投稿

投稿日:

新たなIoTデバイスEMW3162登場？

例によって Hack a Day の記事からです。

ESP8266とは異なる別のIoTモジュール、その名もEMW3162というモジュールが登場しているようです。（PDFデータシート）

ESP8266モジュールのワンチップIoTモジュールとは異なり、２チップでモジュール構成しています。アプリケーションプロセッサは120MHz動作のSTM32F205を搭載し、アプリケーション領域としてFlash 1MB、RAM128KBが使えるようです。

WiFiとTCP/IPの処理はライブラリで提供、RTOSおよびGCCの開発ツールもファームウェア開発キットとして提供されるようです。典型的な無線のUART、オーディオ、センサ接続などはファームとして提供されるそうです。（サンプルプログラムの扱いでしょうかね？）

すでにAliExpressでも$10〜$20/台程度で販売されていますが、モジュール仕様としてWiFiアンテナはオンボードPCBアンテナと外付けアンテナタイプの２種類があるようですので、要注意です。（あまり明確に記載されていません）

CEとFCCには適合しているようですが、例によって（当然でしょうが）技適に関わる記述はありません。（モジュール写真を見る限りはどれもCEマークしか入っていません）

第一印象としてはESP8266では扱いきれないようなアプリケーションでない限りはメリットは大きくないような気がします。コスト的にもESP8266の１チップ構成と比べるとデメリットは大きいかと。もちろんモジュール上の120MHz動作のSTM32F205を活かしきれるような用途なら別なのですが、果たしてどの程度そのような用途があるか・・・？

投稿日:

GNU R言語でCSVを扱う

訳あって、大量のCSVデータと格闘することになりそうです。
そのために調べているのが統計解析のためのR言語です。

試しに、気象庁から過去のデータを引っ張ってきてR言語で処理してみます。

１．データをダウンロード

気象庁の各種データ・資料のページの「過去の地点気象データ・ダウンロード」を開きます。

まずデータをダウンロードする地点を選びます。
今回は東京・大阪・仙台・名古屋・福岡を選んでみました。

次に項目を選びます
データの種類は「日別値」、過去の平均値との比較はなし、項目は「日平均気温」「日最高気温」「日最低気温」「降水量の日合計」「１０分間降水量の日最大」「日照時間」「日平均風速」「日最大風速（風向）」「日最大瞬間風速（風向）」「日平均相対湿度」「日平均海面気圧」を選んでみました。

次に期間を選びます。
２０１４年１月１日～１２月３１日を選んでみたところ、データ量が多すぎるようです。
「日照時間」「日平均風速」「日最大風速（風向）」「日最大瞬間風速（風向）」「日平均相対湿度」は項目から削除しました。

これでCSVでダウンロードしました。

２．文字コードの変換

ダウンロードしたファイルは文字コードがSJISになっています。これをUTF-8に変換します。

$ iconv -f SJIS -t UTF8 kishou2014.csv > kishou2014-utf.csv

３．データの読込みと生表示

データファイルのあるディレクトリに移動してからR言語を起動し、

> dataset <- read.csv("kishou2014-utf.csv",stringsAsFactors=FALSE,skip=2)

としてdatasetオブジェクトにデータを読み込ませます。その際に、最初の2行（ダウンロード時刻と空行）は切り捨てます。「stringsAsFactors=FALSE」はこれがないと後で数値に変換する際におかしな変換がかかります。
（参考： http://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q1474978024）

読み込まれたデータをちょっとだけ見てみます。

> dataset[1:6,]
         X         東京       東京.1       東京.2       東京.3       東京.4
1   年月日 平均気温(℃) 平均気温(℃) 平均気温(℃) 最高気温(℃) 最高気温(℃)
2                                                                          
3                           品質情報     均質番号                  品質情報
4 2014/1/1          9.6            8            1         15.5            8
5 2014/1/2          7.3            8            1         12.1            8
6 2014/1/3          5.9            8            1          8.5            8
        東京.5       東京.6       東京.7       東京.8           東京.9
1 最高気温(℃) 最低気温(℃) 最低気温(℃) 最低気温(℃) 降水量の合計(mm)
2                                                                     
3     均質番号                  品質情報     均質番号                 
4            1          3.1            8            1                0
5            1          3.1            8            1                0
6            1          3.8            8            1                0
           東京.10          東京.11          東京.12                東京.13
1 降水量の合計(mm) 降水量の合計(mm) 降水量の合計(mm) 10分間降水量の最大(mm)
2                                                                          
3     現象なし情報         品質情報         均質番号                       
4                1                8                1                      0
5                1                8                1                      0
6                1                8                1                      0

実際にはもっとたくさん表示されます。

２列目の東京の平均気温だけを表示させてみます。

> dataset[,2]
 [1] "平均気温(℃)" "" "" "9.6" "7.3" 
 [6] "5.9" "6.5" "5.4" "5.3" "5.5" 
 [11] "7.3" "7.2" "3.6" "4.3" "5.3" 
 [16] "5.1" "4.2" "3.0" "4.8" "5.8" 
 [21] "5.2" "4.2" "4.8" "6.3" "5.5" 
 [26] "6.5" "7.2" "8.4" "9.5" "4.6" 
 [31] "8.8" "8.9" "10.3" "9.9" "7.9" 
 [36] "9.3" "12.8" "5.0" "1.6" "2.7" 
 [41] "4.0" "0.3" "5.4" "6.0" "3.3" 
 [46] "4.8" "5.3" "1.4" "3.9" "6.9" 
 [51] "7.3" "4.7" "4.7" "4.6" "5.5" 
 [56] "5.1" "5.6" "6.3" "8.2" "10.0" 
 [61] "10.0" "13.8" "8.9" "5.6" "6.6" 
 [66] "6.9" "6.5" "5.4" "4.4" "5.9" 
 [71] "6.4" "4.9" "6.1" "11.0" "12.3" 
 [76] "10.1" "8.3" "10.8" "12.1" "15.4" 
 [81] "11.2" "8.1" "10.1" "9.3" "11.6" 
 [86] "13.6" "16.6" "16.4" "12.6" "14.8" 
 [91] "17.7" "16.5" "15.7" "13.9" "15.2" 
 [96] "13.8" "15.3" "11.4" "9.0" "11.4" 
[101] "15.8" "15.5" "16.1" "12.9" "14.6" 
[106] "14.4" "14.0" "16.3" "18.7" "17.7" 
[111] "11.8" "11.7" "11.0" "13.4" "15.2" 
[116] "16.2" "16.6" "17.8" "18.2" "18.1" 
[121] "18.6" "17.8" "16.7" "20.6" "21.0" 
[126] "21.3" "18.6" "18.1" "14.3" "16.5" 
[131] "18.7" "19.3" "19.8" "20.6" "19.6" 
[136] "19.3" "21.9" "19.9" "21.5" "21.1" 
[141] "20.5" "21.1" "21.7" "17.5" "18.6" 
[146] "17.8" "20.6" "22.7" "21.3" "21.4" 
[151] "22.7" "23.1" "24.1" "25.6" "26.6" 
[156] "25.5" "24.0" "24.3" "21.2" "19.9" 
[161] "18.4" "20.5" "22.9" "23.5" "22.2" 
[166] "22.0" "24.9" "24.7" "24.4" "25.0" 
[171] "24.3" "23.2" "24.8" "24.6" "24.6" 
[176] "22.5" "24.2" "22.6" "22.6" "23.6" 
[181] "23.9" "22.8" "23.3" "23.6" "25.3" 
[186] "25.8" "24.8" "21.6" "22.0" "24.2" 
[191] "23.4" "26.8" "24.2" "26.6" "28.5" 
[196] "29.2" "26.9" "28.5" "28.2" "28.0" 
[201] "27.1" "24.9" "23.8" "24.5" "25.0" 
[206] "27.7" "29.4" "29.9" "30.5" "30.5" 
[211] "30.1" "27.7" "27.6" "27.9" "29.5" 
[216] "29.8" "30.9" "31.0" "30.5" "31.1" 
[221] "30.8" "29.7" "29.0" "25.4" "26.3" 
[226] "29.4" "26.3" "26.7" "27.1" "29.5" 
[231] "27.0" "26.2" "29.1" "30.3" "31.1" 
[236] "30.5" "30.2" "27.6" "28.4" "27.0" 
[241] "25.2" "21.2" "21.1" "23.3" "22.6" 
[246] "23.2" "21.8" "24.5" "24.1" "25.2" 
[251] "27.8" "27.3" "21.7" "22.1" "23.5" 
[256] "23.4" "21.8" "23.5" "23.1" "23.8" 
[261] "24.1" "25.1" "23.3" "22.3" "22.3" 
[266] "20.5" "21.3" "22.6" "22.1" "22.4" 
[271] "24.4" "22.9" "20.2" "21.7" "23.5" 
[276] "24.7" "21.2" "21.7" "25.7" "24.2" 
[281] "17.2" "21.3" "20.0" "20.3" "21.0" 
[286] "22.4" "20.3" "18.6" "18.1" "23.1" 
[291] "15.9" "16.8" "18.4" "17.5" "18.3" 
[296] "19.4" "19.0" "16.1" "14.3" "16.7" 
[301] "18.3" "20.1" "19.3" "15.8" "16.4" 
[306] "16.8" "18.4" "16.8" "19.5" "18.0" 
[311] "16.2" "15.2" "17.7" "17.7" "14.1" 
[316] "14.9" "17.8" "14.5" "14.1" "15.0" 
[321] "12.8" "12.7" "12.5" "12.1" "12.9" 
[326] "12.1" "9.1" "12.3" "13.8" "14.1" 
[331] "13.2" "11.1" "9.2" "12.9" "14.1" 
[336] "13.8" "15.1" "13.5" "10.8" "8.2" 
[341] "8.8" "8.3" "5.1" "6.2" "6.6" 
[346] "7.3" "7.3" "9.6" "9.3" "7.0" 
[351] "4.8" "5.3" "3.6" "4.3" "4.0" 
[356] "5.4" "5.3" "8.6" "7.1" "6.3" 
[361] "5.9" "6.3" "5.1" "4.6" "3.8" 
[366] "4.2" "6.6" "8.0"

代わりに、最初の行に表示されたインデックス（？）を使って、「dataset$東京」でもアクセスできるようです。

> dataset$東京
 [1] "平均気温(℃)" "" "" "9.6" "7.3" 
 [6] "5.9" "6.5" "5.4" "5.3" "5.5" 
 [11] "7.3" "7.2" "3.6" "4.3" "5.3" 
 [16] "5.1" "4.2" "3.0" "4.8" "5.8" 
 [21] "5.2" "4.2" "4.8" "6.3" "5.5" 
 [26] "6.5" "7.2" "8.4" "9.5" "4.6" 
 [31] "8.8" "8.9" "10.3" "9.9" "7.9" 
 [36] "9.3" "12.8" "5.0" "1.6" "2.7" 
 [41] "4.0" "0.3" "5.4" "6.0" "3.3" 
 [46] "4.8" "5.3" "1.4" "3.9" "6.9" 
 [51] "7.3" "4.7" "4.7" "4.6" "5.5" 
 [56] "5.1" "5.6" "6.3" "8.2" "10.0" 
 [61] "10.0" "13.8" "8.9" "5.6" "6.6" 
 [66] "6.9" "6.5" "5.4" "4.4" "5.9" 
 [71] "6.4" "4.9" "6.1" "11.0" "12.3" 
 [76] "10.1" "8.3" "10.8" "12.1" "15.4" 
 [81] "11.2" "8.1" "10.1" "9.3" "11.6" 
 [86] "13.6" "16.6" "16.4" "12.6" "14.8" 
 [91] "17.7" "16.5" "15.7" "13.9" "15.2" 
 [96] "13.8" "15.3" "11.4" "9.0" "11.4" 
[101] "15.8" "15.5" "16.1" "12.9" "14.6" 
[106] "14.4" "14.0" "16.3" "18.7" "17.7" 
[111] "11.8" "11.7" "11.0" "13.4" "15.2" 
[116] "16.2" "16.6" "17.8" "18.2" "18.1" 
[121] "18.6" "17.8" "16.7" "20.6" "21.0" 
[126] "21.3" "18.6" "18.1" "14.3" "16.5" 
[131] "18.7" "19.3" "19.8" "20.6" "19.6" 
[136] "19.3" "21.9" "19.9" "21.5" "21.1" 
[141] "20.5" "21.1" "21.7" "17.5" "18.6" 
[146] "17.8" "20.6" "22.7" "21.3" "21.4" 
[151] "22.7" "23.1" "24.1" "25.6" "26.6" 
[156] "25.5" "24.0" "24.3" "21.2" "19.9" 
[161] "18.4" "20.5" "22.9" "23.5" "22.2" 
[166] "22.0" "24.9" "24.7" "24.4" "25.0" 
[171] "24.3" "23.2" "24.8" "24.6" "24.6" 
[176] "22.5" "24.2" "22.6" "22.6" "23.6" 
[181] "23.9" "22.8" "23.3" "23.6" "25.3" 
[186] "25.8" "24.8" "21.6" "22.0" "24.2" 
[191] "23.4" "26.8" "24.2" "26.6" "28.5" 
[196] "29.2" "26.9" "28.5" "28.2" "28.0" 
[201] "27.1" "24.9" "23.8" "24.5" "25.0" 
[206] "27.7" "29.4" "29.9" "30.5" "30.5" 
[211] "30.1" "27.7" "27.6" "27.9" "29.5" 
[216] "29.8" "30.9" "31.0" "30.5" "31.1" 
[221] "30.8" "29.7" "29.0" "25.4" "26.3" 
[226] "29.4" "26.3" "26.7" "27.1" "29.5" 
[231] "27.0" "26.2" "29.1" "30.3" "31.1" 
[236] "30.5" "30.2" "27.6" "28.4" "27.0" 
[241] "25.2" "21.2" "21.1" "23.3" "22.6" 
[246] "23.2" "21.8" "24.5" "24.1" "25.2" 
[251] "27.8" "27.3" "21.7" "22.1" "23.5" 
[256] "23.4" "21.8" "23.5" "23.1" "23.8" 
[261] "24.1" "25.1" "23.3" "22.3" "22.3" 
[266] "20.5" "21.3" "22.6" "22.1" "22.4" 
[271] "24.4" "22.9" "20.2" "21.7" "23.5" 
[276] "24.7" "21.2" "21.7" "25.7" "24.2" 
[281] "17.2" "21.3" "20.0" "20.3" "21.0" 
[286] "22.4" "20.3" "18.6" "18.1" "23.1" 
[291] "15.9" "16.8" "18.4" "17.5" "18.3" 
[296] "19.4" "19.0" "16.1" "14.3" "16.7" 
[301] "18.3" "20.1" "19.3" "15.8" "16.4" 
[306] "16.8" "18.4" "16.8" "19.5" "18.0" 
[311] "16.2" "15.2" "17.7" "17.7" "14.1" 
[316] "14.9" "17.8" "14.5" "14.1" "15.0" 
[321] "12.8" "12.7" "12.5" "12.1" "12.9" 
[326] "12.1" "9.1" "12.3" "13.8" "14.1" 
[331] "13.2" "11.1" "9.2" "12.9" "14.1" 
[336] "13.8" "15.1" "13.5" "10.8" "8.2" 
[341] "8.8" "8.3" "5.1" "6.2" "6.6" 
[346] "7.3" "7.3" "9.6" "9.3" "7.0" 
[351] "4.8" "5.3" "3.6" "4.3" "4.0" 
[356] "5.4" "5.3" "8.6" "7.1" "6.3" 
[361] "5.9" "6.3" "5.1" "4.6" "3.8" 
[366] "4.2" "6.6" "8.0"

どの名前をつければどの項目が切り出せるかは、str()でわかるようです。

> str(dataset)
'data.frame':	368 obs. of  101 variables:
 $ X        : chr  "年月日" "" "" "2014/1/1" ...
 $ 東京     : chr  "平均気温(℃)" "" "" "9.6" ...
 $ 東京.1   : chr  "平均気温(℃)" "" "品質情報" "8" ...
 $ 東京.2   : chr  "平均気温(℃)" "" "均質番号" "1" ...
 $ 東京.3   : chr  "最高気温(℃)" "" "" "15.5" ...
 $ 東京.4   : chr  "最高気温(℃)" "" "品質情報" "8" ...
 $ 東京.5   : chr  "最高気温(℃)" "" "均質番号" "1" ...
 $ 東京.6   : chr  "最低気温(℃)" "" "" "3.1" ...
 $ 東京.7   : chr  "最低気温(℃)" "" "品質情報" "8" ...
 $ 東京.8   : chr  "最低気温(℃)" "" "均質番号" "1" ...
 $ 東京.9   : chr  "降水量の合計(mm)" "" "" "0" ...
 $ 東京.10  : chr  "降水量の合計(mm)" "" "現象なし情報" "1" ...
 $ 東京.11  : chr  "降水量の合計(mm)" "" "品質情報" "8" ...
 $ 東京.12  : chr  "降水量の合計(mm)" "" "均質番号" "1" ...
 $ 東京.13  : chr  "10分間降水量の最大(mm)" "" "" "0" ...
 $ 東京.14  : chr  "10分間降水量の最大(mm)" "" "現象なし情報" "1" ...
 $ 東京.15  : chr  "10分間降水量の最大(mm)" "" "品質情報" "8" ...
 $ 東京.16  : chr  "10分間降水量の最大(mm)" "" "均質番号" "1" ...
 $ 東京.17  : chr  "平均海面気圧(hPa)" "" "" "1005.7" ...
 $ 東京.18  : chr  "平均海面気圧(hPa)" "" "品質情報" "8" ...
 $ 東京.19  : chr  "平均海面気圧(hPa)" "" "均質番号" "1" ...
 $ 大阪     : chr  "平均気温(℃)" "" "" "9.9" ...
 $ 大阪.1   : chr  "平均気温(℃)" "" "品質情報" "8" ...
 $ 大阪.2   : chr  "平均気温(℃)" "" "均質番号" "1" ...
 $ 大阪.3   : chr  "最高気温(℃)" "" "" "13.0" ...
 $ 大阪.4   : chr  "最高気温(℃)" "" "品質情報" "8" ...
 $ 大阪.5   : chr  "最高気温(℃)" "" "均質番号" "1" ...
 $ 大阪.6   : chr  "最低気温(℃)" "" "" "6.2" ...
 $ 大阪.7   : chr  "最低気温(℃)" "" "品質情報" "8" ...
 $ 大阪.8   : chr  "最低気温(℃)" "" "均質番号" "1" ...
 $ 大阪.9   : chr  "降水量の合計(mm)" "" "" "0.0" ...
 $ 大阪.10  : chr  "降水量の合計(mm)" "" "現象なし情報" "0" ...
 $ 大阪.11  : chr  "降水量の合計(mm)" "" "品質情報" "8" ...
 $ 大阪.12  : chr  "降水量の合計(mm)" "" "均質番号" "1" ...
 $ 大阪.13  : chr  "10分間降水量の最大(mm)" "" "" "0.0" ...
 $ 大阪.14  : chr  "10分間降水量の最大(mm)" "" "現象なし情報" "0" ...
 $ 大阪.15  : chr  "10分間降水量の最大(mm)" "" "品質情報" "8" ...
 $ 大阪.16  : chr  "10分間降水量の最大(mm)" "" "均質番号" "1" ...
 $ 大阪.17  : chr  "平均海面気圧(hPa)" "" "" "1012.2" ...
 $ 大阪.18  : chr  "平均海面気圧(hPa)" "" "品質情報" "8" ...
 $ 大阪.19  : chr  "平均海面気圧(hPa)" "" "均質番号" "1" ...
 $ 仙台     : chr  "平均気温(℃)" "" "" "5.4" ...
 $ 仙台.1   : chr  "平均気温(℃)" "" "品質情報" "8" ...
 $ 仙台.2   : chr  "平均気温(℃)" "" "均質番号" "1" ...
 $ 仙台.3   : chr  "最高気温(℃)" "" "" "9.9" ...
 $ 仙台.4   : chr  "最高気温(℃)" "" "品質情報" "8" ...
 $ 仙台.5   : chr  "最高気温(℃)" "" "均質番号" "1" ...
 $ 仙台.6   : chr  "最低気温(℃)" "" "" "1.2" ...
 $ 仙台.7   : chr  "最低気温(℃)" "" "品質情報" "8" ...
 $ 仙台.8   : chr  "最低気温(℃)" "" "均質番号" "1" ...
 $ 仙台.9   : chr  "降水量の合計(mm)" "" "" "5.0" ...
 $ 仙台.10  : chr  "降水量の合計(mm)" "" "現象なし情報" "0" ...
 $ 仙台.11  : chr  "降水量の合計(mm)" "" "品質情報" "8" ...
 $ 仙台.12  : chr  "降水量の合計(mm)" "" "均質番号" "1" ...
 $ 仙台.13  : chr  "10分間降水量の最大(mm)" "" "" "1.5" ...
 $ 仙台.14  : chr  "10分間降水量の最大(mm)" "" "現象なし情報" "0" ...
 $ 仙台.15  : chr  "10分間降水量の最大(mm)" "" "品質情報" "8" ...
 $ 仙台.16  : chr  "10分間降水量の最大(mm)" "" "均質番号" "1" ...
 $ 仙台.17  : chr  "平均海面気圧(hPa)" "" "" "1003.7" ...
 $ 仙台.18  : chr  "平均海面気圧(hPa)" "" "品質情報" "8" ...
 $ 仙台.19  : chr  "平均海面気圧(hPa)" "" "均質番号" "1" ...
 $ 名古屋   : chr  "平均気温(℃)" "" "" "6.1" ...
 $ 名古屋.1 : chr  "平均気温(℃)" "" "品質情報" "8" ...
 $ 名古屋.2 : chr  "平均気温(℃)" "" "均質番号" "1" ...
 $ 名古屋.3 : chr  "最高気温(℃)" "" "" "12.1" ...
 $ 名古屋.4 : chr  "最高気温(℃)" "" "品質情報" "8" ...
 $ 名古屋.5 : chr  "最高気温(℃)" "" "均質番号" "1" ...
 $ 名古屋.6 : chr  "最低気温(℃)" "" "" "1.8" ...
 $ 名古屋.7 : chr  "最低気温(℃)" "" "品質情報" "8" ...
 $ 名古屋.8 : chr  "最低気温(℃)" "" "均質番号" "1" ...
 $ 名古屋.9 : chr  "降水量の合計(mm)" "" "" "0.0" ...
 $ 名古屋.10: chr  "降水量の合計(mm)" "" "現象なし情報" "0" ...
 $ 名古屋.11: chr  "降水量の合計(mm)" "" "品質情報" "8" ...
 $ 名古屋.12: chr  "降水量の合計(mm)" "" "均質番号" "1" ...
 $ 名古屋.13: chr  "10分間降水量の最大(mm)" "" "" "0.0" ...
 $ 名古屋.14: chr  "10分間降水量の最大(mm)" "" "現象なし情報" "0" ...
 $ 名古屋.15: chr  "10分間降水量の最大(mm)" "" "品質情報" "8" ...
 $ 名古屋.16: chr  "10分間降水量の最大(mm)" "" "均質番号" "1" ...
 $ 名古屋.17: chr  "平均海面気圧(hPa)" "" "" "1011.4" ...
 $ 名古屋.18: chr  "平均海面気圧(hPa)" "" "品質情報" "8" ...
 $ 名古屋.19: chr  "平均海面気圧(hPa)" "" "均質番号" "1" ...
 $ 福岡     : chr  "平均気温(℃)" "" "" "10.5" ...
 $ 福岡.1   : chr  "平均気温(℃)" "" "品質情報" "8" ...
 $ 福岡.2   : chr  "平均気温(℃)" "" "均質番号" "1" ...
 $ 福岡.3   : chr  "最高気温(℃)" "" "" "12.6" ...
 $ 福岡.4   : chr  "最高気温(℃)" "" "品質情報" "8" ...
 $ 福岡.5   : chr  "最高気温(℃)" "" "均質番号" "1" ...
 $ 福岡.6   : chr  "最低気温(℃)" "" "" "6.5" ...
 $ 福岡.7   : chr  "最低気温(℃)" "" "品質情報" "8" ...
 $ 福岡.8   : chr  "最低気温(℃)" "" "均質番号" "1" ...
 $ 福岡.9   : chr  "降水量の合計(mm)" "" "" "0.0" ...
 $ 福岡.10  : chr  "降水量の合計(mm)" "" "現象なし情報" "0" ...
 $ 福岡.11  : chr  "降水量の合計(mm)" "" "品質情報" "8" ...
 $ 福岡.12  : chr  "降水量の合計(mm)" "" "均質番号" "1" ...
 $ 福岡.13  : chr  "10分間降水量の最大(mm)" "" "" "0.0" ...
 $ 福岡.14  : chr  "10分間降水量の最大(mm)" "" "現象なし情報" "0" ...
 $ 福岡.15  : chr  "10分間降水量の最大(mm)" "" "品質情報" "8" ...
 $ 福岡.16  : chr  "10分間降水量の最大(mm)" "" "均質番号" "1" ...
 $ 福岡.17  : chr  "平均海面気圧(hPa)" "" "" "1016.2" ...
  [list output truncated]
>

実際のデータは４つ目の9.6からなので、そこからを表示させてみます。

> dataset$東京[4:368]
 [1] "9.6" "7.3" "5.9" "6.5" "5.4" "5.3" "5.5" "7.3" "7.2" "3.6" 
 [11] "4.3" "5.3" "5.1" "4.2" "3.0" "4.8" "5.8" "5.2" "4.2" "4.8" 
 [21] "6.3" "5.5" "6.5" "7.2" "8.4" "9.5" "4.6" "8.8" "8.9" "10.3"
 [31] "9.9" "7.9" "9.3" "12.8" "5.0" "1.6" "2.7" "4.0" "0.3" "5.4" 
 [41] "6.0" "3.3" "4.8" "5.3" "1.4" "3.9" "6.9" "7.3" "4.7" "4.7" 
 [51] "4.6" "5.5" "5.1" "5.6" "6.3" "8.2" "10.0" "10.0" "13.8" "8.9" 
 [61] "5.6" "6.6" "6.9" "6.5" "5.4" "4.4" "5.9" "6.4" "4.9" "6.1" 
 [71] "11.0" "12.3" "10.1" "8.3" "10.8" "12.1" "15.4" "11.2" "8.1" "10.1"
 [81] "9.3" "11.6" "13.6" "16.6" "16.4" "12.6" "14.8" "17.7" "16.5" "15.7"
 [91] "13.9" "15.2" "13.8" "15.3" "11.4" "9.0" "11.4" "15.8" "15.5" "16.1"
[101] "12.9" "14.6" "14.4" "14.0" "16.3" "18.7" "17.7" "11.8" "11.7" "11.0"
[111] "13.4" "15.2" "16.2" "16.6" "17.8" "18.2" "18.1" "18.6" "17.8" "16.7"
[121] "20.6" "21.0" "21.3" "18.6" "18.1" "14.3" "16.5" "18.7" "19.3" "19.8"
[131] "20.6" "19.6" "19.3" "21.9" "19.9" "21.5" "21.1" "20.5" "21.1" "21.7"
[141] "17.5" "18.6" "17.8" "20.6" "22.7" "21.3" "21.4" "22.7" "23.1" "24.1"
[151] "25.6" "26.6" "25.5" "24.0" "24.3" "21.2" "19.9" "18.4" "20.5" "22.9"
[161] "23.5" "22.2" "22.0" "24.9" "24.7" "24.4" "25.0" "24.3" "23.2" "24.8"
[171] "24.6" "24.6" "22.5" "24.2" "22.6" "22.6" "23.6" "23.9" "22.8" "23.3"
[181] "23.6" "25.3" "25.8" "24.8" "21.6" "22.0" "24.2" "23.4" "26.8" "24.2"
[191] "26.6" "28.5" "29.2" "26.9" "28.5" "28.2" "28.0" "27.1" "24.9" "23.8"
[201] "24.5" "25.0" "27.7" "29.4" "29.9" "30.5" "30.5" "30.1" "27.7" "27.6"
[211] "27.9" "29.5" "29.8" "30.9" "31.0" "30.5" "31.1" "30.8" "29.7" "29.0"
[221] "25.4" "26.3" "29.4" "26.3" "26.7" "27.1" "29.5" "27.0" "26.2" "29.1"
[231] "30.3" "31.1" "30.5" "30.2" "27.6" "28.4" "27.0" "25.2" "21.2" "21.1"
[241] "23.3" "22.6" "23.2" "21.8" "24.5" "24.1" "25.2" "27.8" "27.3" "21.7"
[251] "22.1" "23.5" "23.4" "21.8" "23.5" "23.1" "23.8" "24.1" "25.1" "23.3"
[261] "22.3" "22.3" "20.5" "21.3" "22.6" "22.1" "22.4" "24.4" "22.9" "20.2"
[271] "21.7" "23.5" "24.7" "21.2" "21.7" "25.7" "24.2" "17.2" "21.3" "20.0"
[281] "20.3" "21.0" "22.4" "20.3" "18.6" "18.1" "23.1" "15.9" "16.8" "18.4"
[291] "17.5" "18.3" "19.4" "19.0" "16.1" "14.3" "16.7" "18.3" "20.1" "19.3"
[301] "15.8" "16.4" "16.8" "18.4" "16.8" "19.5" "18.0" "16.2" "15.2" "17.7"
[311] "17.7" "14.1" "14.9" "17.8" "14.5" "14.1" "15.0" "12.8" "12.7" "12.5"
[321] "12.1" "12.9" "12.1" "9.1" "12.3" "13.8" "14.1" "13.2" "11.1" "9.2" 
[331] "12.9" "14.1" "13.8" "15.1" "13.5" "10.8" "8.2" "8.8" "8.3" "5.1" 
[341] "6.2" "6.6" "7.3" "7.3" "9.6" "9.3" "7.0" "4.8" "5.3" "3.6" 
[351] "4.3" "4.0" "5.4" "5.3" "8.6" "7.1" "6.3" "5.9" "6.3" "5.1" 
[361] "4.6" "3.8" "4.2" "6.6" "8.0" 
>

これを別のオブジェクトに入れて、グラフ表示させてみます。

> TokyoDegree <- as.numeric(dataset$東京[4:368])
> summary(TokyoDegree)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   0.30    9.10   17.70   16.64   23.30   31.10 
> plot(TokyoDegree,type="l")

とすると、

Screenshot-3

としてグラフ表示されます。

もう少し頑張って、日付とタイトル等を入れてみます。

> dataset <- read.csv("kishou2014-utf.csv",stringsAsFactors=FALSE,skip=2)
> day <- as.Date(dataset$X[4:368])
> deg <- dataset$東京[4:368]
> plot(day,deg,main="2014年 東京",xlab="日付",ylab="平均気温",type="l")

とすると、

Screenshot-4

となりました。

そのまま続けて、こんなことも簡単にできちゃいます。

> hist(as.numeric(deg),breaks=seq(-2,35,1),xlab="平均気温",ylab="日数",main="2014年東京の平均気温別日数")

Screenshot-5

同様に、

> plot(as.Date(dataset$X[4:368]),dataset$仙台.17[4:368],main="2014年 仙台",xlab="日付",ylab="平均海面気圧(hPa)",type="l")

とすると、

Screenshot-6

という感じで仙台の2014年の平均海面気圧がグラフ表示されます。

使いこなせば強力な武器になるのは間違いなさそうです・・・が、なかなか大変かも。
（でも、習得すればExcelで毎回ポチポチとやるよりはずっと速そうですが・・・）

投稿日:

MicroPythonをビルドしてみた

MicroPythonをUbuntu上でビルドしてみました。

まあ、特に難しいところはなくビルドできちゃいました。

１．ソースを持ってきます

なんのことはなく、ｇｉｔコマンドで持ってきます。

~$ mkdir micropython
~$ cd micropython/
~/micropython$ git clone https://github.com/micropython/micropython
Cloning into 'micropython'...
remote: Counting objects: 26526, done.
remote: Compressing objects: 100% (337/337), done.
remote: Total 26526 (delta 163), reused 0 (delta 0), pack-reused 26185
Receiving objects: 100% (26526/26526), 17.01 MiB | 1.30 MiB/s, done.
Resolving deltas: 100% (18856/18856), done.
Checking connectivity...

２．ビルドします

unixディレクトリに移動して、makeするだけです。

~/micropython$ cd micropython/
~/micropython/micropython$ cd unix
~/micropython/micropython/unix$ make
　　　　：
　　　　：
modffi.c:32:17: fatal error: ffi.h: そのようなファイルやディレクトリはありません
#include <ffi.h>
^
compilation terminated.
make: *** [build/modffi.o] エラー 1
~/micropython/micropython/unix$

一部ヘッダがないと怒られてしまいました。調べてみると、libff-devパッケージに含まれるヘッダファイルのようです。

パッケージを追加して続けます。

~/micropython/micropython/unix$ sudo apt-get install libffi-dev
パッケージリストを読み込んでいます... 完了
依存関係ツリーを作成しています 
状態情報を読み取っています... 完了
以下のパッケージが新たにインストールされます:
 libffi-dev
アップグレード: 0 個、新規インストール: 1 個、削除: 0 個、保留: 9 個。
99.8 kB のアーカイブを取得する必要があります。
この操作後に追加で 323 kB のディスク容量が消費されます。
取得:1 http://jp.archive.ubuntu.com/ubuntu/ trusty/main libffi-dev amd64 3.1~rc1+r3.0.13-12 [99.8 kB]
99.8 kB を 0秒 で取得しました (199 kB/s)
以前に未選択のパッケージ libffi-dev:amd64 を選択しています。
(データベースを読み込んでいます ... 現在 386967 個のファイルとディレクトリがインストールされています。)
Preparing to unpack .../libffi-dev_3.1~rc1+r3.0.13-12_amd64.deb ...
Unpacking libffi-dev:amd64 (3.1~rc1+r3.0.13-12) ...
Processing triggers for man-db (2.6.7.1-1ubuntu1) ...
Processing triggers for doc-base (0.10.5) ...
Processing 1 added doc-base file...
Registering documents with scrollkeeper...
Processing triggers for install-info (5.2.0.dfsg.1-2) ...
libffi-dev:amd64 (3.1~rc1+r3.0.13-12) を設定しています ...
~/micropython/micropython/unix$

気を取り直してmakeするとあっさり完了しました。

３．試しに動かしてみる

ドキュメント通りに動かしてみます。

~/micropython/micropython/unix$ ./micropython
Micro Python v1.3.10-215-g005a7f4 on 2015-03-17; linux version
>>> list(5 * x + y for x in range(10) for y in [4, 2, 1])
[4, 2, 1, 9, 7, 6, 14, 12, 11, 19, 17, 16, 24, 22, 21, 29, 27, 26, 34, 32, 31, 39, 37, 36, 44, 42, 41, 49, 47, 46]
>>> quit()
Traceback (most recent call last):
 File "<stdin>", line 1, in <module>
NameError: name 'quit' is not defined
>>>

quit()では終了できず、Ctrl-Dで終了させます。

４．テストにかけてみる

これもドキュメント通りに。

~/micropython/micropython/unix$ make test
Use make V=1 or set BUILD_VERBOSE in your environment to increase build verbosity.
cd ../tests && MICROPY_MICROPYTHON=../unix/micropython ./run-tests
pass basics/0prelim.py
pass basics/andor.py
pass basics/array1.py
　　：
pass unix/ffi_callback.py
pass unix/ffi_float.py
395 tests performed (15494 individual testcases)
395 tests passed
~/micropython/micropython/unix$

あっさり動きました。

投稿日:

SanDisk Ultra Fitを買ってみた

秋葉原でUSB3.0の小さなSanDiskブランドのUSBメモリを見かけたので買ってみました。

購入したのはSanDisk Ultra Fit 64GBで4000円弱だったでしょうか。

早速、ベンチマークしてみました。

まずは、USB2.0ポートに接続した場合です。

SanDiskUltraFit-HighSpeed

読み込みはHiSpeedの上限と思われるところに張り付いていますが、書き込みは不規則にスピードが変わるようです。

次に、USB3.0で接続した場合です。都合により、USB3.0のHUB経由での接続になります。

SanDiskUltraFit-SuperSpeed

読込速度は速くなりましたが、書き込みは相変わらずで、平均ではかえって遅くなってしまっています。

OSをこれからインストールしてみますが、気になるのはこのUSBメモリはかなり発熱することです。この小ささですので、熱で故障するんじゃないかと思います。5年保証とパッケージには書いてありますが、本当に５年も持つのか怪しい気がします。

投稿日:

FreescaleとNXPが合併だそうな

ネットで見かけた記事から。

双方とも世界的に大手の半導体ベンダー、米国FreescaleとオランダNXPが合併するそうです。

合併によってナンバーワンの自動車用半導体ベンダー、汎用MCUベンダーになるそうな。（何が、数量？出荷金額？という見方が気になりますが、まあ、いいでしょう）

プレスリリースでも触れられているけど、やはり時代は Mixed Signal なんですね。

まあ、最終製品としての機能性能向上を果たした上で、コストダウンのために部品点数・実装面積を減らしていこうとするとマイコンにデジタルはもちろんアナログ回路も混載するか、アナログ回路（パワー回路）にデジタル／マイコンを混載するかということになるので当然といえば当然なのですが。

一方で日本では・・・ねぇ・・・。

投稿日:

ESP8266モジュールに技適マークが付くかも！？

以前書いたこの記事にikeyasuさんからコメントを頂きました。

Espressif Systemの中の人（かな？）のツイートによるとTELEC認証を通ったらしい、というコメントです。

となると、日本でももうすぐESP8266が乗った技適マーク付きモジュールが使えるようになることが期待できそうです。

気になるのが日本での技適マーク付きモジュールの入手経路です。
日本のどこかの会社が代理店になってしまうと、とんでもない値付けをして、流行るものも流行らなくなってしまうので心配です。できればAliExpressあたりで売ってるモジュールにも技適マークが入ってくれれば嬉しいのですが、一般向けにはちょっと敷居が高いかもしれないので、秋月やAitendo、千石あたりで扱われると嬉しいかも。（自分はAliExpressで買えれば問題ないですが・・・）

ESP8266はArduinoなどでお手軽にATコマンド叩いて使うもよし、内部のXtensaプロセッサ使って小さくまとめるもよし、使い道の広いデバイスです。すごく楽しみです。

ikeyasuさん、素晴らしい情報ありがとうございます！！

投稿日:

そろそろJavaのインストールやめたくなってきた

Webを使おうとすると事実上さけられない（こともないか・・・？）Javaですが、WindowsでJavaをインストールするとセットでask.comツールバーをインストールしようとしてきます。

ask

もちろん、これらのチェックは外すわけですが、なおもよく文面をよむと、最後に書かれている「残りのインストールを続行します」の対象がよくわからないことに気がつきます。

チェックを外せばSearch App by Askのインストール自体がされない（＝残りのインストールとはJavaのことを指す）のか、それともSearch App by Askのインストールはするけど「デフォルト検索プロバイダに設定してキープする」「ブラウザのホームページをAsk.comにする」というチェックを外した項目だけをやらない（残りのインストールというのはSearch App by Askのインストールを指す）ということなのか、不明確です。

「取消し」を選んでしまうと結局Javaがアップデートされないのでチェックを外して「次へ＞」を押すしかないようなのですが、どなたか実際どうなのでしょう？

コントロールパネルをみてもそれらしいアプリは増えていないようなので大丈夫なのではないかは思うのですが・・・・。

投稿日:

Pythonで地図を描く

Pythonで地図を描く方法を調べてみました。

で、結果としては、Basemap Matplotlib Toolkitを使うのが良さそうです。

使う前の準備として、

$ sudo apt-get install python-matplotlib python-mpltoolkits.basemap

としてmatplotlibとbasemapをインストールします。

あとは、ドキュメントの中の各図法のサンプルをダウンロードしてきて python で実行すれば地図が表示されます。

投稿日:

DataNitro社の「Python in Excel」

Pythonについて調べ事をしていたらTechCrunchの記事で見つけました。

ExcelのマクロというかスクリプトとしてPythonを使えるようにするプラグインで「Python in Excel」というそのものずばりの名称のものがあるようです。

Excelでの手抜き処理とPythonでの強力なテキスト処理とを組み合わせれば様々な分析が楽になりそうです。

仕事で使えるとすごく楽そうなんですけどね・・・。

投稿日:

Raspberry Pi 2から投稿してみました

早速到着したRaspberry Pi 2にRaspbianのイメージを書き込んで起動、適当に設定・アップデートした後、ChromiumブラウザとiBus-Anthyをインストールしてみました。

結果、速度は普通に十分使い物になりそうです。また、いまこの記事もRaspberry Pi 2から書いているのですがWordPressでの日本語記事の投稿も問題なさそうな感じです。

これまでのRaspberry Piではとてもまともにブラウザを使う気にならなかったことを考えると大変な進化だと思います。