的に攻撃します。主な役割は以下の通りです。 - 抗体: B細胞が産生するタンパク質で、特定の病原体に結合して無効化します。 - T細胞: 病原体感染細胞や癌細胞を直接攻撃したり、B細胞を助けて抗体産生を促進します。 - 記憶細胞: 感染後に体内に残った記憶細胞は、同じ病原体に再感染した際に迅速な免疫応答を誘導します。 これらの免疫システムが連携することで、私たちは様々な病原体から身を守ることができます。 # 参考資料 - 免疫とは？: https://www.tyojyu.or.jp/net/topics/tokushu/covid-19-taisaku/menekitohananika.html ...

Rのtidyverseは、以下の2つの方法でインストールできます。 # 1. install.packages()関数を使用する install.packages("tidyverse") この方法では、tidyverseを構成するすべてのパッケージがまとめてインストールされます。 # 2. 個別のパッケージをインストールする install.packages(c("ggplot2", "dplyr", "tidyr", "readr", ...)) この方法では、必要なパッケージのみを個別にインストールできます。 # 注意事項 tidyverseをインストールするには、Rのバージョンが3.0.0以上である必要があります。 古いバージョンのRを使用している場合は、install.packages("tidyverse") コマンドを実行しても、すべての依存関係がインストールされない可能性があります。 個別のパッケージをインストールする場合は、インストールするパッケージのバージョンが互換性があることを確認する必要があります。 # インストールの確認 tidyverseがインストールされているかどうかを確認するには、以下のコマンドを実行します。 library(tidyverse) すべてのtidyverseパッケージが正常にインストールされている場合は、以下のような出力が表示されます。 ── Attaching packages ───────────────────────────────────────────────── tidyverse 1.3.1 ✔ ggplot2 3.3.6 ✔ purrr 0.3.4 ✔ dplyr 1.0.8 ✔ tidyr 1.2.0 ✔ readr 2.1.2 ✔ tibble 3.1.6 ✔ stringr 1.4.0 ✔ lubridate 1.8.0 ✔ forcats 1.5.0 ✔ tidyverse 1.3.1 # 参考資料 - Tidyverse公...

RのTidyverseは、ハドリー・ウィッカム氏を中心とした開発者チームによって開発された、データ分析のためのオープンソースパッケージ群です。データ分析を効率化、簡潔化、そして美しくするための強力なツールです。 データ分析を始める方、あるいはRのスキルを向上させたい方は、ぜひTidyverseを活用することをお勧めします。 # Tidyverseの特徴 - tidy dataと呼ばれる、一貫性のあるデータ構造をベースとした設計 - データの読み込み、加工、可視化、統計分析など、データ分析に必要な機能を網羅 - 直感的で簡潔なコードで、効率的なデータ分析を実現 - ggplot2をはじめとする、高度な可視化機能 - 多くのデータ分析タスクを自動化するパイプライン機能 # Tidyverseを構成する主要なパッケージ - dplyr: データの加工 - ggplot2: データの可視化 - tidyr: データの整形 - readr: データの読み込み - purrr: 関数型プログラミング - stringr: 文字列処理 - lubridate: 時間・日付データの処理 - forcats: カテゴリー型データの処理 # Tidyverseの利点 - データ分析のワークフローを効率化 - コードの可読性と保守性を向上 - 再現性のある分析を実現 - Rコミュニティで広く利用されているため、情報やサポートが豊富 # 参考文献 - Tidyverse公式サイト: https://www.tidyverse.org/ - 書籍: 『Rで学ぶデータサイエンス』 Wickham & Grolemund - オンラインチュートリアル: https://www.datacamp.com/tutorial/tidyverse-tutorial-r

Seuratをインストールするには、以下の2つの方法があります。 # 1. Biocondaでインストール（おすすめ） Biocondaは、生物学研究で使用されるソフトウェアを簡単にインストールできるツールです。Biocondaを使用すると、Seuratだけでなく、Seuratの依存関係も自動的にインストールされます。 ## 手順 Bioconda: https://bioconda.github.io/ をインストールします。 ターミナルまたはコマンドプロンプトを開き、以下のコマンドを実行します。 conda install -c conda-forge seurat # 2. R環境下でインストール R環境下でSeuratをインストールするには、install.packages()コマンドを使用します。 ## 手順 RまたはRStudioを開きます。 以下のコマンドを実行します。 install.packages("Seurat") ## 注意事項 Rのバージョンが3.6.0未満の場合は、Seuratをインストールできない場合があります。Rのバージョンを確認するには、Rのコンソールで以下のコマンドを実行します。 R.version Seuratのインストールに時間がかかる場合があります。 インストール中にエラーが発生した場合は、以下のサイトを参考にしてください。 Seuratのインストール方法 - Satija Lab: https://satijalab.org/seurat/articles/install.html Seurat in Linux (インストール) - Qiita: https://qiita.com/Aiuthss/items/b4b900bc441fc90a8b8d # 補足 Seuratのインストール後、以下のコマンドを実行して、Seuratが正しくインストールされていることを確認できます。 library(Seurat) Seuratの使い方については、以下のサイトを参照してください。 Seuratの公式サイト: https://satijalab.org/seurat/ シ...

RのggplotでX軸の順番を変える方法はいくつかあります。　　 # 方法1：factor()関数を使う factor()関数は、データをカテゴリ変数に変換します。カテゴリ変数には順序が設定できるので、この順序を使ってX軸の順番を変えることができます。 # データを読み込む data このコードでは、x変数をlevels引数で指定した順序（"A", "B", "C"）で並べ替えています。 # 方法2：reorder()関数を使う reorder()関数は、カテゴリ変数の順序を自由に設定できます。 # データを読み込む data このコードでは、x変数をc("C", "B", "A")で指定した順序で並べ替えています。 # 方法3：scale_x_discrete()関数を使う scale_x_discrete()関数は、X軸の目盛を設定する関数です。この関数のbreaks引数で、X軸の順番を指定できます。 # データを読み込む data このコードでは、breaks引数でx変数をA, B, Cの順序で並べ替えています。 これらの方法のいずれかを使って、RのggplotでX軸の順番を変えることができます。

# test　 これはどうだろうか

https://amufaamo.blogspot.com/2021/04/blog-post_35.html 以前もちょっとだけランキングを付けたのだけど、もう3年経ってしまったので、改めてつけようと思う。 1位　延羽の湯　鶴橋店 最近行ったからかもしれないけど、ここの岩盤浴はすごい。エリアとしては大きく2つに分かれている。一つは大きな部屋。もう一つは、小部屋がいくつかある。温度としてはそこまで違いはない感じはある。かなり熱い部屋と、ちょっと暑い部屋のに種類かな。大きな部屋は、床に寝ることもできるし、トンネルのような小さな小部屋もある。そこが電気がついてなくて暗いので、値落ちできる。そして、ロウリュもある。ここは漫画本も持ち込めるので読んでいる人が多い。 休憩部屋は明るいが、トンネル部屋があるのでそこで寝れる。 2位　あるごの湯 大阪の岩盤浴ランキングで一位を取ったこともあるところ。個々の特徴はなんといっても、熱いチムジルバン。ロウリュも開催され、平日でもいっぱいになるぐらい人気。ここは温度が色々あるし、テレビがないので静か。ただし誰も喋ってなければ。休憩室は明るいので値落ちにはあまり適さないかな。ここはレストランの食事も素晴らしい。 3位　スパワールド 唯一無二の巨大スーパー銭湯。岩盤浴も各国の岩盤浴があり、温度も様々。さらに休憩スペースがソファで、テレビも見れるし値落ちもできるし最高。ただし観光施設なので、客層が結構悪い。料金は一番高いかな。 4位　箕面湯本水春 家から近いので一番行ってる。及第点よりも遥かに満足度は高いが、近いのでなんとなく庶民感がありあまりランキングは高くない。ここは休憩スペースも広いし、岩盤浴の種類も豊富なので、満足度は高いのだが、テレビが付いているところが多いのでそこがマイナス。 5位　すみれの湯 駅から遠いので地元民以外あまりいかないと思う。個人的には、そこまで華やかさはないが、全体的に清潔できれい。岩盤浴も素晴らしいし種類も豊富だが、いかんせん休憩スペースがないのが欠点。 6位　箕面スパーガーデン 大江戸温泉物語。ここのバイキングは本当にいい。ただし施設がかなり古い。風呂場のドライヤーを使っていたらケーブルが敗れていたらしくショートして火花が散った。これでもう使えない。岩盤浴はぬるいところもあって、ゆっくりできていいのだが、休憩スペ...

Delete index.html By GitHub March 19, 2024 at 01:27PM via GitHub https://ift.tt/ODovicz

 Rでデータフレームのカラム名をリストで表示するには、いくつかの方法があります。   方法1：names()関数  最も簡単な方法は、names()関数を使用することです。この関数は、データフレームのカラム名のベクトルを返します。 # データフレームの作成 df **方法2：`colnames()`関数** `colnames()`関数は、`names()`関数と同様の機能を提供します。 colnames(df) # 出力 #[1] "name" "age" **方法3：`str()`関数** `str()`関数は、データフレームの構造を表示します。この出力には、カラム名も含まれます。 str(df) # 出力 #'data.frame': 2 obs. of 2 variables: # $ name: chr "John" "Jane" # $ age : num 30 25 ```r ``` **方法4：直接アクセス** データフレームはリストと同様に扱えるので、直接カラム名にアクセスすることもできます。 df$name # 出力 #[1] "John" "Jane" ```r ``` **方法5：`lapply()`関数** `lapply()`関数を使用して、カラム名を含むリストを作成することもできます。 df$name lapply(df, names) # 出力 [[1]] [1] "name" [[2]] [1] "age" これらの方法のいずれを使用しても、データフレームのカラム名をリストで表示することができます。 **その他の方法** * `for`ループを使用して、カラム名を1つずつ表示することができます。 * `sapply()`関数を使用して、カラム名を含むベクトルを作成することができます。 * `tidyverse`パッケージの`select()`関数を使用して、カラム名を選択することができます。 これらの方法は、上記の方法よりも複雑ですが、より柔軟な方法でカラム名を処理することができま...

個人ウェブサイトが好きだなぁ。 https://stephango.com/ https://text4vip.at-ninja.jp/ https://u10.jp/

久しぶりにCafe matinへ。ここのモーニングは最高だ。ランチも最高だけど混んでるのがなぁ。 https://amufaamo.blogspot.com/search?q=cafe+matin

こんなところにスーパー銭湯が。というかここは温泉だった。サウナは小さいけど風呂はいい。特に屋上の露天風呂は本当にいい。

Create test By GitHub March 17, 2024 at 01:01PM via GitHub https://ift.tt/DpIHL9u

阪大吹田キャンパスのラ・シェーナというレストランが3月で閉店するということで行ってきた。今まで3回ぐらいしか行ってないのだけど。ステーキ、美味しいことは美味しい。

タスク管理をしようとして、意気込んでもいつも挫折してしまう。その理由がいくつかあると思った。 １．タスク管理自体がタスクになってしまう NotionやAsanaなど、多機能なタスク管理アプリを使って意気込んでしまっても、途中から整備しなくなる。予定はどんどん変わるのだからどんどん整備しないと使い物にならなくなるのだが、それ自体をしなくなって、結局挫折してしまう。それを防ぐ方法は、頻繁に使うアプリを使うことである。結局普段からあまり使わないアプリは使わなくなってしまう。僕はNotionを普段からあまり使っていないので定着しなかった。しかしGoogle keep, drive, calendarは使っているので定着した。Slackを常に開いている人はSlackを使えばいいし、Twitterでもいいと思う。スマホはみんな常に使っているのだから、何かしらよくつかっているアプリはあるはず。それをまず使うべきだと思う。 ２. 未来の自分と現実の自分のギャップのせいで挫折してしまう 人間は未来の計画は懸命になれる。しかし、直前の計画は怠惰になってしまう。なので、計画はなるべく早めに立てたほうが、懸命な計画になるのだが、ただそれだと達成できないぐらいの壮大な計画になってしまうのである。一番いいのは直前に計画を立てること。週間目標は数を設け、日間目標は前日に決める。

子守中に気軽に見れるビデオとしてサ道というのを見た。気軽も見れて面白かった。関西のサウナが出てこなかったのがちょっと残念だけど次は出てくるかな。 蒸Zのことばもyokatta 若者よ、サウナを信じるな。 ととのうとは何か？ ただの言葉だ。 特別な状態を追い求めてはいけない。 なぜなら、そんな状態はこの世に存在しないからだ。 幸せを信じ、追い求めることが、幸せでない苦しみを生み出すのだ。 サウナとは、身体を温め、水風呂に入り、身体を休める。 ただ、それだけのことだ。そこにあるのは、安らぎと喜びだけ。 それ以上求めてはいけない。あるがままに、その安らぎと喜びを感じていればいいのだ。 サウナを信じるな。サウナを信じるな 智遥は機能の１０時ぐらいに寝て、６時ぐらいまで起きなかった。この調子ならいい。サ道を見終わった。 ９時にさきもと皮膚科に行った。その後、１０時に出勤。履歴書を書きたいが、なかなか筆が進まない。

旅をしながら仕事をすることに憧れているのだけど、僕の理想を言っていこうかなと思う。 まず、持ち物としては服などを除くと、スマホ、iPad mini, Macbook Air 13インチが最強だと思う。 6時に起きる。 6時からから8時まで仕事。（2時間） 8時から9時まで朝食。 9時から10時まで仕事。（１時間） １０時から１５時まで移動、観光、昼食 １５時から１９時まで仕事。（４時間） １９時から２０時まで夕食。 ２０時から２２時まで仕事（２時間） ２２時から風呂など休憩。 これで仕事時間９時間。本当はここまでうまく行かないかもしれないけど、これが理想だな。一日観光ってつかれるし、夜は暇だからYoutube見たりしてるから仕事している方がいいかな。

欧州を陸路で繋ぐの9作目が出版されました。まだレビュー中ですが。

Google documentがどんどんNotion化シてきていっている。Wordの互換ということで、紙ベースだったのが、ページなしがデフォルトになって、その後アットマークで色々連携できたりしてきている。ということは、これでは、Notionは潰されてしまうのか。そのうちApple pencilも使えるようになったらGoodnoteも必要ないし、そうなってほしい。 Google documentに求める機能 - バックリンク - 同期ブロック - 手書き

https://maps.app.goo.gl/KGr6n5RVhbZgN5YG8 素晴らしいコーヒー豆やなのだが、いかんせん、交通の便が悪い。車じゃないと行けないのがなぁ。豆は最高だと思う。

彩都西のイタリアン。彩都西ってあまりいかないけど、食べるところは少なそう。個々はとてもいいところ。

朝図書館に行ったら、まだ空いてなかった。しかし、玄関では数人が並んでいる。多くは、参考書などを持って勉強している。本当に頭が上がらない。街はもっと勉強するスペースを増やすべきだ。図書館はいっぱい、スタバはいっぱい。イオンなんていらない。勉強できるスペースをもっと。

スーパー銭湯の水春では、休日限定で朝食バイキングをしているのだけど、それがすごい。たかがおまけみたいなものだと思ったら大間違い。高級感はないのだけど、理想の朝食バイキングがある。しかも１３００円でリーズナブル。本当にこれいいのかなって思う。 問題は、休日に早起きできるかということである。あと、早朝といえども混んでいる。朝７時にはサウナは満員。風呂は空いているんだけど。

パナソニックのコリコランをレンタルしてみた。高周波ということで全く何も感じないのだが、本当に効くのだろうか。

両方とも男性名詞が間違っている。 ChatGPT ロシア語では、名詞の性別を区別することが一般的です。一般的には、名詞が男性、女性、中性のいずれかに属するかを判断します。以下は、名詞の性別を判断する基本的な方法です： 1. **男性（мужской род）**：ほとんどの男性名詞は、語尾が「-й」や「-ь」で終わることが特徴です。例えば、「дом (家)」や「стол (テーブル)」が該当します。 2. **女性（женский род）**：女性名詞は一般的に「-а」や「-я」で終わることが多いです。例えば、「книга (本)」や「дверь (ドア)」が該当します。 3. **中性（средний род）**：中性名詞は一般的に「-о」や「-е」で終わることが多いです。例えば、「окно (窓)」や「море (海)」が該当します。 ただし、これは一般的な傾向であり、いくつかの例外も存在します。名詞の性別は単語自体に組み込まれており、覚える必要があります。 Gemini  ロシア語の名詞には、男性名詞、女性名詞、中性名詞の３つの性があります。名詞の性は、単語の末尾の文字によって区別することができます。 **男性名詞** * 通常、-о、-е、-ьで終わります。 * 例：стол（テーブル）、стул（椅子）、день（日） **女性名詞** * 通常、-а、-яで終わります。 * 例：книга（本）、ручка（ペン）、девочка（女の子） **中性名詞** * 通常、-о、-е、-мяで終わります。 * 例：окно（窓）、дерево（木）、время（時間） **例外** * -ьで終わる名詞は、男性名詞と女性名詞の両方があります。 * 例：учитель（先生）、мать（母親） * 一部の名詞は、性によって意味が異なってきます。 * 例：солдат（男性兵士） - солдатка（女性兵士） **名詞の性を判断するコツ** * 名詞の意味から推測することができます。 * 例：男性を表す名詞は男性名詞、女性を表す名詞は女性名詞であることが多いです。 * 辞書で調べることができます。 * 多くの辞書には、名詞の性とその意味が記載されています。 **練習問題** 以下の名詞の性を判断してください。 * дом（家） * вода（水）...

１．タオル これは当然 ２．耳栓 岩盤浴内は静かにする必要があるけど、必ず喋る不届き者がいる。これが腹立つのだが、耳栓で解決するかもしれない。 ３．柔らかい枕 なぜか硬い枕しかなくて、リラックスできないので柔らかい枕がほしい。 ４．アイマスク 寝落ちしたいのだが、照明で明るい事があるのでアイマスクがあればいいな。

有給であるごの湯へ行ってきた。ぼくの中のトップ１の岩盤浴。新しいし、とてもいい。 風呂で体を洗って岩盤浴へ。一番最初に、一番熱いチムジルバンへ。汗をかいて外へ出る。その後、ぬるい岩盤浴を行き来する。サウナの水風呂は苦手だけど、岩盤浴の寒い部屋は大丈夫。 ここのいいところは、岩盤浴内にテレビがないこと。それがほんとうにいい。 一通り汗をかいたら休憩＆食事。ここの食事はおいしい。なんか贅沢した気分。 その後また岩盤浴をラウンド。１４時にロウリュが開催されるが人が多いので参加せず、ロウリュ後に部屋に入ると、まだ熱気が残ってるのでそこで残りの熱気を味わう。 １５時に、マッサージ。これは初めて。ヘッドスパも初めて。7000円ぐらいでよかったけど、やっぱりこれは整骨院のほうがいいかなと思う。 そのあと、レストランでパフェを食べる。風呂に入って、バスで駅へ。最高の一日。

突然発表されたM3 Macbook Air.そしてM1 Macbook Airは終売。僕は一ヶ月前にM1 Macbook Airを購入した。本当に購入してよかった。 M1 Macbook AirをM2やM3よりも好きな理由は以下の通り。 1) 値段が安い 2) 性能が必要十分 3) ケーブルがマグネットのMac専用の端子じゃなくてUSB-C 4) ノッチがない 5) フラットデザインじゃない 正直すごい性能は必要ないと思っているし、今のまんまで十分。本当に買っといてよかった。