0:10 地獄の伯爵令嬢の逆襲をレベル 25 まで進めて初セーブ。 石碑弱を全攻略、ガーゴイル下二体、アステカチャレンジステージ 4 まで。 なお、今回のプレイでは地獄ウサギを封印している。金が貯まる貯まる。

睡眠時間を長めにとれるので 10:35 まで寝る。寒いのでいつかは立ち上がる。 朝食をとって PC をかばんに入れて外出する。

11:00 八広図書館に到着。ここは特に変化なしのようで助かる。 東京新聞。ゲーセンミカドの怒りが行政に届くといい。いっそのこと直訴していいと思う。

11:20 キャレルに着席。PC 作業。窓が空いていて寒い。

13:00 過ぎに退館。またぞろ時間オーバー。コンビニに寄って芹沢のハゲを再チェックしてから曳舟の部屋に戻る。 PC を開いてコンバート作業やら何やらをしつつおやつ休憩。

15:50 外出。スカイツリータウンでトイレを使用ののち、バスに乗って錦糸町駅まで。アルカキット錦糸町に入館。 週明けの面接に着ていくスーツの上、ジャケットを探しにパシオス店内を見て回るが、サイズが合わない。 ユニクロにも行ってみるが、こちらは色が合わない。困ったので明日にする。

徒歩でオリナスへ移動。タイトー F ステーションオリナス錦糸町店で 7 クレ遊ぶ。

MJ プロ卓東風戦。今日は和了が異様にできなくて困った。サシウマは全部負けた。 今月の浮きもほぼ溶けた。

【SCORE】
合計SCORE:-152.9

【最終段位】
四人打ち段位:魔神 幻球:3

【1/9の最新8試合の履歴】
1st|------*-
2nd|--*----*
3rd|-*------
4th|*--***--
old         new

【順位】
1位回数:1(9.09%)
2位回数:4(36.36%)
3位回数:1(9.09%)
4位回数:5(45.45%)
平均順位:2.91

プレイ局数:55局

【打ち筋】
アガリ率:10.91%(6/55)
平均アガリ翻:3.50翻
平均アガリ巡目:10.50巡
振込み率:18.18%(10/55)

【1/9の最高役】
最高役のデータがありません。最高役は、跳満以上のアガリが対象となります。

三連ラスのあとよく持ちこたえた。昔の私ならキレてたでしょうね（むこうぶち江崎風）。

閉店間際にビートマニアをワンプレイ。成果なし。

19:50 カスミオリナス錦糸町店。クーポン使用で 361 円。

  • 讃岐うどん
  • 豚レバーともやしの炒め丼
  • ライス

20:10 ビッグエー墨田業平店。208 円。

  • おにぎり鮭の柚子胡椒風
  • 大きなりんごデニッシュ
  • スコーンチーズ (+10%)

20:25 曳舟の部屋に戻る。PC を開いていつもの作業。安いからといって晩飯を買い過ぎた。 テザリングとゲームで風呂まで時間を調整する。 地獄の伯爵令嬢の逆襲の手直し版も当然気になるが、現行版でも十分楽しめる。

22:05 ガーゴイル上二つ、アステカステージ 5, 水晶玉全部、石碑強クリアしてレベル 36 あたり。残りは明日にとっておく。

22:50 風呂から出る。ああ温まった。Pandas の続きを 23:55 までやる。

Pytube Note

from pytube import Playlist

playlist = Playlist(PLAYLIST_URL)

for url, video in zip(playlist, playlist.videos):
    print(SEP.join(url, video.title))

Pandas Note

Catagorical というのは統計でいう categorical variables に対応する pandas におけるデータ型だ。 どうも enum のような概念のようで、場合によっては値同士に順序が入ると述べている。

ちょくちょく R の factor との比較コラムが挟まるが、知らないから放置。

  • Categorical data
    • Object creation
      • dtype='category'
      • .astype('category')
      • pd.Categorical
      • pd.api.type.CategoricalDtype 生成のときの order=True
      • pd.Categorical.from_codes()
    • CategoricalDtype
      • categorical の型は次の二つで完全に叙述される：
        • categories: NA を含まない一意的な値のシーケンス
        • ordered: 真偽値
      • CategoricalDtype は dtype という引数のある関数ならばどこでも使える。
    • Description
      • .describe() すると Series や DataFrame の出力に似たものを与える。
    • Working with categories
      • .cat.categories, .cat.ordered
      • .cat.rename_categories() は名称を変更する。
      • .cat.add_categories()
      • .cat.remove_categories(); 削除された値は NA となる。
      • .cat.remove_unused_categories()
      • .cat.set_categories()
    • Sorting and order
      • .min(), .max() は順序があることが前提。
      • .cat.as_ordered(), .cat.as_unordered()
      • .cat.reorder_categories(), .cat.set_categories()
    • Comparisons
      • categorical data と他のオブジェクトを比較できるのは三つの場合がある。
    • Operations
      • categorical data に対してもできる操作
    • Data munging
      • 添字アクセス系のメソッドも OK
      • categorical のマージは型を保存する場合としない場合がある
      • pd.api.types.union_categoricals()
        • sort_categories=True
        • ignore_ordered=True
    • Getting data in/out
      • シリアライズが絡むとどうなるか
    • Missing data
      • .cat.codes
    • Differences to R’s factor
    • Gotchas
      • Categorical のメモリー消費のしかたは線形だと考えるのがいい。
      • Categorical は NumPy 配列ではない。
      • CategoricalIndex