2018年08月22日

言語処理100本ノックでPython入門 #66 - MongoDBで検索件数の取得



今日は、言語処理100本ノック 2015の第7章・問題66を解きます。

■ 問題
66. 検索件数の取得
MongoDBのインタラクティブシェルを用いて,活動場所が「Japan」となっているアーティスト数を求めよ.

■ Pythonのコード
import pymongo

def countJapan():
    client = pymongo.MongoClient('localhost', 27017)
    db = client['MusicBrainzDb']
    co = db['artists']
    count = co.find({'area': 'Japan'}).count()
    print(count)

def main():
    countJapan()

if __name__ == '__main__':
    main()

■ ほんの少し説明

今回は簡単でした。単に、findメソッドと、countメソッド使うだけでした。
count = co.find({'area': 'Japan'}).count()

のように、ドットで連結できる。ちょとC#のLINQっぽい。


■ 実行結果
22821
  

Posted by gushwell at 21:30Comments(0)Python

2018年08月19日

言語処理100本ノックでPython入門 #65 - MongoDBの検索



今日は、言語処理100本ノック 2015の第7章・問題65を解きます。


■ 問題
65. MongoDBの検索
MongoDBのインタラクティブシェルを用いて,"Queen"というアーティストに関する情報を取得せよ.さらに,これと同様の処理を行うプログラムを実装せよ.
「MongoDBのインタラクティブシェルを用いて」という部分は省略、後半のプログラムを作成するほうだけ考えます。

■ Pythonのコード
import json
import pymongo
from bson.objectid import ObjectId

def ObjectIdToStr(o):
    if isinstance(o, ObjectId):
        return str(o)
    raise TypeError(repr(o) + " is not suported")

def find(name):
    client = pymongo.MongoClient('localhost', 27017)
    db = client['MusicBrainzDb']
    co = db['artists']
    return co.find({'name': name})

def printArtist(artist):
    print('')
    print(json.dumps(artist, indent=4, ensure_ascii=False, sort_keys=True, default=ObjectIdToStr))

def main():
    for d in find('Queen'):
        printArtist(d)

if __name__ == '__main__':
    main()

■ 簡単に説明


find メソッドを使うと、該当するデータを(複数ある場合はすべて)取得できます。この結果をforで回しています。

取得したデータはJSON形式です。これをdumpメソッドで文字列にして表示しています。この時、
json.dumps(d, indent=4, ensure_ascii=False, sort_keys=True, default=ObjectIdToStr)
と、パラメータでensure_ascii=False としないと、以下のように
    "aliases": [
        {
            "name": "\u5973\u738b",
            "sort_name": "\u5973\u738b"
        }
    ],
漢字部分が、"\u5973"といった形式でエンコードされてしまいます。

それと、ObjectId()は、そのままではdumpsできないので、default= で変換ルーチンを登録しています。 これをやらないと、以下の例外が発生してしまいます。
TypeError: Object of type 'ObjectId' is not JSON serializable

ちなみに、ObjectIdToStr関数の中で使っている repr()組み込み関数は、オブジェクトの印字可能な表現を含む文字列を返します。

■ 結果
{
    "_id": "5b73dc59b520d9c8477aafe2",
    "aliases": [
        {
            "name": "Queen",
            "sort_name": "Queen"
        }
    ],
    "area": "Japan",
    "ended": true,
    "gender": "Female",
    "gid": "420ca290-76c5-41af-999e-564d7c71f1a7",
    "id": 701492,
    "name": "Queen",
    "sort_name": "Queen",
    "tags": [
        {
            "count": 1,
            "value": "kamen rider w"
        },
        {
            "count": 1,
            "value": "related-akb48"
        }
    ],
    "type": "Character"
}

{
    "_id": "5b73dcd0b520d9c8477b768e",
    "aliases": [
        {
            "name": "女王",
            "sort_name": "女王"
        }
    ],
    "area": "United Kingdom",
    "begin": {
        "date": 27,
        "month": 6,
        "year": 1970
    },
    "ended": true,
    "gid": "0383dadf-2a4e-4d10-a46a-e9e041da8eb3",
    "id": 192,
    "name": "Queen",
    "rating": {
        "count": 24,
        "value": 92
    },
    "sort_name": "Queen",
    "tags": [
        {
            "count": 2,
            "value": "hard rock"
        },
        {
            "count": 1,
            "value": "70s"
        },
        {
            "count": 1,
            "value": "queen family"
        },
        {
            "count": 1,
            "value": "90s"
        },
        {
            "count": 1,
            "value": "80s"
        },
        {
            "count": 1,
            "value": "glam rock"
        },
        {
            "count": 4,
            "value": "british"
        },
        {
            "count": 1,
            "value": "english"
        },
        {
            "count": 2,
            "value": "uk"
        },
        {
            "count": 1,
            "value": "pop/rock"
        },
        {
            "count": 1,
            "value": "pop-rock"
        },
        {
            "count": 1,
            "value": "britannique"
        },
        {
            "count": 1,
            "value": "classic pop and rock"
        },
        {
            "count": 1,
            "value": "queen"
        },
        {
            "count": 1,
            "value": "united kingdom"
        },
        {
            "count": 1,
            "value": "langham 1 studio bbc"
        },
        {
            "count": 1,
            "value": "kind of magic"
        },
        {
            "count": 1,
            "value": "band"
        },
        {
            "count": 6,
            "value": "rock"
        },
        {
            "count": 1,
            "value": "platinum"
        }
    ],
    "type": "Group"
}

{
    "_id": "5b73de48b520d9c8477d30e6",
    "ended": true,
    "gid": "5eecaf18-02ec-47af-a4f2-7831db373419",
    "id": 992994,
    "name": "Queen",
    "sort_name": "Queen"
}
  
Posted by gushwell at 21:30Comments(0)Python

2018年08月15日

言語処理100本ノックでPython入門 #64(後編) - MongoDBの構築



言語処理100本ノック 2015の第7章・問題64です。

前回はMoongoDBをインストールしたので、今日は、実際の問題を解いてみます。

■ 問題

64. MongoDBの構築
アーティスト情報(artist.json.gz)をデータベースに登録せよ.さらに,次のフィールドでインデックスを作成せよ: name, aliases.name, tags.value, rating.value



■ Pythonのコード
import json
import pymongo

def enumdata():
    with open('artist.json', 'r', encoding='utf8') as fin:
        for line in fin:
            jsd = json.loads(line)
            yield jsd

def register():
    client = pymongo.MongoClient('localhost', 27017)
    db = client['MusicBrainzDb']
    artists = db['artists']
    for data in enumdata():
        artists.insert(data)
    artists.create_index([('name', pymongo.ASCENDING)])
    artists.create_index([('aliases.name', pymongo.ASCENDING)])
    artists.create_index([('tags.value', pymongo.ASCENDING)])
    artists.create_index([('rating.value', pymongo.ASCENDING)])


def main():
    register()

if __name__ == '__main__':
    main()

■ 簡単に説明


artist.jsonからJSONデータを一つずつ取り出して、insertメソッドでDBに登録しています。
全てのデータが登録終了したら、create_indexでインデックスを作成しています。

create_indexを先にやるとどうなるのかな? これは試していません。 件数が多いので、終わるまで結構時間がかかります。

■ データが登録されたかを確認

では、データが登録されたのか確認します。

MongoDB Compass ComunityというGUIの管理ツールがあるので、それをインストールします。

インストールのページで、バージョンを選択する場所があるので、そこで、Comunity Editionを選びます。
最初これがわからず、Comunityではないパッケージをダウンロードしてしまいました。

インストールはすぐに終わります。

インストールが終わったら、MongoDB Compass Community を起動します。
接続の画面ではデフォルトのままでDBに接続します。

MusicBrainzDbができているのが確認できます。
左のペインでMusicBrainzDbを選択すると、登録されている内容が見られます。
indexesタブを選ぶと、インデクスが作成されていることがわかります。

  
Posted by gushwell at 21:00Comments(0)Python

2018年08月08日

言語処理100本ノックでPython入門 #64(前編) - MacにMongoDBをインストール



今日は、言語処理100本ノック 2015の第7章・問題64です。

■ 問題

64. MongoDBの構築
アーティスト情報(artist.json.gz)をデータベースに登録せよ.さらに,次のフィールドでインデックスを作成せよ: name, aliases.name, tags.value, rating.value


■ MongoDBのインストール

まずは、MongoDBをMacにインストールします。
$ brew install mongodb
このコマンドを投入したら、合わせていろんなものがアップデートされました。

ターミナルの表示を眺めてみると
==> Installing mongodb dependency: sqlite
とか
==> Installing mongodb dependency: python@2
とか。

Python@2って、Python2をインストールしたということなんだと思うんだけど、 MongoDBってPython2に依存してるってことなのかな?
よくわかりません。

とりあえず、最後に
==> mongodb
To have launchd start mongodb now and restart at login:
  brew services start mongodb
Or, if you don't want/need a background service you can just run:
  mongod --config /usr/local/etc/mongod.conf

と表示されたので、正常にインストールできたのだと思います。

続けて、
$ mongo --version
でバージョンを見てみます。
MongoDB shell version v4.0.0
git version: 3b07af3d4f471ae89e8186d33bbb1d5259597d51
allocator: system
modules: none
build environment:
    distarch: x86_64
    target_arch: x86_64

■ Pymongoのインストール


続けて、MongoDBをPythonから操作する pymongoをインストールします。
$ conda install pymongo

以下のようなメッセージが出てきたので、yを押して、更新します。
The following packages will be UPDATED:

    conda:   4.5.8-py36_0         --> 4.5.9-py36_0
    openssl: 1.0.2o-h26aff7b_0    --> 1.0.2o-h1de35cc_1

Proceed ([y]/n)? y

まあ、これは、pymongoとは直接の関係はないですね。

■ MongoDBの起動

以下のコマンドでMongoDBを起動します。
mongod --config /usr/local/etc/mongod.conf

■ MongoDBの終了
$ mongo
で、MongoDBのCLIを起動します。

続けて、
> use admin

で管理者権限に移動します。

そして、以下のコマンドでMongoDBを終了させます。
> db.shutdownServer()

exit コマンドでCLIを終了します。
> exit


macOSでMongoDBを使うを参考にさせていただきました。
っていうか、ほとんどそのままです(^^;;

今日はここまで、実際の問題は後日チャレンジします。
  
Posted by gushwell at 22:15Comments(0)Python

2018年08月05日

言語処理100本ノックでPython入門 #63 - KVSにオブジェクトを格納



今日は、言語処理100本ノック 2015の第7章・問題63を解きます。


■ 問題
63. オブジェクトを値に格納したKVS
KVSを用い,アーティスト名(name)からタグと被タグ数(タグ付けされた回数)のリストを検索するためのデータベースを構築せよ.さらに,ここで構築したデータベースを用い,アーティスト名からタグと被タグ数を検索せよ.

■ どうやって解くか

KVS(Redis)のValueには、オブジェクトも格納できるから、前回とほとんど変わらないコードでいけるんじゃないかな、と思ったのですが、ダメでした。

登録するまではよかったのですが、取得したデータはなぜかシリアライズされたバイト列でした。 このシリアライズされたバイト列をPythonのオブジェクトに戻す方法がわかりません。

しかたないので、jsonにシリアライズしたものを格納して、取り出すときにjsonからデシリアライズすることにしました。

pickleというものを使う方法もあるみたいだけど、そうなると、Python依存のDBになってしまうので今回は却下。もしかしたら、バイト列がpickleオブジェクトだったりするのかも。

db=1 と指定することで、前回までと別のDBにしてみました。

■ 登録するプログラム

import json
import redis

def enumKv():
    with open('artist.json', 'r', encoding='utf8') as fin:
        for line in fin:
            jsd = json.loads(line)
            if 'tags' in jsd:
                yield jsd['name'], json.dumps(jsd['tags'])

def register():
    r = redis.StrictRedis(host='localhost', port=6379, db=1)
    r.flushdb()
    for k, v in enumKv():
        r.set(k, v)
    r.save()

def main():
    register()

if __name__ == '__main__':
    main()

■ アーティスト名からデータを取得するプログラム
import json
import redis

def printTag(r, name):
    v = r.get(name)
    if v != None:
        print('*' + name)
        tags = json.loads(v.decode())
        for tag in tags:
            print("{}\t{}".format(tag['value'], tag['count']))

def main():
    r = redis.StrictRedis(host='localhost', port=6379, db=1)
    printTag(r, 'George Winston')
    printTag(r, 'Mariah Carey')
    printTag(r, '松任谷由実')

if __name__ == '__main__':
    main()

■ 結果

*George Winston
new age 1
folk    1
*Mariah Carey
whistle register        1
rnb     1
pop     1
american        1
pop and chart   1
girl    1
*松任谷由実
fixme label mess        1
likedis auto    1
  
Posted by gushwell at 21:30Comments(0)Python

2018年08月01日

言語処理100本ノックでPython入門 #62 - KVSの反復処理



今日は、言語処理100本ノック 2015の第7章・問題62を解きます。


■ 問題
62. KVS内の反復処理
60で構築したデータベースを用い,活動場所が「Japan」となっているアーティスト数を求めよ.

■ Pythonのコード
import redis

def countjapan():
    r = redis.StrictRedis(host='localhost', port=6379, db=0)
    keys = r.scan_iter()
    count = 0
    for key in keys:
        v = r.get(key)
        if v == b'Japan':
            count = count + 1
    print(count)

def main():
    countjapan()

if __name__ == '__main__':
    main()

■ ちょっと説明

ものすごく力業っぽいコードだけど、Redisが良く分かっていないので、 この方法しか思いつかなかったです。 

この問題のお題が「反復処理」ってあるから、これでいいのだと思うけど... 遅いです。まあ、このコードじゃ仕方ないよね。 

なお、取り出した値は、バイト列なので、b'Japan'で比較しました。


■ Redisサーバーの停止

  それと、Redisサーバーを停止する正しい方法がわからず悩みました。
$ redis-cli
で、Redisのコマンドラインを起動して、そこで、
> shutdown save
とタイプすれば、停止することができました。

このコマンドラインを終了するには、
> exit
とします。  
Posted by gushwell at 21:30Comments(0)Python