2016年 買ってよかったもの

書いてみたかったんですよね、このテーマ。

自分自身人の買ってよかったものから購買意欲そそられて買うことが多いので。

※2015年以前に買った・購読開始したものも入ってます・・・

サブディスプレイ

iiyama IPS モニター ディスプレイ XU2390HS-B2 23インチ/フルHD/スリムベゼル/HDMI端子付

自宅でMac Book Pro 2011を使っていますが、導入したら格段に作業効率あがりました。もうノートPCの小さいディスプレイ１枚には戻れません。

 シュレッダー

アイシュレッド II 00-5612 ホワイト×ブラック SHR-288

 僕はコンパクトなこれを使っていますが、安いやつでスペースが許すものならなんでもいいと思います。個人情報含むものはなんでもシュレッドしてます。安心だし、やると気持ちいいし、今まで破ったり切ったりしてた手間を考えたら費用対効果は抜群です。

体重計

タニタ 体重・体組成計 乗るピタ機能 ホワイトBC-754-WH

 

去年から今年にかけて-10kgくらいの減量に成功したのですが、リバウンドしつつあるため購入。やっぱり毎日測っていると食事や運動、気をつける習慣がつくのでそれだけでも今-1kgくらいなってきてます。

 

アブローラー

FREETOO 腹筋ローラー アブホイール エクササイズウィル スリムトレーナー 超静音 マット付き ブラック

腹筋めちゃ効きます。効きすぎてやった次の日免疫力落ちて風邪ひきました。無理せず続ければマッチョになる日も近いと思います。

タイガーテール 

タイガーテール／TigerTail 【スタンダードモデル（46cm）】?トリガーポイント＆筋筋膜リリース・マッサージローラー ＜セルフボディケア・ジャパン正規販売品＞

いい。気持ちいい。運動後の身体のメンテナンスに。僕筋肉が固いんでこういう商品探してたんですよね。自分で揉むのは大変、面倒臭い、という人にはもってこい。最近はやりの筋膜リリースにも効果的です。

Python入門書系 

確かな力が身につくPython「超」入門 (確かな力が身につく「超」入門シリーズ)

プログラミング超初心者が初心者になるためのPython入門（１）　セットアップ・文字列・数値編

 今のところPythonの勉強が直接役に立ったわけじゃないんですが、Pythonでプログラミングのいろはがわかったおかげで、マクロとかコピペでやりたい大抵のことはできるようになり、職場でマクロ組んでちょっとしたヒーローになれました。僕は文系ですが、プログラミングの素養があるのって得すると思います。上記の本は僕がPython学んだ際に役立った本です。"プログラミング超初心者が〜"シリーズは3巻まであります。安いので買っても良いですし、kindleunlimitedなら無料です。

  

Google Play Musicなど音楽定額聴き放題サービス

 リンクとか特に貼りません。僕はGoogle Play Musicが日本でサービス開始された直後から加入しているので月々780円で利用しています。 その日の気分でプレイリストを選べて、いろいろな音楽に出会えるのが魅力です。また、自分ですでに持っている曲もアップロードして統合できるので、僕はそこが一番気に入っています。ただ、最近Spotifyも気になっています。

Amazon Prime

言わずもがなですが。まぁ僕2010年からプライム会員なんですが去年から今年にかけてのその恩恵っぷりがすごいですね。特にお急ぎ便とプライムビデオには本当にお世話になってます。

Huluにもある事情から今月まで入ってるのですが、私はドラマとか全然興味ないので、正直Huluの優位性をほとんど感じません。映画の品揃えに関しても、Huluのほうが多分良いですが、決定的な違いはないと思いますし、しばらく待ってるとプライムビデオのほうでも配信されたりします。Hulu入る理由が個人的には見当たりません。

Amazonプライム

まとめ

こうしてみると大したもの買ってませんね。来年はたくさん稼いで沢山消費して、日本経済に貢献したいものです。 

 

今日はAmazonプライムデー！自動で買い物するコードを書いてみた

おはようございます。

いきなりですが、今日はAmazonプライム会員限定の大セール、プライムデーですね！

狙ってた商品がなにやら安くなりそうな予感。

でも、私会社員ですから、プライムデーのために会社休んだり、仕事中にAmazon開いて買い物したりなんてできません。そこで、Pythonで狙った商品を自動でカートに入れて、メール通知してくれるコードを書きました。

準備

①seleniumを、pipでインストール

pip install selenium

②chromeのドライバをDL

Downloads - ChromeDriver - WebDriver for Chrome

からchromeのドライバをDLし、適当な場所に置く。

準備は以上！サルでもできますね！

実際のコード

import os
import time
from selenium import webdriver
import datetime as dt
import done_message as msg


amazon_pass = "xxx" #Amazonのログインパスワード
amazon_id = "xxx" #ログインID
wanted = "xxx" #欲しい商品のURL
url = "https://www.amazon.co.jp/ref=nav_logo" #Amazonのurl
path = "xxx/chromedriver"   #先ほど適当なところに置いたchromeのドライバの場所
DRIVER_PATH = os.path.join(os.path.dirname(path), "chromedriver")


start_time = dt.datetime(2016, 7, 12, 8, 59, 0, 0)
end_time = start_time + datetime.timedelta(seconds=3660)
#webブラウザを操作するコードを、実行するスタートの時間と、終了の時間今回は9時ちょい前から10時まで。

now = dt.datetime.now() #この時点での時間を変数に格納。
waiting = True #状態を待ち=waitingに。

while waiting == True :
    if now >=start_time :
        waiting = False
    else :
        now = dt.datetime.now()
        time.sleep(2)
#実行時間以外では、waiting状態となる。

#上のループを抜けると、ブラウザを起動し、ログイン、所定のURLにアクセスする。
browser = webdriver.Chrome(DRIVER_PATH)
browser.get(url)
browser.find_element_by_id("nav-tools").find_element_by_id("nav-link-yourAccount").click()
browser.find_element_by_id("ap_email").send_keys(amazon_id)
browser.find_element_by_id("ap_password").send_keys(amazon_pass)
browser.find_element_by_id("signInSubmit").click()
browser.get(wanted)

#タイムセール品かの判定
time_sale = False

while now >= start_time and now <= end_time  and time_sale == False:
    if "タイムセール" in browser.page_source :
        browser.find_element_by_id("a-autoid-0-announce").click()            
        time_sale = True
        now = dt.datetime.now()
    else :
        browser.refresh()
        now = dt.datetime.now()
        time.sleep(2)
            
#send e-mail
#メールを送るコードをここに書く

昨晩やっつけで書いたコードです。バグ沢山あると思いますが、私の環境では一応動いているので、これで狙っていた商品、ゲットしたいと思います！！

結果は…

結論から言うと、失敗でした(涙)

コード自体はちゃんと動いていました。が、私が欲しかった商品、ブラーバちゃんはセール開始した瞬間カートに全部入ってしまったようです。。。

今回かなりやっつけで書いたコードだったので、次回こういうような機会があれば、狙った商品はかならず仕留める、そういうコードを書きたいものです。

ただwebブラウザをpythonで動かし、ログインの必要なサイトへ入りいろいろ行う、というタスクが出来る&その方法を学べたので、今後私のPythonライフもはかどっていきそうです！

シリコンバレーで流行っているというスマートドラッグなるものを試してみる〜３、４、５、６日目〜

先日の記事で、スマドラを試してみる、という記事を書きました。その続きです。

musicophilia.hatenadiary.com

ピラセタムとコリンを服用し始めて、今日で６日目です。

ピラセタム（私の小指との比較です。）

コリン（ピラセタムよりも大きいです。飲みにくい・・・）

服用ペースですが、1日につきピラセタムとコリンをそれぞれ1錠ずつです。朝飲むときもあれば夕方飲むときもあります。

６月２８日	（３日目）	夕方ピラセタムとコリンを１錠ずつ服用	少し頭がぼっとする感じ。
６月２９日	（４日目）	夕方ピラセタムとコリンを１錠ずつ服用	そこそこ頭がぼっとして、目の前のことに集中できる感じ。
６月３０日	（５日目）	朝ピラセタムとコリンを１錠ずつ服用	変化なし。
７月１日	（６日目）	夕方ピラセタムとコリンを１錠ずつ服用	変化なし。

結論からいうと、今の所びっくりするような変化はなし。

ただ、飲んでから１時間くらいすると、なんとなく頭が少しぼっとしてくる感じがします。で、視界がいい意味で狭くなってくるというか。言葉通り、目の前のことに集中しやすくなっている感じがします。

ただ、いろいろなサイトをみていると最初に服用してから効果が出るまでには結構時間がかかる（情報によりますが２週間から２ヶ月くらいかかりそうな印象があります。）らしいので、いわゆるプラシーボかもしれませんね。

定性的でなく定量的にこの変化をはかれたらいいのですが、今の所活躍してくれそうな試験や大量の記憶を必要とするイベントがないのでなかなか難しいです。

効果が早く出るといいなと思いますが、とりあえず買った分は服用しきろうと思います。

あ、そうそう、副作用ですが、実際に感じられるレベルでは何もありません。

また、気が向いたら or 変化があったら、レビューしてみたいと思います！

シリコンバレーで流行っているというスマートドラッグなるものを試してみる〜１、２日目〜

※この記事は決してスマートドラッグ服用を勧めるものではありません。

最近、スマートドラッグ、略して「スマドラ」というワードを聞くことが多いです。

ネットサーフィンしているときに読んだり、新聞で読んだり、雑誌の記事で読んだり。

なんでも、飲むと頭がよくなる。そのうえ、副作用もほとんどないといっていい。らしいです。

もうひたすらにうさんくさいです

ただ、誰でもそうだと思いますが、興味はありますよね。

そこでネットで少し調べてみると、注意は必要なものの、人によっては本当に効果のようなものが出る場合があるらしいことがわかってきました。

以下、スマドラ使用の際の注意点や、利点などです。

• 用法、用量を守れば、致命的な副作用はほとんどない。

• モノによっては依存性がある。

• 成長期など、脳が成熟していない子供の服用は危険。

• 長期間にわたり継続的に使用すると、脳が慣れてしまい、使用していない際の脳の働きが悪くなる可能性がある。

• 効果が科学的に証明されていない。

• 効果に個人差がある。

• ネット上のレビューなんかを見ていると、本当に効果があるという書き込みも見られる。

などですかね。 ソースの信頼性はわかりませんが。まぁ、これだけ見てると、コーヒーとか、タバコとか、エナジードリンクなんかとそんなに変わんないかな、とも思います。

で、そんなにリスクがないんなら試してみるか、ということで早速購入に踏み切っちゃいました。
買ったのは、最初のスマドラとも言われている、ピラセタムと、併用するといいよ、といわれているコリンです。

ピラセタム
コリン

使用してみて・・・

現在使用2日目です。しかし特に効果は実感できず。 効果が出てくるのは毎日1錠ずつくらいで、1〜2週間はかかるらしいので、それまではとりあえず様子を見てみようと思っています。それまで気が向いたら or 効果が出たら経過をアップしてみたいと思います。


あ、最後に、これ、一応合法です！認知能力を高めるということで認知症の患者に投与されることもあるようです。

また処方箋？の個人輸入も認められてますので、通報とかやめてくださいね！

株価の分析用にTA-Libをインストールしてみる

データサイエンスとPythonの勉強をしていると、株とか金融関係のデータを使った分析例みたいなものを結構目にすると思います。

そういうのみるたびに思います。

投資なんて所詮ギャンブルでしょ笑 俺はもっと高尚なことにPythonやデータサイエンスの知識を使うんだもんね。



嘘です。

本当はこう思ってます。



データサイエンスとPythonの力使えば、株で儲けるなんてわけないんじゃね？よっしゃ、速攻データサイエンスとPythonの知識身につけて株で儲けたる！そんで美女侍らす！



というわけで、株価の分析用のツール？であるTA-Libをインストールすることにしました。今日はそのメモ及び備忘録。

環境はMac OS Xです。

※どうやらpyplから直接DLしてインストールとかはできないらしいです。

①パッケージのDL

まずここ行きます。
TA-Lib
http://ta-lib.org/

それで、Downloadsをクリック。
ファイルの一覧から、自分の環境にあったパッケージをダウンロードします。
ここでは私はta-lib-0.4.0-msvc.zipをDLしました。

サイトをみると、このTA-Lib、元々はC/C++で書かれてるっぽい。それでラッパー（毎週火曜の深夜帯にやってるあれじゃない）というものを通してPython で使えるようにするっぽい。です。すみません、まだまだ素人でよくわかりません。 でも大丈夫です。詳しくはパッケージのSWIGディレクトリ見ろやボケって書いてある超親切設計ですから。

②SWIGディレクトリを見てみる。

SWIGディレクトリ行きました。

ありました、README.txt

開けました。

This directory tree contains files needed to build a SWIG wrapper to TA-Lib. SWIG is a software development tool for building scripting language interfaces to C and C++ programs. It supports a number of target languages: including Guile, Java, Mzscheme, Ocaml, Perl, Pike, PHP, Python, Ruby, and Tcl. More information can be found at http://www.swig.org

…ほーら、やっぱりね！

全部英語だよね！ググれば日本語でも出てくんのかな！？もういいやめんどくせえ！適当に読んで適当な理解で進めてやるぜ！



無理です。


一人でやろうと思ったけど、断念してググります。先人たちの知恵拝借します。



…10分後



http://mrjbq7.github.io/ta-lib/install.html

こういうのにたどり着きました。 ふむふむ、brewしてpipすればおk。


ウッソ。めっちゃ簡単じゃん。

③brewする

sh brew install ta-lib

実行します。

④pipする

sh pip install TA-Lib

実行します。

⑤インストール完了

なんと、これでインストール完了したみたいです。簡単すぎませんかちょっと。

⑥試しにコードを書いて、ついでにプロットもしてみる。

import pandas as pd
from pandas import DataFrame, Series
import numpy as np
import talib as ta
import matplotlib.pyplot as plt
%matplotlib inline
#iPythonで書いています

いつものように必要なモジュールを呼び出します。

あらかじめk-db.comのサイトからDLしておいたソフトバンクの直近250日の日足のデータを使います。

sfb = pd.read_csv("stocks_9984-T.csv", encoding="shift_jis",  index_col=0)
#encodingをshift_jisとしないと漢字、読めませんでした。

とりあえず、読み込んだデータフレームを使いやすいように加工します。

#日本語のインデックス使いづらそうなので英語に。英語間違ってたらすみません。
sfb.columns = ["Open", "High", "Low", "Close", "Volume", "Trading Value"]
sfb.index.names = ["Day"]
#indexを昇順にソートします。
sfb = sfb.sortlevel()

下準備はこれで完了です。TA-Libで計算させた終値SMA(20日)をデータフレームに挿入。plot()メソッドでプロットします。

sfb["SMA 20"] = ta.SMA(np.array(sfb["Close"]), timeperiod=20)
#引数にとるデータはarray型でないとダメ？のようです。
sfb[["SMA 20", "Close"]].plot()

結果↓

うん、いい感じですね！
しばらくはこれで色々なテクニカル指標と戯れてみようと思います。

テクニカル指標なんかに慣れてきたら色々なストラテジーやその有効性なども検証していけたらいいなと思ってます!

プログラマーでもプロブロガーでもないメーカー文系総合職の私が『Happy Hacking Keyboard lite2 for Mac』を購入してみた第一印象

プログラマーでもプロブロガーでもないメーカー文系総合職の私。

データサイエンスとPythonを勉強しはじめて、早1ヶ月。

とおもって書き始めたら、Python入門のために『プログラミング超初心者が初心者になるためのPython入門（１）』を購入してから2ヶ月半もたっていました。

光陰矢の如し。

この2ヶ月半、暇さえあればPCに向かってPythonと格闘していた甲斐あり、自分のやりたいことは、公式/非公式ドキュメントを見ながら、自力で実現できるようになってきました。もちろん時間はかかるし、一発でコードが動くことはほとんどありませんけど汗

一方、この期間、ひどい肩こりに悩まされていました。

実は私本業の方もメインがデスクワークなんですね。

で、平日昼間は一日中PC(しかもラップトップ)とにらめっこ。帰ってきてからもPC(これもラップトップ)とにらめっこ。休日も一日中PCとにらめっこ。

そしたら先週、もう我慢できないくらいひどくなってしまいまして。首が寝違えたみたいな激痛に襲われました。とりあえずお家での勉強は休止。

このままではダメだ、「ノートPCを覗き込む姿勢」という根本原因を解決しよう、ということで、いろいろとあーだこーだ検討した結果、ノートPCスタンドを使って、ノートPCの画面の高さを無理ない高さにすることにしました。本当はデスクトップ欲しいなと思ったんですがそのためには机が狭すぎて無理でした。。。

こういう感じです。

こうなるともうノートPCのキーボードは使えませんので、外付けのキーボードを購入することにしました。

迷わず（嘘、少し迷いました）HHKB lite2 for Macを購入

どうせ買うなら良いやつがいい！

という性格な私。

真っ先に思い浮かんだのが、HHKBシリーズでした。

でも、Macとの相性ってどうなんだろう？しかも2万も3万も出せん。。。

とおもってぐぐったら一発でHHKBシリーズ廉価版のHHKB lite2 for Macがヒット。

価格が6,000円以内、、、だと？

調べるとProfessionalには及ばないけど十分HHKBシリーズの良さを味わえるっていうじゃない。

次の瞬間、ポチってました。

6時間後、冷静に考えるとキーボードに6,000円て高くね？と我に返ったときにはもう配達されてました。速すぎ。さすがアマゾ◯さん。

早速開封  

うむ。

見た目は普通のキーボードだな。おもったよりも小さいぞ。

早速使ってみよう。（キーボードを持つ）

ズシリっ

むむ？お、重い！なんかいろいろ詰まってる感じがする！

これが高級感ってやつか！

これは楽しみだ…！

使用してみるとまず感じる打鍵感の良さ

使ってみて最初に感じたこと、それは

だ、打鍵感がやばい！ということ。

一言でいうとすごくやばい！

ネットでは「コトコト」なんてシチューを煮込むときみたいに形容されるけど、まさにこれはシチューを煮込むときのそれだ！「コトコト」考えたひとやばい！

思わず友達にHHKBヤバイ！とラインしてしまいそうになるくらい気持ちいい。

 

キー配置

ネットで見ると、Professionalはキー配置が独特で…とか、ファンクションが使いづらいとか、矢印キーがないから、とかいうことも書かれていたりします。

liteに関して言えば、矢印キー、あります。

なのでファンクション使いまくるひとじゃなければ、そんなにハードル高くないと思います。

ただ私はいつかProfessional買いたいなとおもってしまったので、矢印キーあるのに使わず、Fnキーでカーソル移動するようにしてます。使用二日目ですがすごいストレス。

でも要は慣れだ！鍛錬だ！と思えば屁でもないです。

 

Macとの相性

Macとの相性ですが、for Macと言ってるくらいですから、すごくいいです。ファンクションはやはり直感的に使えなくなりましたが、もともとほとんど使っていなかったので、私は別に問題ありませんでした。

 

たまに起こる、固定キー機能の有効化

たまにですが、固定キーが何かのはずみで有効化されることがあります。

ノートPCのキーボードを使用していた時は一度もなったことがないので、おそらくHHKB特有の問題である可能性があります。もしかしたらバグかも？

症状が起きると、ずっとシフトキー押しっぱなし状態になったりします。

最初は焦りましたが、その症状が出た時はシフトキーを2回連続ないし5回連続押し、または左右シフトキー同時押し、で元に戻りました。頻発するようならサポートに連絡しようとも思いますが、今のところは気にならないレベルです。

 

肝心の肩こり

肝心の肩こりですが、ノートPCスタンド効果と、HHKBの効果（？）で劇的に改善されました。非常に快適で、こうしてブログも書けるし、Pythonの勉強も再開することができました。

というわけで、総合的に見て非常に満足した買い物でした。

本業の方でも導入しようと考えています。

Python × 『初等統計学 : ポール G.ホーエル, 浅井 晃, 村上 正康』

『初等統計学 : ポール G.ホーエル, 浅井 晃, 村上 正康』

という本で統計学を勉強中です。
この本、GW中に実家の自分の部屋を漁っていたら発見しました。

大学の時に「統計学基礎」の講義を受けた時に、買わされた買った本ですね。

当時は本当に何にもかんがえていなくて、とにかく単位を取るために受講したような記憶があります。

数学も苦手で、Σ記号が出てきただけでゲンナリしてしまって、確か結局単位も取れず、教科書代だけが飛んでいく（当時も貧乏学生だった私には手痛い出費でした。）だけに終わってしまいました。

それが今になって勉強し始めるとは、当時の自分は何をやっていたんだと、後悔の嵐ですが、とにかくこれで地道に統計学の基礎を身につけていこうと思っています。

ただ読んでいるだけでは面白くないので、本の各章最後に出てくる例題や問題を、同時並行で勉強中のPythonでやってしまおう、と思って、今日はその第一弾をやりました。

尚、環境はipython notebookです。

第2章 標本データの記述 6. 例題 例 1.

この章の例題、例1は、100人の労働者の週あたり労働時間数を分析していく問題

	d1	d2	d3	d4	d5	d6	d7	d8	d9	d10	d11	d12	d13	d14	d15
x	11	14	17	20	23	26	29	32	35	38	41	44	47	50	53
f	2	1	2	1	6	7	11	12	12	17	19	9	0	0	1

xが労働時間のデータで、fが度数です。

#例1 100人の労働者の週あたりの労働時間を示すデータがある。
#(a)ヒストグラムを描け。
#(b)平均を求めよ。
#(c)標準偏差を求めよ。
#(d)(平均-標準偏差, 平均+標準偏差)、(平均-2標準偏差, 平均+2標準偏差)に含まれる
#測定値の割合(%)を求めよ。(*面倒臭いので飛ばします。)
#(e)ヒストグラムより中央値を求めよ。
#(f)ヒストグラムより第1四分位数、第3四分位数、および四分位範囲を求めよ。

(d)については、ちょっと面倒臭いので飛ばします。

#必要なモジュールを読み込む。ここではpandas、numpy、matplotlib、seabornなど
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline

また、上述のテーブルをcsvで作業フォルダに追加。

これで準備 OK.

それではいざ問題を解いていきましょう。

(a)ヒストグラムを描け。

#度数分布表をcsvで読み込む。ここでindex_col=0としないと、1列目がindexとして読まれない。
fd = pd.read_csv("fd.csv", index_col=0)
#pandasで扱いやすい（個人的にですが）ようにtranspose()します。
fd = fd.transpose()
#xとfを掛け合わせたデータ列を追加
fd["xf"] = fd["x"]*fd["f"]
#(a)の答え
sns.barplot(fd.x, fd.f)　#x軸に労働時間を、y軸に度数をプロット

これで、得られたグラフが下記です。

綺麗なグラフですね〜。会社でExcelを使うんですが、いっつもグラフのデザインがダサすぎてうんざりしてます。手直しするのも時間がかかって面倒だし。。。 seabornのグラフはセンスが良くて気持ちいです。

会社でもPython使いたいけど、フリーソフト禁止されてる悲しす。

まぁそれは置いておいて。どんどんいきましょう。

(b),(c),(e),(f)

#(b)の答え
mn = fd["xf"].sum()/fd["f"].sum()
print("(b)の答 ： 労働者の1週間の平均労働時間は{0:.2f}時間です。".format(mn))
#{0:.2f}は、小数点3位を丸めて少数点2位まで表示するための表記。

(b)の答 ： 労働者の1週間の平均労働時間は34.07時間です。

#(c)の答え
fd["dev"] = (fd["x"]-mn)**2
dis = (fd["dev"]*fd["f"]).sum()/(fd["f"].sum()-1)
std = np.sqrt(dis)
print("(c)の答 : 労働者の1週間の労働時間の標準偏差は{0:.2f}時間です。".format(std))

(c)の答 : 労働者の1週間の労働時間の標準偏差は7.92時間です。

#(e),(f)の答え
lsxf = [list(fd["x"]), list(fd["f"])]
lsxf = [[int(lsxf[0][i])]*int(lsxf[1][i]) for i in range(len(lsxf[0]))]
lsxf = pd.DataFrame([I for i in lsxf for I in i], columns=["x"]) #(*1)
second_qtr = lsxf["x"].quantile(0.5)
first_qtr = lsxf["x"].quantile(0.25)
third_qtr = lsxf["x"].quantile(0.75)
print("(e)の答 : 労働者の1週間の労働時間の中央値は{}です。".format(second_qtr))
print("(f)の答 : 労働者の1週間の労働時間の第1四分位数は{0:.2f}です。また第3四分位数は{1:.2f}です。".format(first_qtr, third_qtr))

#(*1)
#下記の表記でもいいのだが、あまりスマートではない感じがする。
#lsxf_=[]
#for i in lsxf : 
#   for I in i :
#        lsxf_.append(I)
#lsxf = lsxf_

(e)の答 : 労働者の1週間の労働時間の中央値は35.0です。
(f)の答 : 労働者の1週間の労働時間の第1四分位数は29.00です。また第3四分位数は41.00です。

この本とPythonを掛け合わせて、早くデータサイエンス超初級者を抜け出したいと思っています。