__name__

メモ

__name__

メモ

コンビネーション：地域間の接続を考慮する際に有力なコード

import itertools# regionsの例regions = ['北海道', '東北', '関東', '中部', '関西', '中国', '四国', '九州']# curvature辞書を初期化curvature = {region: {region_: 0 for region_ in regions} for region in regions}# 各リージョンペアのカーブチャーを設定for region1, region2 in itertools.prod

__name__

    • 感度解析

      regions = ['Hokkaido', 'Tohoku', 'Kanto', 'Chubu', 'Kansai', 'Chugoku', 'Shikoku', 'Kyushu', 'Okinawa'] import pandas as pdimport matplotlib.pyplot as pltimport numpy as npdef plot_fig1(region, csv_path): # Load the data from the CSV fi

      __name__

      • 美しいグラフとそのコード

        import pandas as pdimport matplotlib.pyplot as pltimport numpy as npimport jsontwh = '110'flex_rate = '0.5'# Load and parse the JSON data from a filefile_path = f'../計算結果_JSON/{twh}.json'with open(file_path, 'r') as file: data = json.loa

        __name__

        • コスト想定

          割引率は 3% import pandas as pdimport matplotlib.pyplot as plt# Data from the userdata = { "Technology": ["Solar PV", "Wind Onshore", "Wind Offshore", "Run of River", "Geothermal", "Battery"], "Investment": [533, 902, 2218, 2156, 4303, 3

          __name__

        コンビネーション：地域間の接続を考慮する際に有力なコード

        __name__

          地域間の相関関係の統計的分析と可視化

          1. はじめに本研究では、複数の地域における時系列データを用いて、地域間の相関関係を分析しました。特に、地域間の統計的関連性を理解することを目的とし、その結果を視覚的に表現することに焦点を当てました。 2. データと方法2.1 データセット 分析に使用したデータセットは、10の異なる地域（北海道、東北、東京、中部、関西、北陸、中国、四国、九州、沖縄）の時系列データを含んでいます。 2.2 分析手法 2.2.1 相関係数の計算 まず、PythonのPandasライブラリ

          __name__

          地域間の相関関係の統計的分析と可視化

          __name__

          地域ごとの負荷維持曲線の分析

          負荷維持曲線とは？ 負荷維持曲線（Load Duration Curve）は、電力工学や電力市場分析において使用されるツールの一つです。この曲線は、特定の期間（通常は一年）にわたって電力システムが経験する電力負荷の分布を示します。具体的には、最高負荷から最低負荷までの電力需要を時間軸に沿って並べたものです。電力システムの性能と効率を分析するために用いられます。 目的 各地域の電力システムにおける需要と供給のバランスを評価し、ピーク負荷と低負荷期間の特徴を明らかにすること

          __name__

          地域ごとの負荷維持曲線の分析

          __name__

          日本のFIT申請済み再生可能エネルギーのデータで遊ぼう♪

          上記のサイトから、47都道府県分を気合でダウンロードします。マウスのカーソルボタンを連打しよう！ 保存したら，CSVに変換します． CSVファイルを一括コピペしてall.csvファイルにまとめます。 エクセルのフィルターを用いて，空白のセルを消します． 各地域における太陽光発電（Solar PV）、陸上風力（Wind Onshore）、海上風力（Wind Offshore）、小水力（Run of River）の各再エネソースについて、既存容量からポテンシャル容量までの

          __name__

          日本のFIT申請済み再生可能エネルギーのデータで遊ぼう♪

          __name__

          土地利用マップのスクレイピング

          WEBページのソースコードから，対象の文字列を取り出す import re# 与えられたHTMLコンテンツの例html_content = """<div class="mesh" id="M6848-h" style="left:81.0274372446001%; top:2.43337195828505%; width:3.21074138937536%; height:2.896871378910

          __name__

          土地利用マップのスクレイピング

          __name__

          スタックドエリアチャート

          import plotly.graph_objects as goimport numpy as np# データの準備x = ['A', 'B', 'C', 'D']y1 = np.array([10, 20, -30, 40]) # 1つ目の系列y2 = np.array([-15, 25, -5, 20]) # 2つ目の系列# 正の値のみを抽出y1_positive = np.where(y1 > 0, y1, 0)y2_positive = np.where(y2

          __name__

          スタックドエリアチャート

          __name__

          LINEのトーク履歴を，シートに変換する

          今後，個人を再現するAIが普及する．個人を再現するにあたり，過去のLINEのトーク履歴を参照するのが最も手っ取り早い． 今回は，LINEのトーク履歴をシート状に変換するコードを共有する． # To make the script more flexible and handle names better, we can adjust the regular expression for parsing messages.# This involves making mi

          __name__

          LINEのトーク履歴を，シートに変換する

          __name__

          地域選択（国や都道府県の選択）

          アプリケーション内で地域（国や都道府県）を選択する機能に関連するコードは、Vue.jsのデータバインディングとイベントハンドリングを使用して実装されます。以下にその例を示します。 まず、Vueインスタンス内のデータ部分に国と都道府県のリストを保持する配列や選択された地域のデータを格納するプロパティを定義します。 data: { selectedNation: null, // 選択された国 Nation: [] // 国のリスト selectedPref

          __name__

          地域選択（国や都道府県の選択）

          __name__

          都道府県別エネルギー消費統計のデータ処理

          はじめに データ分析の分野では、生のデータを取り扱い、有意義な情報を抽出することが重要です。本ブログでは、Pythonを活用して、日本の都道府県別のエネルギー消費統計データを処理し、分析する高度な手法を紹介します。このプロセスでは、Pandas、Numpy、およびその他のユーティリティが使用されます。 今回は研究の効率を向上させることを目的に、都道府県別エネルギー消費統計を辞書型で保存するコードを作成しました。 必要なライブラリのインポート import pandas

          __name__

          都道府県別エネルギー消費統計のデータ処理

          __name__

          集中と分散について，どのような指数を用いて評価すればよいか

          ハーフィンダール・ハーシュマン指数 (HHI): 特に市場の濃度を評価する際に用いられます。市場内の企業の市場シェアの平方和で計算され、値が大きいほど市場の集中度が高いことを意味します。 ジニ係数: 主に所得や富の分配の不平等を測定するために使用されます。0（完全な平等）から1（完全な不平等）までのスケールで表されます。 標準偏差と分散: 統計学において、データの分布が平均値からどれだけ散らばっているかを測定する基本的なツールです。 エントロピー指数: 情報理論における

          __name__

          集中と分散について，どのような指数を用いて評価すればよいか

          __name__