Fedora Linux 41 リリース

Fedora Linux は Red Hat 社が支援するコミュニティ Fedora Project で開発されている Linux ディストロです。このディストロは、最新の技術を積極的に取り込むことで知られています。Fedora Linux の開発成果は CentOS Stream に取り込まれます。ここでテストを経て最終的に Red Hat Enterprise Linux, RHEL へ反映されます。Fedora Linux は、おおむね春と秋の年二回の頻度で新しい版がリリースされています。

Fedora Linux 41 が 10 月 29 日（現地時間）にリリースされました。

• Fedora Linux | The Fedora Project

Fedora Linux 41 Workstation のデスクトップ

Fedora Linux 41 における変更点は、デスクトップ環境に最新の GNOME 47 が採用されるなど多岐にわたっていますが、個人的に注目している変更点をまとめました。

Retire Python 2.7

python 2.7 パッケージは置き換えられることなく引退（廃止）。そのため、python コマンドは Python 3 系を指します。python3 コマンドもひきつづき利用可能です。

Changes/Python3.13

Python スタックを Python 3.12 から最新のメジャーリリースの Python 3.13 へ更新。

Python built with gcc -O3

デフォルトの -O2 コンパイラフラグの代わりに、-O3 を使って CPython をビルドして高速化（pyperformance による計測で幾何平均が 1.04 倍高速）。

Replace Redis with Valkey

Redis のライセンスが RASLv2/SSPL に変更されたため ^[6]、Redis を廃止して Redis をフォークした OSS である Valkey へ移行。

GIMP version 3

GIMP, GNU Image Manipulation Program の次期メジャーバージョン 3 を導入。

トップへ

参考サイト

1. Whats new in Fedora Workstation 41 - Fedora Magazine [2024-10-29]
2. Fedora Linux 41 is here! - Fedora Magazine [2024-10-29]
3. Releases/41/ChangeSet - Fedora Project Wiki
4. Valkey
5. 幾何平均 - Wikipedia
6. Redis Licensing Overview - Redis
7. GIMP - GNU Image Manipulation Program

 

にほんブログ村


#オープンソース

CentOS Stream 10 情報 (4)

CentOS Stream は、継続的に提供される Red Hat® Enterprise Linux (RHEL) のディストリビューション・アップストリームを、オープンソース・コミュニティのメンバーが Red Hat の開発者と連携して開発、テスト、貢献することができる、Linux® ディストリビューションです。

Red Hat は Red Hat Enterprise Linux ソースコードを CentOS Stream 開発プラットフォームで開発してから、新しい Red Hat Enterprise Linux バージョンをリリースします。Red Hat Enterprise Linux 9 は、CentOS Stream 内で構築された最初のメジャーリリースです。

参考サイト [1] より引用

来年は Red Hat Enterprise Linux 10 がリリースされると予想されますが、その開発版である CentOS Stream の開発が始まっています。まだ正式な CentOS Stream 10 のリリース前ですが、開発版の iso ファイルがダウンロードできます。

CentOS Stream 10（プレリリース版）の入手先

• Index of /stream-10/production/latest-CentOS-Stream/compose/BaseOS/x86_64/iso

現時点での CentOS Stream 10 開発版の iso ファイルをダウンロードして、仮想環境 (GNOME Boxes) にインストールしてみました。デスクトップ画面のデフォルトの壁紙のデザインができていました。

CentOS-Stream-10-20241023.0-x86_64-dvd1.iso をインストール直後のログイン時のデスクトップ画面

CentOS Stream 10 (CentOS-Stream-10-20241023.0-x86_64-dvd1.iso ) の構成は以下のようになっていました。

Linux kernel

kernel-6.11.0-25.el10.x86_64

GNOME

gnome-shell-47.0-2.el10.x86_64

Python

python3-3.12.6-1.el10.x86_64

CentOS Stream 10 の正式リリースがいつになるのか判りませんが、ときどきこの開発版をダウンロードして仮想環境にインストールして、なにか変化があれば紹介します。

トップへ

参考サイト

1. CentOS Stream とは | Red Hat
2. Red Hat、RHELからLibreOfficeパッケージを削除へ、今後はFlatpakで対応 | gihyo.jp [2023-06-08]
3. Red Hat Enterprise Linux 10 での Wayland および Xorg サーバーに関する方針 [2023-11-27]
4. Red Hat Evaluating x86-64-v3 Requirement For RHEL 10 - Phoronix [2024-01-03]
5. Composingが公開されたCentOS Stream 10をのぞいてみた - 赤帽エンジニアブログ [2024-07-02]
6. bitWalk's: CentOS Stream 10 情報 (1) [2024-05-26]
7. bitWalk's: CentOS Stream 10 情報 (2) [2024-06-27]
8. bitWalk's: CentOS Stream 10 情報 (3) [2024-08-28]

 

にほんブログ村


#オープンソース

【備忘録】時系列データをスムージング ~ SciPy

SciPy は Python のための科学的ツールのオープンソース・ライブラリとして開発されています。SciPyは、NumPy をベースにしていて、統計、最適化、積分、線形代数、フーリエ変換、信号・イメージ処理、遺伝的アルゴリズム、ODE (常微分方程式) ソルバ、特殊関数、その他のモジュールを提供しています。

Wikipedia より引用、編集

今回は SciPy パッケージの make_interp_spline の利用例を紹介します。

背景や動機を説明すると長くなるので、手短にまとめました。

背  景 / 動  機

• ほぼリアルタイムで取得した株価データをデータ解析に活用しています。
• ある局面で価格が上昇あるいは下降トレンドなのかを把握したい時、秒単位で上下する価格変動がノイズになってしまって解析が難しくなります。
• 実際のデータ点をきっちり通らなくとも良いので、滑らかな曲線をあてはめたい。
• SciPy パッケージの make_interp_spline という API がまさにぴったりの機能だったので適用してみました。

下記の OS 環境で動作確認をしています。

	Fedora Linux 41 Workstation (beta)	x86_64
	Python	3.12.7
	jupyterlab	4.2.5
	matplotlib	3.9.2
	numpy	2.1.2
	pandas	2.2.3
	scipy	1.14.1

以下の作業は JupyterLab 上でおこなっています。

まず、必要なライブラリを読み込んでおきます。

import datetime

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

from matplotlib import dates as mdates
from scipy.interpolate import make_smoothing_spline

サンプルデータ

Github 上の CSV 形式のサンプルデータを、データフレーム df へ読み込みます。

url = 'https://raw.githubusercontent.com/bitwalk123/stock/refs/heads/main/sample/sample_time_series.csv'
df = pd.read_csv(url, index_col=0, parse_dates=True)
df

 

読み込んだデータをプロットしてみます。

fig = plt.figure(figsize=(10, 8))

ax = fig.add_subplot(111)
ax.plot(df)
ax.xaxis.set_major_formatter(mdates.DateFormatter("%H:%M"))
ax.grid()

plt.tight_layout()
# plt.savefig('sample_time_series_raw.png')
plt.show()

プロットで確認できる細かな変動を含んだ値動きを、適度にスムージングした曲線で表現し直すことが今回の狙いです。

make_smoothing_spline によるスプライン曲線

SciPy で扱えるように時系列をタイムスタンプに変換します。タイムスタンプ x と対応する株価 y から、make_smoothing_spline で関数 spl を定義します。

タイムスタンプを時刻に戻すときに、タイムゾーンを明示していないにもかかわらず、タイムスタンプが UTC（世界標準時）に変換されて、そこから日本時間に戻されてしまいます。あとで処理するのが面倒だったので、タイムスタンプにしたときに時差分の秒数を引いています。

lam は何の略かは判らないのですが、正則化パラメータと説明されていて、デフォルトは None になっています。このパラメータに大きな数を指定すればするほど、曲線のフィッティングが大雑把になります。ここでは 10⁶ を指定しています。

delta = 9 * 60 * 60  # 時差
x = np.array([t.timestamp() - delta for t in df.index])
y = df['Price'].values
spl = make_smoothing_spline(x, y, lam=10 ** 6)

元データのデータフレーム df の時間範囲から、１秒間隔のデータ列 xs を作成します。これを関数 spl に適用して、スムージングした株価列 ys を生成します。

なお、なんの断りもなく１秒間隔にしていますが、用途に応じて間隔は調節します。

データ列 xs をインデックスに、ys を Price 列にしたデータフレーム dfs を生成します。

n = len(df)
ts1 = x[0]
ts2 = x[n - 1]
xs = np.linspace(ts1, ts2, int(ts2 - ts1) + 1)
ys = spl(xs)
dt_index = pd.to_datetime([str(datetime.datetime.fromtimestamp(t)) for t in xs])

dfs = pd.DataFrame({'Price': ys}, index=dt_index)
dfs

 

元のデータとスムージングしたデータを重ねてプロットします。

fig = plt.figure(figsize=(10, 8))

ax = fig.add_subplot(111)
ax.plot(df, lw=0.75, label='raw')
ax.plot(dfs, label='smoothing')
ax.xaxis.set_major_formatter(mdates.DateFormatter("%H:%M"))
ax.grid()
ax.legend()

plt.tight_layout()
# plt.savefig('sample_time_series_smoothing.png')
plt.show()

スムージングの程度は make_smoothing_spline のパラメータ lam に指定する値を変えて調整します。

トップへ

参考サイト

1. make_smoothing_spline — SciPy Manual
2. 滑らかな曲線を作成するためのscipy.interpolate.BSpline入門 - MyEnigma [2022-08-19]

 

にほんブログ村


#オープンソース