2698519
HOME \| DIARY \| PROFILE	【フォローする】【ログイン】

One of my favorite things is ...

【毎日開催】

15記事にいいね！で1ポイント

10秒滞在

いいね! --/--

次の日記を探す

おめでとうございます！
ミッションを達成しました。

※「ポイントを獲得する」ボタンを押すと広告が表示されます。

< 新しい記事

新着記事一覧(全1035件)

過去の記事 >

2020.05.27

◆【新型iPhone SE】性能と価格のバランスが良いのは「iPhone SE 2」「iPad Air 3」？：Antutuベンチマークスコアのデータから：スコア以外の性能も含めた総合力では「iPhone XR」が魅力的？：データのスクレイピングとグラフ作成のRのコードも

テーマ：パソコンを楽しむ♪(3525)

カテゴリ：家電・ガジェット

iOS(iPad OS）機器のAntutuベンチマークスコアのデータ（2020年４月）を、R言語でスクレイピングして、グラフを作成してみました。

↓R言語で、「read_html()」とすると、下記のように、デバイスとスコアのリストが得られたので、for i 文を使って、26種類のデバイスのデータを抜き出して整理しました。以前は、テーブルで読み込めましたが、javascriptが利用されるようになって、一手間かかるようになりました。

iPadでは、「iPad Air 3」のコスパが高いようですが、iPhoneでは、約５万円からの「iPhone SE ２」のコスパが最高のようです。

ベンチマークスコアの上では、「iPad Air 3」と「iPhone SE ２」は「ミドルクラス」の位置にあるようです。

「iPhone SE ２」は、顔認証ではなく、指紋認証なので、「マスク時代」には「iPhone SE ２」の方が便利そうです。

「Total Score」は「CPU」のスコアと比例的な関係です。

「GPU」スコアは、iPad Proの新しいモデル（3または4）が圧倒的に高くなっています。

iPad Proは、スコアの上では、第３世代と第４世代の違いは大きくないようです。

「UX」スコアは、「Total Score」とは違った傾向が見られ、「iPhone」が健闘しているようです。

iPad 6とiPad７との違いはあまり大きくないので、価格が安い場合は、iPad 6を選ぶということもありかもしれません。でも、iPad 6では、アップルTVが１年間無料にならないはずです。その分の価格差まではないかもしれません。

ところで、「Liquid Retina HD display」を備えたiPhone XRは、「Dolby Vision HDR」と「Dolby Atmos(using Dolby Digital Plus / JOC)」に対応している、最も低価格なiOS端末のようです。

ディスプレイや音響などの性能も含めて考えると、「Liquid Retina HD display」iPhone XRの総合力は高いようです。

なお、「iPad Air 3」は、「Dolby Vision HDR」対応ですが、「Dolby Atmos(using Dolby Digital Plus / JOC)」には対応していません。

もしも、「iPad Air 4」が「Dolby Vision HDR」と「Dolby Atmos(using Dolby Digital Plus / JOC)」の両方に対応してきて、価格が変わらなければ、かなり魅力的な端末になると思います。

もっとも、Netflixやアマゾン・プライム・ビデオなど主要な配信サービスは「Dolby Atmos」音声をiOS端末向けには配信していないので、今のところ、「Dolby Atmos」音声については、「Apple TV＋」の動画にしか期待できません。

↓楽天市場以外の有名ストアの利用でも楽天ポイントが貯まります。

楽天市場で「iPhone」を検索する

楽天市場でiPadを検索する

-------------------------------------------------------------
【データのスクレイピングとグラフ作成のRのコード】

url <- "https://www.antutu.com/en/ranking/ios1.htm"

df_tabl <- as.data.frame(read_html(url))

df_data <- df_tabl[c(21:228),]

df_data <- as.data.frame(df_data)

i<- NULL

j=1

k=8

df_antutu <- NULL

df_data1 <- NULL

df_data2 <- NULL

for(i in seq(1, 26, by = 1))

{

df_data1 <- t(as.data.frame(df_data[j:k,]))

df_antutu <- rbind(df_antutu, df_data1)

j = j+8

k = k+8

}

colnames(df_antutu) <- c("Rank","Device","Device2","CPU","GPU","MEM","UX","Total_Score")

df_antutu <- as.data.frame(df_antutu)

df_antutu1 <- df_antutu[,1:8]

write.csv(df_antutu1,"df_antutu.csv")

df_antutu2 <- read.csv("df_antutu.csv",stringsAsFactors = FALSE)

ggplot(df_antutu2,aes(x=Total_Score,y=CPU,label = Device)) + geom_point()+stat_smooth(method = "lm", se = FALSE, colour = "black", size = 1) + geom_text_repel()

ggplot(df_antutu2,aes(x=Total_Score,y=GPU,label = Device)) + geom_point()+stat_smooth(method = "lm", se = FALSE, colour = "black", size = 1) + geom_text_repel()

ggplot(df_antutu2,aes(x=Total_Score,y=MEM,label = Device)) + geom_point()+stat_smooth(method = "lm", se = FALSE, colour = "black", size = 1) + geom_text_repel()

ggplot(df_antutu2,aes(x=Total_Score,y=UX,label = Device)) + geom_point()+stat_smooth(method = "lm", se = FALSE, colour = "black", size = 1) + geom_text_repel()

ggplot(df_antutu2,aes(x=MEM,y=UX,label = Device)) + geom_point()+stat_smooth(method = "lm", se = FALSE, colour = "black", size = 1) + geom_text_repel()

ggplot(df_antutu2,aes(x=MEM,y=GPU,label = Device)) + geom_point()+stat_smooth(method = "lm", se = FALSE, colour = "black", size = 1) + geom_text_repel()

ggplot(df_antutu2,aes(x=GPU,y=UX,label = Device)) + geom_point()+stat_smooth(method = "lm", se = FALSE, colour = "black", size = 1) + geom_text_repel()

ggplot(df_antutu2,aes(x=reorder(Device, Total_Score), y=Total_Score)) +

geom_bar(stat="identity", fill='#0072B2') + coord_flip()+labs(x="

Device",y=" Score",title="Total_Score",caption="Data source:Antutu benchmark" )

ggplot(df_antutu2,aes(x=reorder(Device, UX), y=UX)) +

geom_bar(stat="identity", fill='steelblue') + coord_flip()+labs(x="

Device",y=" Score",title="UX",caption="Data source:Antutu benchmark" )

ggplot(df_antutu2,aes(x=reorder(Device, MEM), y=MEM)) +

geom_bar(stat="identity", fill='#009E73') + coord_flip()+labs(x="

Device",y=" Score",title="MEM",caption="Data source:Antutu benchmark" )

ggplot(df_antutu2,aes(x=reorder(Device, GPU), y=GPU)) +

geom_bar(stat="identity", fill='#56B4E9') + coord_flip()+labs(x="

Device",y=" Score",title="GPU",caption="Data source:Antutu benchmark" )

ggplot(df_antutu2,aes(x=reorder(Device, CPU), y=CPU)) +

geom_bar(stat="identity", fill='#E69F00') + coord_flip()+labs(x="

Devices",y=" Score",title="CPU",caption="Data source:Antutu benchmark" )

-------------------------------------------------------------

--------------------------------------------------------------------------

↓実効再生産数を計算できるWebアプリがあります。

↓倍加時間についてです。

--------------------------------------------------------------------------

-------------------------------------------------------------------------
【ダッシュボード「COVID-19 Transition Graphs」を試作】
中国本土以外の地域への感染が拡大しているため、国別、地域別の感染者数の推移を簡単に確認できるダッシュボードを試作しています。

随時、ページを追加しています。グラフのデータは、右上部分の操作でダウンロードすることができます。

アメリカの「地域別の変数」を前処理して、「州別」での推移をグラフ化できるようにしました。

また、州コードのフィールドを作成してコロプレス地図も作成しています。

楽天ブログでは「iframe」タグが使えないので、Bloggerのページから利用できるようにしています。

無料で利用できる、グーグルの「データポータル」のダッシュボードです。データさえあれば、簡単に作成できます。「国」別、「地域」別に日ごとの感染者数の推移を見ることができます。

↓ダッシュボードの試作です。下記リンクのページから利用できます。

ジョンズ・ホプキンス大学の「JHU CSSE」の「Covid19 Daily Reports」のデータを利用しています。

EdgeブラウザやIEブラウザなど、Chromeブラウザ以外での利用の場合はうまく表示されないことがあるようです。

↓上記のダッシュボードのデータの出所のサイトです。マップがメインのダッシュボードです

-----------------------------------------------------------------------------------------

↓WHOのサイトでも、感染者数、地域などの「Situation Report」が日々更新されています。関心がある場合は、一日に一度見るといいのではないかと思います。