お知らせ - 流行の科学技術を勝手に追いかけるブログ人工知能仮想現実ブロックチェーン

python : pyscript

例

<!DOCTYPE html>
<html lang="ja">
  <head>
    <meta charset="utf-8" />
    <link rel="stylesheet" href="https://pyscript.net/alpha/pyscript.css" />
    <script defer src="https://pyscript.net/alpha/pyscript.js"></script>
    <py-env>
        - numpy
    </py-env>
  </head>

  <body>
      <h1>pyscript demo</h1>
    <py-script>
import numpy as np

print('すごいことになっている')
print('すごいことになっている')
a = 100+20
print(a)
print(np.random.randn())
    </py-script>
  </body>
</html>

<!DOCTYPE html>

<head>

<py-env>

- numpy

</py-env>

</head>

<body>

<h1>pyscript demo</h1>

<py-script>

import numpy as np

print('すごいことになっている')

a = 100+20

print(a)

print(np.random.randn())

</py-script>

</body>

</html>

python : logging モジュールの使い方

使い方例

#from distutils.debug import DEBUG
#from distutils.log import ERROR, 
from logging import getLogger, FileHandler, StreamHandler
from logging import Formatter
from logging import DEBUG, INFO, WARNING, ERROR, CRITICAL


# ロガー　フォーマッターのオブジェクトを作成する
logger = getLogger(__name__) # ログの出力を命令するオブジェクト
formatter = Formatter('[%(levelname)s] %(asctime)s - %(message)s (%(filename)s)')

# ハンドラーのオブジェクトを作成する
#handler = StreamHandler() # どうやってログの出力をするか操作するオブジェクト、出力実行部分、Pythonの標準出力
handler = FileHandler('log_all.txt') # ファイルにロギングする
handler.setLevel(DEBUG) # ログのレベルの設定　デバッグモード
handler.setFormatter(formatter) # フォーマッターをハンドラーにセットする

error_handler = FileHandler('log_error.txt') # ファイルにロギングする
error_handler.setLevel(ERROR) # ログのレベルの設定 エラーモード
error_handler.setFormatter(formatter) # フォーマッターをエラーハンドラーに設置する

 # ロガーのログのレベルの設定　デバッグモード
logger.setLevel(DEBUG)

# ロガーにハンドラーを追加
logger.addHandler(handler)
logger.addHandler(error_handler)


logger.debug('ここはデバッグログが入る')
logger.info('ここにインフォログが入る')
logger.warning('ここにワーニングログが入る')
logger.error('ここにエラーログが入る')
#logger.critical('ここにクリティカルログが入る')

""" ログレベル
1.DEBUG    -> debug()     :開発中　動きが正しいかの確認　一番低いレベルなので、すべてのログが出力される
2.INFO     -> info()      :正常な動きをしている情報
3.WARNING  -> warning()   :想定外のこと、問題が起きるかもしれないという警告
4.ERROR    -> error()     :問題が起きた
5.CRITICAL -> critivcal() :とても重大な問題が発生

logger.error('XXXXX) -> ログレベルがエラー以上のとき出力されるメッセージ
"""

"""ハンドラーを２つ作ってみる

"""

#from distutils.debug import DEBUG

#from distutils.log import ERROR,

from logging import getLogger, FileHandler, StreamHandler

from logging import Formatter

from logging import DEBUG, INFO, WARNING, ERROR, CRITICAL

# ロガー　フォーマッターのオブジェクトを作成する

logger = getLogger(__name__) # ログの出力を命令するオブジェクト

formatter = Formatter('[%(levelname)s] %(asctime)s - %(message)s (%(filename)s)')

# ハンドラーのオブジェクトを作成する

#handler = StreamHandler() # どうやってログの出力をするか操作するオブジェクト、出力実行部分、Pythonの標準出力

handler = FileHandler('log_all.txt') # ファイルにロギングする

handler.setLevel(DEBUG) # ログのレベルの設定　デバッグモード

handler.setFormatter(formatter) # フォーマッターをハンドラーにセットする

error_handler = FileHandler('log_error.txt') # ファイルにロギングする

error_handler.setLevel(ERROR) # ログのレベルの設定エラーモード

error_handler.setFormatter(formatter) # フォーマッターをエラーハンドラーに設置する

# ロガーのログのレベルの設定　デバッグモード

logger.setLevel(DEBUG)

# ロガーにハンドラーを追加

logger.addHandler(handler)

logger.addHandler(error_handler)

logger.debug('ここはデバッグログが入る')

logger.info('ここにインフォログが入る')

logger.warning('ここにワーニングログが入る')

logger.error('ここにエラーログが入る')

#logger.critical('ここにクリティカルログが入る')

""" ログレベル

1.DEBUG -> debug() :開発中　動きが正しいかの確認　一番低いレベルなので、すべてのログが出力される

2.INFO -> info() :正常な動きをしている情報

3.WARNING -> warning() :想定外のこと、問題が起きるかもしれないという警告

4.ERROR -> error() :問題が起きた

5.CRITICAL -> critivcal() :とても重大な問題が発生

logger.error('XXXXX) -> ログレベルがエラー以上のとき出力されるメッセージ

"""

"""ハンドラーを２つ作ってみる

"""

です。

機械名：号機：顧客番号

取扱説明書

FFTのやりかた

FFTです

import matplotlib.pyplot as plt
from scipy.fftpack import fft
import numpy as np
from math import pi

# 波形データ作成
Fs = 1000 # 分割数
t = np.arange(0, 1, 1 / Fs) # ０から１までをFs分割

# 周波数を定義
f1 = 10
f2 = 100
f3 = 300

# 波合成
x = 1.0* np.sin(2 * pi * f1 * t)
x += 2.0 * np.sin( 2 * pi * f2 * t)
x += 3.0 * np.sin( 2 * pi * f3 * t)

# 波形表示
plt.figure(figsize=(10, 10))
plt.subplot(2, 1, 1)
plt.plot(t, x)
plt.title('Wave Signal');
plt.xlabel('Time t/s')
plt.ylabel('Amplitude')
plt.grid('on')

# generate frequency axis
n = np.size(t)
fr = (Fs / 2) * np.linspace(0, 1, int(n / 2)) # int必要

# FFT 
X = fft(x)
X_m = (2 / n) * abs(X[0 : np.size(fr)])

# FFT可視化
plt.subplot(2, 1, 2)
plt.plot(fr,X_m); plt.title('Magnitude Spectrum')
plt.xlabel('Frequency(Hz)'); plt.ylabel('Magnitude')
plt.tight_layout()
plt.grid('on')
plt.show()

import matplotlib.pyplot as plt

from scipy.fftpack import fft

import numpy as np

from math import pi

# 波形データ作成

Fs = 1000 # 分割数

t = np.arange(0, 1, 1 / Fs) # ０から１までをFs分割

# 周波数を定義

f1 = 10

f2 = 100

f3 = 300

# 波合成

x = 1.0* np.sin(2 * pi * f1 * t)

x += 2.0 * np.sin( 2 * pi * f2 * t)

x += 3.0 * np.sin( 2 * pi * f3 * t)

# 波形表示

plt.figure(figsize=(10, 10))

plt.subplot(2, 1, 1)

plt.plot(t, x)

plt.title('Wave Signal');

plt.xlabel('Time t/s')

plt.ylabel('Amplitude')

plt.grid('on')

# generate frequency axis

n = np.size(t)

fr = (Fs / 2) * np.linspace(0, 1, int(n / 2)) # int必要

# FFT

X = fft(x)

X_m = (2 / n) * abs(X[0 : np.size(fr)])

# FFT可視化

plt.subplot(2, 1, 2)

plt.plot(fr,X_m); plt.title('Magnitude Spectrum')

plt.xlabel('Frequency(Hz)'); plt.ylabel('Magnitude')

plt.tight_layout()

plt.grid('on')

plt.show()

はい　以上

Unity:物理　自由落下

今日は、Unityを使って簡単な物理計算をやってみようと思います。

跳ねるボールを作ってみます。

Unity上で球を上空へ配置した状態で、下記のスクリプトをアタッチします。

using System.Collections;
using System.Collections.Generic;
using UnityEngine;

public class Test : MonoBehaviour
{
	void FixedUpdate()
	{
		//コンポーネントにつけたリジッドボディをとってきて変数rbに代入する
		var rb = GetComponent<MyRigidbody>();
		
		//変数rbに力を加える
		rb.AddForce(new Vector3(0f, -9.8f, 0f));
		
	}
}

using System.Collections;

using System.Collections.Generic;

using UnityEngine;

public class Test : MonoBehaviour

{

void FixedUpdate()

{

//コンポーネントにつけたリジッドボディをとってきて変数rbに代入する

var rb = GetComponent<MyRigidbody>();

//変数rbに力を加える

rb.AddForce(new Vector3(0f, -9.8f, 0f));

}

ゲットコンポーネントしますがUnityのrigidbodyは使用せずにMyRigidbodyというスクリプトを自分で定義します。

MyRigidbodyの中では加速度　速度　位置について時間ごとの計算を行います。

後に次のスクリプトでAddForceメソドを定義しますが、これで任意の方向に力を加えることができます。ここでは重力加速度になるようにy = -9.8としました。

通常のrigidbodyでgravityを定義できますが、今回はなるべく自分で定義していくことをコンセプトとしています。

球にアタッチする2つ目のスクリプトとしてMyRigidbodyを定義します。

加速度　速度　位置の変数をVector3型で用意します。

ステップ幅を1/60sとします。ここを1/600とすると 1/10スローモーションとして演算できます。

初期化のところでは、オブジェクトのtrasform.positionを取得するだけです。

AddForceメソドをpublicとして定義します。1つ目のスクリプトで読み込めるようにするためです。

で、引数として forceを入れます。さっきのVector3 (0f,-9.8f,0f)ですね。

このforceはaccelerationに加算されます。初期ステップ目では -9.8m/s2ということです。

１ステップ更新すると、このaccelerationに対して時間dt=1/60s　を掛け算した値であるvelocityが計算され、さらにそのvelocityに時間dtを掛け算した変位（１ステップの移動量）positionが計算されます。

これでpositionはどんどん下がっていくので、床と衝突します。

衝突は、オブジェクトの中心座標分だけ床から浮いた状態を床との接触状態と考えてif文で検知したら速度を反転させ跳ね返るようにします。

最後にaccelerrationはゼロに初期化して、次のステップで再定義されるための準備をします。

using System.Collections;
using System.Collections.Generic;
using UnityEngine;

public class MyRigidbody : MonoBehaviour {
	// 加速度　速度　位置の変数ベクトルを定義
	Vector3 acceleration;
	Vector3 velocity;
	Vector3 position;

	//　微小時間を定義
	const float dt = 1f/60f; 

    // 初期化
    void Start() {
		//オブジェクトの位置を変数ベクトルpositionに持ってくる
		position = transform.position;
	}

	// スクリプトtestで使用する関数AddForceを定義する
	public void AddForce(Vector3 force) {
		acceleration += force;
	}

    // 更新
    void FixedUpdate() {
		//加速度から速度と位置を計算する
		velocity += acceleration * dt;
		position += velocity * dt;

		// position.y　がオブジェクトの半径以下になったら速度を反転させる
		if (position.y < 0.50f) { 
			velocity = - velocity;
			Debug.Log("反転しました");
		}

		// オブジェクトの位置を更新する
		transform.position = position;

		//加速度は位置の更新が終わったらゼロクリアしておくこと
		acceleration = Vector3.zero;
    }
}

using System.Collections;

using System.Collections.Generic;

using UnityEngine;

public class MyRigidbody : MonoBehaviour {

// 加速度　速度　位置の変数ベクトルを定義

Vector3 acceleration;

Vector3 velocity;

Vector3 position;

//　微小時間を定義

const float dt = 1f/60f;

// 初期化

void Start() {

//オブジェクトの位置を変数ベクトルpositionに持ってくる

position = transform.position;

}

// スクリプトtestで使用する関数AddForceを定義する

public void AddForce(Vector3 force) {

acceleration += force;

}

// 更新

void FixedUpdate() {

//加速度から速度と位置を計算する

velocity += acceleration * dt;

position += velocity * dt;

// position.y　がオブジェクトの半径以下になったら速度を反転させる

if (position.y < 0.50f) {

velocity = - velocity;

Debug.Log("反転しました");

}

// オブジェクトの位置を更新する

transform.position = position;

//加速度は位置の更新が終わったらゼロクリアしておくこと

acceleration = Vector3.zero;

}

IOT:速くて軽い MQTTプロトコル

こんにちは、Keita_Nakamori(´・ω・`)です。

みなさんIOTしていますか？

今日はIOTで流行っている通信プロトコルであるMQTTについてやっていこうと思います。

なぜMQTTか

OASISという規格団体において、軽い、公開、単純、簡単に使えるというコンセプトで設計されたプロトコルです。

従来のHTTPプロトコルは人と人がコンピューターを介してコミュニケーションを取ることが前提となっており、１つのコンテンツで多くの情報をやり取りしています。

しかし、IOTの場合は莫大な数のIOTデバイスと接続することになりますので、速くて軽いプロトコルである、”MQTTプロトコル”を使いこなしていく必要があります。

MQTTの特徴

すこし専門用語を出しますが、

MQTTはクライアント・サーバー間のpublish・subscribeメッセージをバイナリ（2進数）でやり取りするプロトコルです。

トランスポート層ではTCPをベースとます。
セキュリティはTLS/SSLを使用します。
MQTTは確実なデータ発信と重複を避けることができます。
順序が決まっていてかつ可逆的な2進数情報をread/writeの両方向に対して適用されます。

MQTTの用語

peer:仲間という意味で、PCやIOTデバイスのようなサーバーではない端末のことです。MQTTクライアントとも言います。

Broker:サーバーのことです。Central MQTT BrokerとかLocal MQTT Brokerという使い方をします。

Publish:Brokerにデータを渡す。

Topic:Publishされたデータを格納する箱。encodingはutf-8。例えばAなら01000001という２進数8bitで表現されます。

Topic Level:トピックはツリー構造で格納されます。例えば

mytopic/machine_001/transmission_system_001/bearing_001/temperature

というように、トピックレベルセパレーターと呼ばれるスラッシュ記号で表現します。この各ディレクトリのことをトピックレベルと呼びます。

Subscribe:Broker内のTopicのデータを送ってもらうよう申し入れをします。

QoS:サービス品質　Quality of Serviceです。

レベルの低いものから

QoS_0

Publisherがメッセージを投げたらBrokerを通してSubscriberに渡す。そして、Publisherはメッセージを消す。

QoS_1

PublisherはメッセージをBrokerに投げる前に、Publisher自身がメッセージを保持する。PublisherがメッセージをBrokerに投げたら、Broker内で一旦保持してからSubscriberにわたす。渡ったらBrokerはメッセージを消して、続いてPublisherもメッセージを消す。少し複雑になりました。

QoS_2

PublisherはメッセージをBrokerに投げる前に、Publisher自身がメッセージを保持する。PublisherはメッセージをBrokerに投げたら、Broker内で一旦保持してからSubscriberにわたす。渡ったらBrokerはPUBRECをPublisherへ渡して、PUBRELが返ってきてから、Broker内のメッセージを消す。

渡ったらBrokerはメッセージを消して、PUBCOMPを渡す。

それによって、Publiserはメッセージを消す。とても長い手順を踏むことになります。

MQTTのヘッダーフォーマット

頭にヘッダー情報をつけます。ヘッダーは2バイトで構成されています。

4bitでコマンドメッセージタイプを指定します。
1bitでDUP（デュプリケート、複製）
2bitでQos Level（Quality of Service Level）
1bitでRERTAIN

これで１バイトです。

次の１バイト中最大4bitを使ってRemaining Lengthを表現します。

その次にペイロード（内容）を書いていくのですが、それはまたあとでやりましょう。

IOT:ラズベリーパイ　パーティクルセンサー

どーもご無沙汰しております、Keita_Nakamori(´・ω・`)です。

先日、パーティクルセンサーが届きましたので、使ってみようと思います。

Particle Sensor　Model PPD42NS

ヒーターで空気を温めて上昇気流を作り、光学式センサーを通過させることによって、粒子数をカウントするとのことです。なので、向きが大事です。

スペック

スペック的にPM2.5なんてのも取れそうです。

安定するまでに１分間必要と書いてあるので、スクリプトの中で”現在立ち上げ中です。”とか”カウントダウン”とかを入れてあげると良いと思います。

検出可能な粒子サイズ： 1μm (minimum.)
検出濃度範囲： 0~28,000 pcs/L (0~8,000pcs/0.01 CF=283mL)
供給電圧： DC5V ±10% (CN1コネクタ:ピン1=GND , ピン3=+5V)
作動温度範囲： 0~45°C
作動湿度範囲：相対湿度95% 以下 (結露なきこと)
電力消費： 90mA
周囲温度： -30~60°C
安定するまでの立上時間：１分
電源ONから安定に必要な時間：１分
寸法： 59(W) × 45(H) × 22(D) [mm]
出力方式：負論理、デジタル出力　←　ここは後で解説します。
Hi : 4.0V以上 Low : 0.7V以下

コネクタ

右から　黒　赤　黄　のケーブルがついた脱着可能なコネクタがついていました

しかし、これ、ブレッドボードに刺さるわけでも、ブレッドボード用のケーブルがささるわけでもないので、取っ払ってしまいました。

コネクタケーブルを引き抜くと、ちょうどラズパイのGPIOと同じサイズのピンが出てきますので黒　赤　黄の３本のメス型ケーブルに差し替えました。

説明書によると　右から

CN : S5B-EH(JST)
1 : COMMON(GND)
2 : OUTPUT(P2)
3 : INPUT(5VDC 90mA)
4 : OUTPUT(P1)
5 : INPUT(T1)･･･FOR THRESHOLD FOR [P2]

となっていますので、使用するのは、黒：GND　赤：５V　黄：出力P1　の３つになります。

ラズパイ側のGPIO

事前に必要な知識として、ラズパイGPIOピンの指定方法には２種類の表現があります。

１．BOARD番号で指定する場合

PythonではGPIO.setmode(GPIO.BOARD)と書きます。

ラズパイのボード（基盤）の配置順に番号が振られていて、たとえばpin=40とした場合はGPIO21のことを指します

２．BCM番号で指定する場合

こちらはGPIO.setmode(GPIO.BCM)と書きます。
GPIO21を指定したいときは、そのままpin=21と書きます。

こちらのほうがわかりやすいので私はこちらを使っています。どっちでもOKです。

出力データと処理の話

出力はパルスで出力されます。
低パルスの状態が３０秒間に占める割合（LPO：Low Plulse Occupancy time)を粒子数として換算するようです。

「1μm以上の粒子が283mLの中に何個入っているか」と「低パルス占有率」の関係を測定したサンプルデータです。（メーカーHPより）

スクリプト

では、センサーから出力されたLowパルスの占有率を算出しましょう。

まずは、うまく行かなかった例です。

# モジュールをインポート
import RPi.GPIO as GPIO
import time

# 微小なLowパルス時間をカウントする
def time_low(pin):
    """
    args:
        pin  :pulse input pin number

    variables:
        t_start:開始時間
        t_end  :終了時間
    
    returns:Lowパルスの微小時間
        t_end - t_start: (終了時間 - 開始時間)
                
    """

    # 変数の初期化（現在時刻）
    t_start = time.time()
    
    # 変数の初期化
    t_end = time.time()
    
    # GPIOに入力されるパルスがLowの時間
    while GPIO.input(pin) == False:
        t_end = time.time()

    return (t_end - t_start)

# Lowパルス占有率を計算する
def lpo(pin):
    # 初期の時間の定義
    t0 = time.time()
    
    # low時間の初期化
    t_low = 0
    
    # サンプリング時間＝３０sec （スペックより）
    ts = 30

    # ループします。
    while(True):
        # LOW状態の微小時間dt_lowを求める関数:time_low()
        dt_low = time_low(pin)
        
        # low時間に追加する
        t_low = t_low + dt_low

        # (現在時間-初期時間)　が　サンプリング時間を超えたらブレイク
        if ((time.time() - t0) > ts):
            
            # LOWパルス占有率
            low_ratio = t_low/ts

            print("Low Pulse Time [sec]:".format(low_ratio))
            print(ratio, " [%]")
            break



# GPIO.BCMの表現でピン番号を指定する
GPIO.setmode(GPIO.BCM)

# センサーからのパルスが入力されるピンを指定する
pulse_pin = 21

# TRIG_PINを出力, ECHO_PINを入力
GPIO.setup(pulse_pin,GPIO.IN)

# 実行直後に予定な警告が出ないようにする。
GPIO.setwarnings(False)

#とりあえず３回出力してみる
for i in [1,2,3]:
    # Lowパルス占有率算出関数:lpo
    lpo(pulse_pin)

# 使用しているピン設定をクリアにする
GPIO.cleanup()

# モジュールをインポート

import RPi.GPIO as GPIO

import time

# 微小なLowパルス時間をカウントする

def time_low(pin):

"""

args:

pin :pulse input pin number

variables:

t_start:開始時間

t_end :終了時間

returns:Lowパルスの微小時間

t_end - t_start: (終了時間 - 開始時間)

"""

# 変数の初期化（現在時刻）

t_start = time.time()

# 変数の初期化

t_end = time.time()

# GPIOに入力されるパルスがLowの時間

while GPIO.input(pin) == False:

t_end = time.time()

return (t_end - t_start)

# Lowパルス占有率を計算する

def lpo(pin):

# 初期の時間の定義

t0 = time.time()

# low時間の初期化

t_low = 0

# サンプリング時間＝３０sec （スペックより）

ts = 30

# ループします。

while(True):

# LOW状態の微小時間dt_lowを求める関数:time_low()

dt_low = time_low(pin)

# low時間に追加する

t_low = t_low + dt_low

# (現在時間-初期時間)　が　サンプリング時間を超えたらブレイク

if ((time.time() - t0) > ts):

# LOWパルス占有率

low_ratio = t_low/ts

print("Low Pulse Time [sec]:".format(low_ratio))

print(ratio, " [%]")

break

# GPIO.BCMの表現でピン番号を指定する

GPIO.setmode(GPIO.BCM)

# センサーからのパルスが入力されるピンを指定する

pulse_pin = 21

# TRIG_PINを出力, ECHO_PINを入力

GPIO.setup(pulse_pin,GPIO.IN)

# 実行直後に予定な警告が出ないようにする。

GPIO.setwarnings(False)

#とりあえず３回出力してみる

for i in [1,2,3]:

# Lowパルス占有率算出関数:lpo

lpo(pulse_pin)

# 使用しているピン設定をクリアにする

GPIO.cleanup()

改良

動かないので、改良ついでにクラス化してみました。

なおかつ３０秒ごとに出力される粒子濃度のデータをconsentration.txtに随時書き出すようにしました。

#!/usr/bin/env python
# -*- coding: utf-8 -*-

import RPi.GPIO as GPIO
import time
import datetime
       
class particle_counter():

    def __init__(self):
        pass

    def set_pin_number(self, PIN=21):
        self.PIN = PIN
        GPIO.setmode(GPIO.BCM)
        GPIO.setup(self.PIN, GPIO.IN)
        GPIO.setwarnings(False)
                
    def particle_count(self, count_times=10):
        self.count_times = count_times

        #print('Counting Now')
        print(' datetime.datetime.now() : Pulse Low Occupancy')

        for i in range(self.count_times):
            print('Revolution : ',i)
            self.lpo()

    def lpo(self):
        #print('lpo method excuting')
        t_start = time.time()
        t_low = 0
        t_interval = 30 # [sec] by instruction

        while(True):

            # LOW状態の微小時間dt_lowを求める関数:time_low()
            dt_low = self.time_low()
            
            # low時間に追加する
            t_low += dt_low
            t_current = time.time() - t_start

        
        
                  
            # (現在時間-初期時間)　が　サンプリング時間を超えたらブレイク
            if (t_current > t_interval):
                
                # LOWパルス占有率
                #print('(self.t_current,self.t_low)aaaaa: ', (t_current, t_low))
                self.low_occupancy = t_low / t_current
                print(' {} ====> {:.3g}'.format(datetime.datetime.now(),self.low_occupancy))
                f = open('consentration.txt','a')
                data=str(datetime.datetime.now())+","+str(self.low_occupancy)
                f.write(data+"\n")
                f.close()

                break
        

 
    # 微小なLowパルス時間をカウントする
    def time_low(self):
        """
        args:
            pin  :pulse input pin number
     
        variables:
            t_start:開始時間
            t_end  :終了時間
        
        returns:Lowパルスの微小時間
            t_end - t_start: (終了時間 - 開始時間)
                    
        """
     
        # 変数の初期化（現在時刻）

        t_start = time.time()
        t_end = time.time()

        if GPIO.input(self.PIN) == 1:
            return 0.0
        
        # GPIOに入力されるパルスがLowの時間
        while GPIO.input(self.PIN) == 0:
            t_end = time.time()

        return (t_end - t_start)

# Excute to moniter
if __name__ == '__main__':

    # Make instance
    device001 = particle_counter()

    # Set signal pin
    device001.set_pin_number(PIN=21)

    # Excute
    device001.particle_count(count_times=1000000)

    # Finish
    GPIO.cleanup()
    print('==== Done ====')

100

101

102

103

104

105

106

#!/usr/bin/env python

# -*- coding: utf-8 -*-

import RPi.GPIO as GPIO

import time

import datetime

class particle_counter():

def __init__(self):

pass

def set_pin_number(self, PIN=21):

self.PIN = PIN

GPIO.setmode(GPIO.BCM)

GPIO.setup(self.PIN, GPIO.IN)

GPIO.setwarnings(False)

def particle_count(self, count_times=10):

self.count_times = count_times

#print('Counting Now')

print(' datetime.datetime.now() : Pulse Low Occupancy')

for i in range(self.count_times):

print('Revolution : ',i)

self.lpo()

def lpo(self):

#print('lpo method excuting')

t_start = time.time()

t_low = 0

t_interval = 30 # [sec] by instruction

while(True):

# LOW状態の微小時間dt_lowを求める関数:time_low()

dt_low = self.time_low()

# low時間に追加する

t_low += dt_low

t_current = time.time() - t_start

# (現在時間-初期時間)　が　サンプリング時間を超えたらブレイク

if (t_current > t_interval):

# LOWパルス占有率

#print('(self.t_current,self.t_low)aaaaa: ', (t_current, t_low))

self.low_occupancy = t_low / t_current

print(' {} ====> {:.3g}'.format(datetime.datetime.now(),self.low_occupancy))

f = open('consentration.txt','a')

data=str(datetime.datetime.now())+","+str(self.low_occupancy)

f.write(data+"\n")

f.close()

break

# 微小なLowパルス時間をカウントする

def time_low(self):

"""

args:

pin :pulse input pin number

variables:

t_start:開始時間

t_end :終了時間

returns:Lowパルスの微小時間

t_end - t_start: (終了時間 - 開始時間)

"""

# 変数の初期化（現在時刻）

t_start = time.time()

t_end = time.time()

if GPIO.input(self.PIN) == 1:

return 0.0

# GPIOに入力されるパルスがLowの時間

while GPIO.input(self.PIN) == 0:

t_end = time.time()

return (t_end - t_start)

# Excute to moniter

if __name__ == '__main__':

# Make instance

device001 = particle_counter()

# Set signal pin

device001.set_pin_number(PIN=21)

# Excute

device001.particle_count(count_times=1000000)

# Finish

GPIO.cleanup()

print('==== Done ====')

出力：consentration.txt

中身は下記のような感じです。

2019-05-30 19:16:40.318976,0.07213182909293626
2019-05-30 19:17:10.434010,0.0951778309901365
2019-05-30 19:17:40.536987,0.07830632987722516
2019-05-30 19:18:10.660109,0.05319190541036891
2019-05-30 19:18:40.774304,0.030014825256954498
2019-05-30 19:19:10.876265,0.01660005851583172
2019-05-30 19:19:40.980323,0.019892370764988204
2019-05-30 19:20:11.065823,0.012348209387846658
2019-05-30 19:20:41.148922,0.01847427585179943
2019-05-30 19:21:11.243032,0.010773055171737232

2019-05-30 19:16:40.318976,0.07213182909293626

2019-05-30 19:17:10.434010,0.0951778309901365

2019-05-30 19:17:40.536987,0.07830632987722516

2019-05-30 19:18:10.660109,0.05319190541036891

2019-05-30 19:18:40.774304,0.030014825256954498

2019-05-30 19:19:10.876265,0.01660005851583172

2019-05-30 19:19:40.980323,0.019892370764988204

2019-05-30 19:20:11.065823,0.012348209387846658

2019-05-30 19:20:41.148922,0.01847427585179943

2019-05-30 19:21:11.243032,0.010773055171737232

データ処理

データを処理するためにpandasで読み込んで、整えましょう。

文字パターン抽出 ” .str.extract() ” で文字列を　年月日　時間　濃度　に切り分けます。

import numpy as np
import pandas as pd


with open("consentration.txt",encoding='utf-8') as f:
    f_list=f.readlines() # read as list

series = pd.Series(f_list)
df = series.str.extract('(.+) (.+),(.+)\n',expand=True,)
df.columns=['ymd','hms ms','consentration']
df

import numpy as np

import pandas as pd

with open("consentration.txt",encoding='utf-8') as f:

f_list=f.readlines() # read as list

series = pd.Series(f_list)

df = series.str.extract('(.+) (.+),(.+)\n',expand=True,)

df.columns=['ymd','hms ms','consentration']

すると、こんな感じで切れました

	ymd	hms ms	consentration
0	2019-05-30	19:16:40.318976	0.07213182909293626
1	2019-05-30	19:17:10.434010	0.0951778309901365
2	2019-05-30	19:17:40.536987	0.07830632987722516
3	2019-05-30	19:18:10.660109	0.05319190541036891
4	2019-05-30	19:18:40.774304	0.030014825256954498
5	2019-05-30	19:19:10.876265	0.01660005851583172
6	2019-05-30	19:19:40.980323	0.019892370764988204

可視化

ざっくりとグラフを書いてみます。

%matplotlib inline
import matplotlib.pyplot as plt

x=np.array(df['ymd']+df['hms ms'])
y=np.array(df['consentration'])

plt.plot(x,y)
plt.show()

%matplotlib inline

import matplotlib.pyplot as plt

x=np.array(df['ymd']+df['hms ms'])

y=np.array(df['consentration'])

plt.plot(x,y)

plt.show()

なんじゃこりゃ(*´﹃｀*)

でもとりあえず、なんかおかしいことは分かりました。なんで階段状なんだろう。

もっと研究が必要ですね。

IOT:ラズベリーパイでサーボドライバPCA9685を使ってみる

Keita_Nakamoriです。

前回はサーボモータSG92Rをラズパイに直結して動かしてみました。

今回はサーボモータを１６個同時に動かすことができるサーボドライバPCA9685を使って、SG90とSG92Rを同時に動かしてみようと思います。

動画

基本スペック

I2C周波数範囲：24-1526Hz
動作電圧：2.3-5.5V
入出力の許容電圧：5.5V
最大62個のPCA9685が接続できます￥。よって992個のサーボモータを同時に動かせます。

余談：I2Cはアイスクウエアシーと呼ぶそうです。

ピン

左端のピン

は、上から

GND：ラズパイGIPIOのグランドに接続する
DE：？？？　どこにも繋げない
SCL:シリアル通信のクロック　ラズパイGIPIOのSCL1に繋ぐ
SDA：シリアル通信のデータラズパイGPIOのSDA1に繋ぐ
VCC：プラス電圧　ラズパイGPIOの+5Vに繋ぐ
V+：？？？　どこにも繋げない

下端のピン

はサーボモータを接続します、左から0～１５番が振られてあり合計１６個のサーボモータと接続できます。

上から、

PWM：サーボモータのPWM＝オレンジ
V+：サーボモータの赤
GND：サーボモータの茶

上端のコネクタ

は、電源供給です。

左はV+:ラズパイの5Vに繋ぎます
右はGND：ラズパイのGNDに繋ぎます
今回はラズパイのGPIOに繋ぎましたが、１６個サーボモータを繋げるときは、別途電源を取らなくてはならないと思います。

制御の話

PCA9685はPWMで動きます。
パルス幅によってサーボモータの回転角が0～180degが決定されます。
- 例えば 0.5ms幅のとき0deg、1.5ms幅のとき90deg、2.5ms幅のとき180degになったりします。（周波数で変更できます。周波数が高いほうが高速で制御できます。）
アナログサーボの周波数範囲は３０～６０Hzのものがほとんどです。
例えば、周波数f=60Hzのとき周期はT=1/f=17ms　です。（早い方がいいので60Hzで考えましょう。）
周期Tの分解能は12bitなので、周期Tを2＾12＝４０９６分割できます。１分割分を１ステップと呼ぶことにしましょう。
周期17msを4096分割できるので、１ステップあたり0.004150390625ms　になります。
パルス幅を0.5msにしたければ、ステップは0.5/(17/4096)=120.47058823529412ステップになります。
サーボモータ角度をodegにしたいときは0.5msですから、120ステップをONして、残りの(4096-120)をOFFにすれば良いのです。

サーボ回転角度[deg]	ONの時間 [ms]	ステップ数
0	0.5	120
60	1.0	240
90	1.5	361
120	2.0	481
180	2.5	602

サーボ回転角度を0degから180degにするためには、(602-120)=482ステップになります。
1degあたりのステップ数は　482ステップ/180deg　=　2.7 (step/deg)
なので任意のサーボ回転角度θでステップ数Nsを表現すると、Ns=120+2.7θ ということになります。

モジュール　Adafruit_PCA9685

pip3 install Adafruit_PCA9685　したところ拒否されました。

pipのバージョンを上げて再チャレンジします。

pip3 install –upgrade pip3 と書いたところ pip3でなくてpipで書けみたいなことを言われました。

pip install –upgrade pip　と書いたところ許可がないといっております。

なので、スーパーDOしてみます。

sudo pip install –upgrade pip　これでOKでした

Successfully uninstalled pip-19.0.3
Successfully installed pip-19.1.1

そして再度チャレンジ

pip3 install Adafruit_PCA9685　　[Errno 13] 許可がありません

なるほど読めました。やはり須藤ですね。

sudo pip3 install Adafruit_PCA9685

Successfully installed Adafruit-GPIO-1.0.3 Adafruit-PCA9685-1.0.1 adafruit-pureio-0.2.3

これでやっとAdafruit_PCA9685モジュールがインストールできました。

pip freezeすると

Adafruit-GPIO==1.0.3
Adafruit-PCA9685==1.0.1
Adafruit-PureIO==0.2.3

が入っていました。注意点として、importするときはAdafruitの後ろにはハイフンではなくアンダースコアになります。

スクリプト

import Adafruit_PCA9685
import time

# pwm制御のためのインスタンスを作成する
pwm = Adafruit_PCA9685.PCA9685()

# 周波数は60Hzにする
pwm.set_pwm_freq(60)

# サーボコントロール
cnt =1 
while True:
    print("revolution : ",cnt)
    # サーボNO.0
    pwm.set_pwm(0, 0, 120)
    time.sleep(0.3)
    
    pwm.set_pwm(0, 0, 602)
    time.sleep(0.3)
    
    # サーボNO.1
    pwm.set_pwm(1, 0, 240)
    time.sleep(0.05)
    
    pwm.set_pwm(1, 0, 481)
    time.sleep(0.05)

    pwm.set_pwm(1, 0, 240)
    time.sleep(0.05)
    
    pwm.set_pwm(1, 0, 481)
    time.sleep(0.05)

    cnt += 1

import Adafruit_PCA9685

import time

# pwm制御のためのインスタンスを作成する

pwm = Adafruit_PCA9685.PCA9685()

# 周波数は60Hzにする

pwm.set_pwm_freq(60)

# サーボコントロール

cnt =1

while True:

print("revolution : ",cnt)

# サーボNO.0

pwm.set_pwm(0, 0, 120)

time.sleep(0.3)

pwm.set_pwm(0, 0, 602)

time.sleep(0.3)

# サーボNO.1

pwm.set_pwm(1, 0, 240)

time.sleep(0.05)

pwm.set_pwm(1, 0, 481)

time.sleep(0.05)

pwm.set_pwm(1, 0, 240)

time.sleep(0.05)

pwm.set_pwm(1, 0, 481)

time.sleep(0.05)

cnt += 1

余談

ラズパイの操作はWindowsマシンからrealVNC Viewerでリモートしているのですが、ラズパイ側のidleに書いたスクリプトをcnt+c しても　Windows側にcnt+v　できません。

コツがありまして、ラズパイ側のText Editorに一旦貼り付けた後に、それをcnt+cしてから、Windows側にcnt+v　すると、しっかりと貼り付けられます。

どうぞお試しあれ。

お知らせ：当該webサイトをSSL化しました

こんばんは Kazu_Manabuです。

当該webサイトをSSL化しました。URLの頭がhttpsになっております。

やり方です。

エックスサーバーを使っているのですが、

まず、エックスサーバーにログイン

インフォパネル内の「サーバー管理」

任意のドメイン名の「選択する」を押す

SSL用アドレスに「https://www.toyo-interest.com/」が追加されます。httpsにちゃんとなっています。

１分位すると反映されます。

次に、wordpressにログイン

ダッシュボードの設定＞URLのhttp://～～～をhttps://～～～に書き換えます。というかsを挿入します。

そして、私の場合は２０分くらい放置してやっと繋がるようになりました。

かなりドキドキしました。

二度とつながらないんじゃないかとか、ハラハラしました。

実はわたくし、

ろくに調べず一番最初にwordpressの設定でhttpをhttpsにいじってしまい、繋がらなくなってしまいました。ログインできないのでダッシュボードに入ることができず、元通りにすることができないという事態に陥りました。

調べていくと、エックスサーバーのインフォパネル内の「サーバー管理」でSSL化しなさいと書いてあったのでやってみたら、うまくいきました。

本当に良かったです。(*´﹃｀*)

圧倒的python:selenium使用例～株式の自動判別～

こんにちは　圧倒的かずまなぶです。seleniumの使用例として株式の自動判別をします。株式情報サイトをスクリーニングして各種指数を取得し、内部で演算した結果、買う価値があるかどうか検討する価値のある銘柄を出力します。

# coding: utf-8

import logging
import pandas as pd
from selenium import webdriver
from time import sleep    

def auto(stock_number):
    print("---- start ----")
    #stock_number=5122
    driver=webdriver.Chrome(r"C:\driver\chromedriver_win32\chromedriver.exe") 
#ウェブドライバを読み込む

    # 株式番号を入力して、キー　レーションの一覧を表示する
    stock_number=stock_number
    url=r"https://www.morningstar.com/stocks/XTKS/"+str(stock_number)+r"/quote.html"
    driver.get(url)
    sleep(4)
    #print("ブラウザを開きました")


    #　現在の株価を取得する
    xpath_price='//*[@id="message-box-price"]'

    price=driver.find_element_by_xpath(xpath_price).text

    # \ と カンマを削除してfloat化する
    #print(price)
    price=price.replace(chr(165),"") .replace(".00","").replace(",","")
    price=float(price)
    #print(price)


    #キーレーションタブを押す
    xpath_key_rations=r'//*[@id="sal-components-quote"]/div[2]/div/div/div/div[2]/div[1]/div/ul/li[3]/a'
    tub_key_rations=driver.find_element_by_xpath(xpath_key_rations)
    tub_key_rations.click()
    sleep(2)
    #print("キーレーション　タブを押しました")

    #フルキータブを押す
    xpath_full_key=r'//*[@id="sal-components-quote"]/div[2]/div/div/div/div[2]/div[2]/div/div[2]/div/a'
    tub_full_key_rations=driver.find_element_by_xpath(xpath_full_key)
    tub_full_key_rations.click()
    sleep(1)
    #print("フルキータブを押しました")

    # アクティブなURLを切り替える
    #print(driver.current_url)                         # 現在アクティブなURLを確認する
    driver.switch_to.window(driver.window_handles[1]) # アクティブなURLを切り替える
    sleep(1)
    #print(driver.current_url)                         # URLが切り替わっていることを確認する


    # Earnings Per Share　を取得
    xpath_eps=r'//*[@id="i5"]'
    key_eps=driver.find_element_by_xpath(xpath_eps).text
    eps=[]
    for i in range(1,12):
        xpath_eps=r'//*[@id="financials"]/table/tbody/tr[12]/td['+str(i)+']'
        eps+=[float(driver.find_element_by_xpath(xpath_eps).text)]
    eps={key_eps:eps}
    sleep(1)
    #print(eps)


    # Dividends　を取得
    xpath_dividends=r'//*[@id="i6"]'
    key_dividends=driver.find_element_by_xpath(xpath_dividends).text
    dividends=[]
    dividends+=[None]
    for i in range(2,12):
        xpath_dividends=r'//*[@id="financials"]/table/tbody/tr[14]/td['+str(i)+']'
        dividends+=[float(driver.find_element_by_xpath(xpath_dividends).text)]
    dividends={key_dividends:dividends}
    sleep(1)
    #print(dividends)



    # Book Value Per Share　を取得
    xpath_book=r'//*[@id="i8"]'
    key_book=driver.find_element_by_xpath(xpath_book).text
    book=[]
    for i in range(1,12):
        xpath_book=r'//*[@id="financials"]/table/tbody/tr[20]/td['+str(i)+']'
        book+=[float(driver.find_element_by_xpath(xpath_book).text)]
    book={key_book:book}
    sleep(1)
    #print(book)


    # Return on Equity %　を取得
    # Key Rationsタブを Profitability　に切り替える
    xpath_growth=r'//*[@id="keyStatWrap"]/div/ul/li[1]/a'
    tub_growth=driver.find_element_by_xpath(xpath_growth)
    tub_growth.click()
    #sleep(0.1)
    #print("Profitabilityタブへ切り替え完了")

    xpath_roe=r'//*[@id="i26"]'
    key_roe=driver.find_element_by_xpath(xpath_roe).text
    roe=[]
    for i in range(1,12):
        xpath_roe=r'//*[@id="tab-profitability"]/table[2]/tbody/tr[12]/td['+str(i)+']'
        roe+=[driver.find_element_by_xpath(xpath_roe).text]
    roe={key_roe:roe}
    sleep(1)
    #print(roe)


    # Key Rationsタブを Growth　に切り替える
    xpath_growth=r'//*[@id="keyStatWrap"]/div/ul/li[2]/a'
    tub_growth=driver.find_element_by_xpath(xpath_growth)
    tub_growth.click()
    sleep(1)
    #print("Growthタブへ切り替え完了")



    # EPS % を取得
    xpath_eps_pct=r'//*[@id="gr-eps"]'
    key_eps_pct=driver.find_element_by_xpath(xpath_eps_pct).text
    eps_pct=[]
    xpath_eps_pct_yoy=r'//*[@id="tab-growth"]/table/tbody/tr[34]/td[10]'
    xpath_eps_pct_3y=r'//*[@id="tab-growth"]/table/tbody/tr[36]/td[10]'
    xpath_eps_pct_5y=r'//*[@id="tab-growth"]/table/tbody/tr[38]/td[10]'
    xpath_eps_pct_10y=r'//*[@id="tab-growth"]/table/tbody/tr[40]/td[10]'                     
    eps_pct.append(float(driver.find_element_by_xpath(xpath_eps_pct_yoy).text))
    eps_pct.append(float(driver.find_element_by_xpath(xpath_eps_pct_3y).text))
    eps_pct.append(float(driver.find_element_by_xpath(xpath_eps_pct_5y).text))
    eps_pct.append(float(driver.find_element_by_xpath(xpath_eps_pct_10y).text))

    eps_pct={key_eps_pct:eps_pct}
    sleep(1)
    #print(eps_pct)

    # データフレームを作成 : pd.concatでどんどんつなげていく。

    # 軸を指定して、自動ソートを無効にする。: axis=1
    df=pd.concat([pd.DataFrame(eps), pd.DataFrame(dividends), pd.DataFrame(book), pd.DataFrame(roe), pd.DataFrame(eps_pct)], axis=1)
    #print(df)

    stock_price=3425
    as_asset=False
    as_dividends=False
    as_growths=False

    #print("現在の株価 : ",price)

    #（１）assets:ずっと持ち続ける資産株として

    # 直近のTTMに注目する
    book_value_per_share_ttm=book_value_per_share_ttm=df['Book Value Per Share * JPY'][len(df['Book Value Per Share * JPY'])-1]
    entry_1=book_value_per_share_ttm*0.8
    review_1=book_value_per_share_ttm*1.0

    if price<=entry_1:
        as_asset=True
        
    #print("資産株として　買い判定:{}  エントリー価格 :{:.0f}  レビュー価格：{:.0f}".format(as_asset,entry_1,review_1))

    #（２）devidents:配当用の株として

    # 欲しい利回り日本株６％（米国株７％）	欲しい配当率	Yw		0.0

    # Devidents / yield_target
    dividends_ttm=df['Dividends JPY'][len(df['Dividends JPY'])-1]
    yield_target=0.06 # 固定値

    entry_2=dividends_ttm/yield_target
    review_2=entry_2*1.5                  # 単純に1.5倍

    if price<=entry_2:
        as_dividends=True
        
    #print("配当株として　買い判定:{}  エントリー価格 :{:.0f}  レビュー価格：{:.0f}".format(as_dividends,entry_2,review_2))

    #（３）growths：成長株として

    eps_ttm=df['Earnings Per Share JPY'][len(df['Earnings Per Share JPY'])-1]
    eps_pct=df['EPS %'].min()

    entry_3=eps_ttm*eps_pct
    review_3=entry_3*1.2                  # 単純に1.2倍

    if price<=entry_3:
        as_growths=True
        
    #print("成長株として　買い判定:{}  エントリー価格 :{:.0f}  レビュー価格：{:.0f}".format(as_growths,entry_3,review_3))

    print("証券NO.    : ",stock_number)
    print("現在の株価 : ",int(price))
    print("資産株として　買い判定:{}  エントリー価格 :{:.0f}  レビュー価格：{:.0f}".format(as_asset,entry_1,review_1))
    print("配当株として　買い判定:{}  エントリー価格 :{:.0f}  レビュー価格：{:.0f}".format(as_dividends,entry_2,review_2))
    print("成長株として　買い判定:{}  エントリー価格 :{:.0f}  レビュー価格：{:.0f}".format(as_growths,entry_3,review_3))

    print("---- done ----")

# ------ 以下、プログラム本体 -------------

#自動判別プログラムの対象とする銘柄のディクショナリを用意する

dict_stock={"toei_animation":4816,
            "pilot":7846,
            "okamoto":5122,
            "tokan":5901}

for stock_number in dict_stock.values():
    auto(stock_number)

print("---- all finished ----")

100

101

102

103

104

105

106

107

108

109

110

111

112

113

114

115

116

117

118

119

120

121

122

123

124

125

126

127

128

129

130

131

132

133

134

135

136

137

138

139

140

141

142

143

144

145

146

147

148

149

150

151

152

153

154

155

156

157

158

159

160

161

162

163

164

165

166

167

168

169

170

171

172

173

174

175

176

177

178

179

180

181

182

183

184

185

186

187

188

189

190

191

192

193

194

195

196

197

198

199

200

201

202

203

204

205

206

207

208

209

210

211

212

# coding: utf-8

import logging

import pandas as pd

from selenium import webdriver

from time import sleep

def auto(stock_number):

print("---- start ----")

#stock_number=5122

driver=webdriver.Chrome(r"C:\driver\chromedriver_win32\chromedriver.exe")

#ウェブドライバを読み込む

# 株式番号を入力して、キー　レーションの一覧を表示する

stock_number=stock_number

url=r"https://www.morningstar.com/stocks/XTKS/"+str(stock_number)+r"/quote.html"

driver.get(url)

sleep(4)

#print("ブラウザを開きました")

#　現在の株価を取得する

xpath_price='//*[@id="message-box-price"]'

price=driver.find_element_by_xpath(xpath_price).text

# \ とカンマを削除してfloat化する

#print(price)

price=price.replace(chr(165),"") .replace(".00","").replace(",","")

price=float(price)

#print(price)

#キーレーションタブを押す

xpath_key_rations=r'//*[@id="sal-components-quote"]/div[2]/div/div/div/div[2]/div[1]/div/ul/li[3]/a'

tub_key_rations=driver.find_element_by_xpath(xpath_key_rations)

tub_key_rations.click()

sleep(2)

#print("キーレーション　タブを押しました")

#フルキータブを押す

xpath_full_key=r'//*[@id="sal-components-quote"]/div[2]/div/div/div/div[2]/div[2]/div/div[2]/div/a'

tub_full_key_rations=driver.find_element_by_xpath(xpath_full_key)

tub_full_key_rations.click()

sleep(1)

#print("フルキータブを押しました")

# アクティブなURLを切り替える

#print(driver.current_url) # 現在アクティブなURLを確認する

driver.switch_to.window(driver.window_handles[1]) # アクティブなURLを切り替える

sleep(1)

#print(driver.current_url) # URLが切り替わっていることを確認する

# Earnings Per Share　を取得

xpath_eps=r'//*[@id="i5"]'

key_eps=driver.find_element_by_xpath(xpath_eps).text

eps=[]

for i in range(1,12):

xpath_eps=r'//*[@id="financials"]/table/tbody/tr[12]/td['+str(i)+']'

eps+=[float(driver.find_element_by_xpath(xpath_eps).text)]

eps={key_eps:eps}

sleep(1)

#print(eps)

# Dividends　を取得

xpath_dividends=r'//*[@id="i6"]'

key_dividends=driver.find_element_by_xpath(xpath_dividends).text

dividends=[]

dividends+=[None]

for i in range(2,12):

xpath_dividends=r'//*[@id="financials"]/table/tbody/tr[14]/td['+str(i)+']'

dividends+=[float(driver.find_element_by_xpath(xpath_dividends).text)]

dividends={key_dividends:dividends}

sleep(1)

#print(dividends)

# Book Value Per Share　を取得

xpath_book=r'//*[@id="i8"]'

key_book=driver.find_element_by_xpath(xpath_book).text

book=[]

for i in range(1,12):

xpath_book=r'//*[@id="financials"]/table/tbody/tr[20]/td['+str(i)+']'

book+=[float(driver.find_element_by_xpath(xpath_book).text)]

book={key_book:book}

sleep(1)

#print(book)

# Return on Equity %　を取得

# Key Rationsタブを Profitability　に切り替える

xpath_growth=r'//*[@id="keyStatWrap"]/div/ul/li[1]/a'

tub_growth=driver.find_element_by_xpath(xpath_growth)

tub_growth.click()

#sleep(0.1)

#print("Profitabilityタブへ切り替え完了")

xpath_roe=r'//*[@id="i26"]'

key_roe=driver.find_element_by_xpath(xpath_roe).text

roe=[]

for i in range(1,12):

xpath_roe=r'//*[@id="tab-profitability"]/table[2]/tbody/tr[12]/td['+str(i)+']'

roe+=[driver.find_element_by_xpath(xpath_roe).text]

roe={key_roe:roe}

sleep(1)

#print(roe)

# Key Rationsタブを Growth　に切り替える

xpath_growth=r'//*[@id="keyStatWrap"]/div/ul/li[2]/a'

tub_growth=driver.find_element_by_xpath(xpath_growth)

tub_growth.click()

sleep(1)

#print("Growthタブへ切り替え完了")

# EPS % を取得

xpath_eps_pct=r'//*[@id="gr-eps"]'

key_eps_pct=driver.find_element_by_xpath(xpath_eps_pct).text

eps_pct=[]

xpath_eps_pct_yoy=r'//*[@id="tab-growth"]/table/tbody/tr[34]/td[10]'

xpath_eps_pct_3y=r'//*[@id="tab-growth"]/table/tbody/tr[36]/td[10]'

xpath_eps_pct_5y=r'//*[@id="tab-growth"]/table/tbody/tr[38]/td[10]'

xpath_eps_pct_10y=r'//*[@id="tab-growth"]/table/tbody/tr[40]/td[10]'

eps_pct.append(float(driver.find_element_by_xpath(xpath_eps_pct_yoy).text))

eps_pct.append(float(driver.find_element_by_xpath(xpath_eps_pct_3y).text))

eps_pct.append(float(driver.find_element_by_xpath(xpath_eps_pct_5y).text))

eps_pct.append(float(driver.find_element_by_xpath(xpath_eps_pct_10y).text))

eps_pct={key_eps_pct:eps_pct}

sleep(1)

#print(eps_pct)

# データフレームを作成 : pd.concatでどんどんつなげていく。

# 軸を指定して、自動ソートを無効にする。: axis=1

df=pd.concat([pd.DataFrame(eps), pd.DataFrame(dividends), pd.DataFrame(book), pd.DataFrame(roe), pd.DataFrame(eps_pct)], axis=1)

#print(df)

stock_price=3425

as_asset=False

as_dividends=False

as_growths=False

#print("現在の株価 : ",price)

#（１）assets:ずっと持ち続ける資産株として

# 直近のTTMに注目する

book_value_per_share_ttm=book_value_per_share_ttm=df['Book Value Per Share * JPY'][len(df['Book Value Per Share * JPY'])-1]

entry_1=book_value_per_share_ttm*0.8

review_1=book_value_per_share_ttm*1.0

if price<=entry_1:

as_asset=True

#print("資産株として　買い判定:{} エントリー価格 :{:.0f} レビュー価格：{:.0f}".format(as_asset,entry_1,review_1))

#（２）devidents:配当用の株として

# 欲しい利回り日本株６％（米国株７％）欲しい配当率 Yw 0.0

# Devidents / yield_target

dividends_ttm=df['Dividends JPY'][len(df['Dividends JPY'])-1]

yield_target=0.06 # 固定値

entry_2=dividends_ttm/yield_target

review_2=entry_2*1.5 # 単純に1.5倍

if price<=entry_2:

as_dividends=True

#print("配当株として　買い判定:{} エントリー価格 :{:.0f} レビュー価格：{:.0f}".format(as_dividends,entry_2,review_2))

#（３）growths：成長株として

eps_ttm=df['Earnings Per Share JPY'][len(df['Earnings Per Share JPY'])-1]

eps_pct=df['EPS %'].min()

entry_3=eps_ttm*eps_pct

review_3=entry_3*1.2 # 単純に1.2倍

if price<=entry_3:

as_growths=True

#print("成長株として　買い判定:{} エントリー価格 :{:.0f} レビュー価格：{:.0f}".format(as_growths,entry_3,review_3))

print("証券NO. : ",stock_number)

print("現在の株価 : ",int(price))

print("資産株として　買い判定:{} エントリー価格 :{:.0f} レビュー価格：{:.0f}".format(as_asset,entry_1,review_1))

print("配当株として　買い判定:{} エントリー価格 :{:.0f} レビュー価格：{:.0f}".format(as_dividends,entry_2,review_2))

print("成長株として　買い判定:{} エントリー価格 :{:.0f} レビュー価格：{:.0f}".format(as_growths,entry_3,review_3))

print("---- done ----")

# ------ 以下、プログラム本体 -------------

#自動判別プログラムの対象とする銘柄のディクショナリを用意する

dict_stock={"toei_animation":4816,

"pilot":7846,

"okamoto":5122,

"tokan":5901}

for stock_number in dict_stock.values():

auto(stock_number)

print("---- all finished ----")

2024年4月
月	火	水	木	金	土	日
1	2	3	4	5	6	7
8	9	10	11	12	13	14
15	16	17	18	19	20	21
22	23	24	25	26	27	28
29	30

なぜMQTTか

MQTTの特徴

MQTTの用語

QoS:サービス品質 Quality of Serviceです。

QoS_0

QoS_1

QoS_2

MQTTのヘッダーフォーマット

Particle Sensor Model PPD42NS

スペック

コネクタ

ラズパイ側のGPIO

１．BOARD番号で指定する場合

出力データと処理の話

スクリプト

改良

動画

基本スペック

ピン

左端のピン

下端のピン

上端のコネクタ

制御の話

モジュール Adafruit_PCA9685

スクリプト

余談

QoS:サービス品質　Quality of Serviceです。

Particle Sensor　Model PPD42NS

モジュール　Adafruit_PCA9685