  |
https://mmdlabo.jp/investigation/detail_2288.html
なお別ソースだけど、販売台数で言えばAndroidのほうが多く、アクセス数で言えばiPhoneのほうが多いらしい
iPhoneが多い
30代以下の女性
半々
30代男性
Androidのほうが多い
50代以上の女性
iPhone11〜14で55％くらい居るので半分超えてる
どうやら、英語に訳した人が居てTwitterでもけっこうなRT回数だし一気に広まったようだ。
弥助のあたりで日本人が英語に訳したときに広まる回路ができたっぽい。
これからこの手の情報は一気に英語圏に拡散されるようになるだろうな。
しかも、この情報の英語圏の反応が"英語圏の圧力が実際に存在することが証明された"みたいのだったのが興味深い。
どうやら日本人がこういうのを表立っていわないので、勝手に"日本人は納得してTypeA/Bにしている"っていうストーリーで進めてる人たちがいたらしい。
上手く言ったらお兄さんに文面みせて
事業に取り組んだり学業に励んだりしたかったそうで。マッチングアプリはお気に召さなさかったらしい。
初めの写真は酷かった
証明写真だった。
クソなんで、お出かけして写真こさえてきた。
1枚はその辺遊んであるやつ。お友達一同で協力してもらった。2枚目は東大の証明がてらidとあわせて学生証映り込ませてみた。
割と気軽に「会おう」マッサージ送るだけだったり「素敵ですね」褒めてみたりして会えた。
import numpy as np def lorentz_transform(t, x, v): """ ローレンツ変換を行う関数 引数: t: 元の座標系での時間 x: 元の座標系での位置 v: 新しい座標系の速度（光速に対する比率） 戻り値: t_prime: 新しい座標系での時間 x_prime: 新しい座標系での位置 """ c = 1 # 光速（単位系を簡単にするため1とする） # ローレンツ因子（γ）の計算 gamma = 1 / np.sqrt(1 - v**2 / c**2) # ローレンツ変換の実行 t_prime = gamma * (t - v * x / c**2) x_prime = gamma * (x - v * t) return t_prime, x_prime # 使用例 t = 0 x = 1 v = 0.5 # 光速の50% t_prime, x_prime = lorentz_transform(t, x, v) print(f"元の座標系: t = {t}, x = {x}") print(f"新しい座標系: t' = {t_prime:.4f}, x' = {x_prime:.4f}")
