IPv4アドレスの例

# 32ビット（4つの数字を点で区切った形式）
192.168.1.1    # 家庭内のルーター
10.0.0.1       # 会社や学校内のネットワーク
172.16.0.1     # 中規模ネットワーク
8.8.8.8        # GoogleのDNSサーバー
203.104.209.6  # グローバルIPアドレスの例

IPv6アドレスの例

# 128ビット（16進数を：で区切った形式）
2001:0db8:85a3:0000:0000:8a2e:0370:7334  # 完全表記
2001:db8:85a3::8a2e:370:7334             # 短縮表記
::1                                       # ローカルホスト（自分）
2001:4860:4860::8888                     # GoogleのDNSサーバー（IPv6版）

データのやり取りの種類

# 主要な操作の種類
GET     /api/users        # データを取得する（見る）
POST    /api/users        # 新しいデータを作成する（投稿）
PUT     /api/users/123    # データを更新する（全体を書き換え）
PATCH   /api/users/123    # データを部分的に更新する
DELETE  /api/users/123    # データを削除する
HEAD    /api/users        # 情報のみを取得する
OPTIONS /api/users        # 何ができるかを確認する

接続の確認作業（3段階の握手）

あなた  →  相手    # 「つながりますか？」（接続要求）
あなた  ←  相手    # 「つながります、確認してください」（接続許可・応答要求）
あなた  →  相手    # 「確認しました」（応答確認）

# この後、データのやり取りが開始される

住所を調べる流れ

1. ユーザーが「www.example.com」にアクセスしたい
2. 過去に調べた記録（キャッシュ）を確認
3. 記録にない場合、住所録サーバーに問い合わせ
4. 住所録の管理者 → .comの管理者 → example.comの管理者の順に確認
5. インターネット住所を取得
   IPv4: 93.184.216.34
   IPv6: 2606:2800:220:1:248:1893:25c8:1946
6. 取得した住所に接続

メール送受信の流れ

# メール送信の流れ
1. メーラー → SMTPサーバー（ポート25/587/465）
2. 送信者のSMTPサーバー → 受信者のSMTPサーバー
3. 受信者のメールボックスに配送

# メール受信の流れ（POP3の場合）
1. メーラー → POP3サーバー（ポート110/995）
2. 認証後、メールをダウンロード
3. サーバーからメールを削除（通常）

# メール受信の流れ（IMAPの場合）
1. メーラー → IMAPサーバー（ポート143/993）
2. サーバー上でメール管理
3. 複数デバイスで同期可能

SSL/TLSハンドシェイクの流れ

1. Client Hello    - クライアントが対応する暗号化方式を送信
2. Server Hello    - サーバーが使用する暗号化方式を選択・送信
3. Certificate     - サーバーがデジタル証明書を送信
4. Key Exchange    - 暗号化キーの交換
5. Finished        - ハンドシェイク完了、暗号化通信開始

同一サーバーでの両対応例

# IPv4でのアクセス
ping www.google.com
→ 142.250.196.110 (IPv4アドレス)

# IPv6でのアクセス  
ping6 www.google.com
→ 2404:6800:4004:825::2004 (IPv6アドレス)

# 両方に対応しているか確認
nslookup www.google.com
→ IPv4: 142.250.196.110
→ IPv6: 2404:6800:4004:825::2004

HTTPリクエストの例

GET /index.html HTTP/1.1
Host: www.example.com
User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64)
Accept: text/html,application/xhtml+xml
Accept-Language: ja,en;q=0.9

https://www.example.com:443/path/to/page?param=value#section

スキーム: https
ホスト名: www.example.com
ポート番号: 443
パス: /path/to/page
クエリパラメータ: param=value
フラグメント: section

基本的なSQL文

-- テーブルの作成
CREATE TABLE students (
    id INTEGER PRIMARY KEY,
    name TEXT NOT NULL,
    age INTEGER,
    grade TEXT
);

-- データの挿入
INSERT INTO students (name, age, grade) 
VALUES ('田中太郎', 16, '1年A組');

-- データの検索
SELECT name, age FROM students 
WHERE grade = '1年A組';

-- データの更新
UPDATE students 
SET age = 17 
WHERE name = '田中太郎';

-- データの削除
DELETE FROM students 
WHERE id = 1;

pandas を使ったデータ分析の例

import pandas as pd
import matplotlib.pyplot as plt

# CSVファイルの読み込み
df = pd.read_csv('sales_data.csv')

# データの基本情報
print(df.info())
print(df.describe())

# 売上の合計を計算
total_sales = df['sales'].sum()
print(f"総売上: {total_sales:,}円")

# 月別売上をグラフ化
monthly_sales = df.groupby('month')['sales'].sum()
monthly_sales.plot(kind='bar', title='月別売上')
plt.show()

# 上位10商品を表示
top_products = df.groupby('product')['sales'].sum().sort_values(ascending=False).head(10)
print("売上上位10商品:")
print(top_products)

scikit-learn を使った簡単な機械学習の例

from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error

# サンプルデータを読み込み
boston = datasets.load_boston()
X, y = boston.data, boston.target

# 訓練用とテスト用にデータを分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 線形回帰モデルを作成・訓練
model = LinearRegression()
model.fit(X_train, y_train)

# 予測を実行
y_pred = model.predict(X_test)

# 精度を評価
mse = mean_squared_error(y_test, y_pred)
print(f"平均二乗誤差: {mse:.2f}")

# 新しいデータで予測
new_data = [[0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0, 1.1, 1.2, 1.3]]
prediction = model.predict(new_data)
print(f"予測値: {prediction[0]:.2f}")

Pythonでの簡単な暗号化例

import hashlib
from cryptography.fernet import Fernet

# パスワードのハッシュ化
password = "my_secret_password"
hashed = hashlib.sha256(password.encode()).hexdigest()
print(f"ハッシュ化されたパスワード: {hashed}")

# ファイルの暗号化
key = Fernet.generate_key()  # 暗号化キーを生成
cipher = Fernet(key)

# メッセージを暗号化
message = "これは秘密のメッセージです"
encrypted = cipher.encrypt(message.encode())
print(f"暗号化されたメッセージ: {encrypted}")

# メッセージを復号化
decrypted = cipher.decrypt(encrypted).decode()
print(f"復号化されたメッセージ: {decrypted}")

プロジェクト例：気象データ分析ツール

import requests
import sqlite3
import pandas as pd
import matplotlib.pyplot as plt
from datetime import datetime

class WeatherAnalyzer:
    def __init__(self, db_path="weather.db"):
        self.db_path = db_path
        self.init_database()
    
    def init_database(self):
        """データベースを初期化"""
        conn = sqlite3.connect(self.db_path)
        cursor = conn.cursor()
        cursor.execute('''
            CREATE TABLE IF NOT EXISTS weather_data (
                id INTEGER PRIMARY KEY,
                date TEXT,
                temperature REAL,
                humidity REAL,
                pressure REAL,
                created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
            )
        ''')
        conn.commit()
        conn.close()
    
    def fetch_weather_data(self, api_key, city):
        """気象APIからデータを取得"""
        url = f"http://api.openweathermap.org/data/2.5/weather"
        params = {
            "q": city,
            "appid": api_key,
            "units": "metric"
        }
        
        response = requests.get(url, params=params)
        if response.status_code == 200:
            data = response.json()
            return {
                "temperature": data["main"]["temp"],
                "humidity": data["main"]["humidity"],
                "pressure": data["main"]["pressure"]
            }
        return None
    
    def save_data(self, weather_data):
        """データをデータベースに保存"""
        conn = sqlite3.connect(self.db_path)
        cursor = conn.cursor()
        cursor.execute('''
            INSERT INTO weather_data (date, temperature, humidity, pressure)
            VALUES (?, ?, ?, ?)
        ''', (
            datetime.now().strftime("%Y-%m-%d"),
            weather_data["temperature"],
            weather_data["humidity"],
            weather_data["pressure"]
        ))
        conn.commit()
        conn.close()
    
    def analyze_trends(self):
        """データの傾向を分析"""
        df = pd.read_sql_query(
            "SELECT * FROM weather_data ORDER BY date",
            sqlite3.connect(self.db_path)
        )
        
        # 基本統計
        print("気象データ分析結果:")
        print(df[['temperature', 'humidity', 'pressure']].describe())
        
        # グラフ作成
        fig, axes = plt.subplots(3, 1, figsize=(10, 12))
        
        df['date'] = pd.to_datetime(df['date'])
        
        axes[0].plot(df['date'], df['temperature'])
        axes[0].set_title('気温の推移')
        axes[0].set_ylabel('気温 (°C)')
        
        axes[1].plot(df['date'], df['humidity'])
        axes[1].set_title('湿度の推移')
        axes[1].set_ylabel('湿度 (%)')
        
        axes[2].plot(df['date'], df['pressure'])
        axes[2].set_title('気圧の推移')
        axes[2].set_ylabel('気圧 (hPa)')
        
        plt.tight_layout()
        plt.show()

# 使用例
analyzer = WeatherAnalyzer()
# weather_data = analyzer.fetch_weather_data("YOUR_API_KEY", "Tokyo")
# if weather_data:
#     analyzer.save_data(weather_data)
# analyzer.analyze_trends()