Develop

day1/01_streamlit_UI/app.py

@@ -15,7 +15,7 @@
 # ============================================
 # タイトルと説明
 # ============================================
-st.title("Streamlit 初心者向けデモ")
+st.title("Streamlit 改良版")
 st.markdown("### コメントを解除しながらStreamlitの機能を学びましょう")
 st.markdown("このデモコードでは、コメントアウトされた部分を順番に解除しながらUIの変化を確認できます。")
 
@@ -36,27 +36,27 @@
 st.write(f"こんにちは、{name}さん！")
 
 # ボタン
-# st.subheader("ボタン")
-# if st.button("クリックしてください"):
-#     st.success("ボタンがクリックされました！")
+st.subheader("ボタン")
+if st.button("クリックしてください"):
+   st.success("ボタンがクリックされました！")
 
 # チェックボックス
-# st.subheader("チェックボックス")
-# if st.checkbox("チェックを入れると追加コンテンツが表示されます"):
-#     st.info("これは隠れたコンテンツです！")
+st.subheader("チェックボックス")
+if st.checkbox("チェックを入れると追加コンテンツが表示されます"):
+   st.info("これは隠れたコンテンツです！")
 
 # スライダー
-# st.subheader("スライダー")
-# age = st.slider("年齢", 0, 100, 25)
-# st.write(f"あなたの年齢: {age}")
+st.subheader("スライダー")
+age = st.slider("年齢", 0, 100, 25)
+st.write(f"あなたの年齢: {age}")
 
 # セレクトボックス
-# st.subheader("セレクトボックス")
-# option = st.selectbox(
-#     "好きなプログラミング言語は?",
-#     ["Python", "JavaScript", "Java", "C++", "Go", "Rust"]
-# )
-# st.write(f"あなたは{option}を選びました")
+st.subheader("セレクトボックス")
+option = st.selectbox(
+    "好きなプログラミング言語は?",
+    ["Python", "JavaScript", "Java", "C++", "Go", "Rust"]
+ )
+st.write(f"あなたは{option}を選びました")
 
 # ============================================
 # レイアウト
@@ -90,22 +90,22 @@
 # ============================================
 # データ表示
 # ============================================
-# st.header("データの表示")
+st.header("データの表示")
 
 # サンプルデータフレームを作成
-# df = pd.DataFrame({
-#     '名前': ['田中', '鈴木', '佐藤', '高橋', '伊藤'],
-#     '年齢': [25, 30, 22, 28, 33],
-#     '都市': ['東京', '大阪', '福岡', '札幌', '名古屋']
-# })
+df = pd.DataFrame({
+    '名前': ['田中', '鈴木', '佐藤', '高橋', '伊藤'],
+    '年齢': [25, 30, 22, 28, 33],
+    '都市': ['東京', '大阪', '福岡', '札幌', '名古屋']
+ })
 
 # データフレーム表示
-# st.subheader("データフレーム")
-# st.dataframe(df, use_container_width=True)
+st.subheader("データフレーム")
+st.dataframe(df, use_container_width=True)
 
 # テーブル表示
-# st.subheader("テーブル")
-# st.table(df)
+st.subheader("テーブル")
+st.table(df)
 
 # メトリクス表示
 # st.subheader("メトリクス")
@@ -117,14 +117,14 @@
 # ============================================
 # グラフ表示
 # ============================================
-# st.header("グラフの表示")
+st.header("グラフの表示")
 
 # ラインチャート
-# st.subheader("ラインチャート")
-# chart_data = pd.DataFrame(
-#     np.random.randn(20, 3),
-#     columns=['A', 'B', 'C'])
-# st.line_chart(chart_data)
+st.subheader("ラインチャート")
+chart_data = pd.DataFrame(
+    np.random.randn(20, 3),
+    columns=['A', 'B', 'C'])
+st.line_chart(chart_data)
 
 # バーチャート
 # st.subheader("バーチャート")
@@ -139,14 +139,14 @@
 # ============================================
 # st.header("インタラクティブ機能")
 
-# プログレスバー
-# st.subheader("プログレスバー")
-# progress = st.progress(0)
-# if st.button("進捗をシミュレート"):
-#     for i in range(101):
-#         time.sleep(0.01)
-#         progress.progress(i / 100)
-#     st.balloons()
+#　プログレスバー
+st.subheader("プログレスバー")
+progress = st.progress(0)
+if st.button("進捗をシミュレート"):
+    for i in range(101):
+        time.sleep(0.01)
+        progress.progress(i / 100)
+    st.balloons()
 
 # ファイルアップロード
 # st.subheader("ファイルアップロード")

day5/演習2/black_check.py

@@ -1,7 +1,18 @@
+def say_hello(name):
+    print("Hello," + name + "!")  # greet
+
+
+def say_hello(name):
+    print("Hello," + name + "!")  # greet
+
+
+def add(a, b):
+    return a + b
+
+
+def add(a, b):
+    return a + b
+
 
-def say_hello(name):print("Hello,"+name+"!")   # greet
-def say_hello(name):print("Hello,"     +    name   +"!")   # greet
-def add( a,b):return a+b
-def add( a ,     b    ):return a+b
 def add(a, b):
-    return a+b
+    return a + b

day5/演習2/main.py

@@ -11,6 +11,7 @@
 import time
 import great_expectations as gx
 
+
 class DataLoader:
     """データロードを行うクラス"""
 

day5/演習3/tests/test_model.py

@@ -3,7 +3,10 @@
 import pandas as pd
 import numpy as np
 import pickle
+import pathlib
+from datetime import datetime
 import time
+import json
 from sklearn.ensemble import RandomForestClassifier
 from sklearn.model_selection import train_test_split
 from sklearn.metrics import accuracy_score
@@ -12,6 +15,9 @@
 from sklearn.compose import ColumnTransformer
 from sklearn.pipeline import Pipeline
 
+BASELINE_PATH = pathlib.Path(__file__).resolve().parents[1] / "baseline.json"
+
+
 # テスト用データとモデルパスを定義
 DATA_PATH = os.path.join(os.path.dirname(__file__), "../data/Titanic.csv")
 MODEL_DIR = os.path.join(os.path.dirname(__file__), "../models")
@@ -101,6 +107,19 @@ def train_model(sample_data, preprocessor):
 
     return model, X_test, y_test
 
+def _load_baseline() -> float | None:
+    """baseline.json から accuracy を読む（無ければ None）"""
+    if BASELINE_PATH.exists():
+        data = json.loads(BASELINE_PATH.read_text())
+        return data.get("accuracy")
+    return None
+
+def _save_baseline(new_acc: float):
+    """精度が向上したとき baseline.json を更新"""
+    BASELINE_PATH.write_text(json.dumps(
+        {"accuracy": new_acc, "updated": datetime.utcnow().isoformat()},
+        indent=2
+    ))
 
 def test_model_exists():
     """モデルファイルが存在するか確認"""