Python

はじめに 2つの数値を比較し、どちらか一方にしか存在しない桁（共通しない数字）をすべて出力したい場面は、データ処理やアルゴリズムの学習においてよくあります。Pythonでは、set（集合）型のsymmetric_differenceメソッドを使うことで、この処理を非常にシンプルに実装できます。 本記事では、2つの整数を引数として受け取り、共通しない一意の桁を降順で出力する関数の作り方を、サンプルコードと実行結果とあわせて解説します。 サンプルコード 以下は、2つの数値から共通しない桁を抽出して出力するプログラムの例です。 def distinct_uncommon_nums(val_1, v

辞書のリストから重複を除いた一意の値をすべて取得したい場合、各辞書の値を順に取り出してセット（set）に変換します。セットは重複した要素を自動的に除去するため、その後リストに変換し直してコンソールに表示すれば、簡潔なコードで目的の結果を得ることができます。 サンプルコード 以下に具体的な実装例を示します。 my_list = [{hi : 11, there : 28}, {how : 11, are : 31}, {you : 28, Will:31}] print(リストの内容:) print(my_list) my_result = list(set(value for dic in

はい、可能です。&（アンド）演算子を使用すると、2つのDataFrameに共通する列を簡単に見つけることができます。Pandasでは、.columns属性がIndexオブジェクトを返すため、これに対して&演算子を適用すると、集合の積（共通要素）が求められます。 まずは、サンプル用のDataFrameを2つ作成してみましょう。 # dataframe1 の作成 dataFrame1 = pd.DataFrame({ Car: [BMW, Lexus, Tesla, Mustang, Mercedes, Jaguar], Cubic_Capacity: [2000,

リスト（配列）内のすべての要素を結合し、その結果を昇順に並べ替えた数値として出力したい場合があります。このような処理は、まず数字を文字列として並べ替え、それを整数に変換する関数を定義することで実現できます。さらに別の関数で、元のリストの各要素を文字列に変換して連結し、先ほどの関数に渡すという流れになります。サンプルコード以下に具体的な実装例を示します。def get_sorted_nums(my_num): my_num = .join(sorted(my_num)) my_num = int(my_num) print(my_num) def merged_list(m

文字列のリストの中から、別の文字列リストのいずれかの要素の部分文字列（サブストリング）となっている文字列をすべて検索したい場合、「set」と「list」を組み合わせたリスト内包表記を使うと簡潔かつ効率的に実現できます。サンプルコード以下に具体的な実装例を示します。my_list_1 = [Hi, there, how, are, you] my_list_2 = [Hi, there, how, have, you, been] print(最初のリスト：) print(my_list_1) print(2番目のリスト：) print(my_list_2) my_result = list(

Pandasのquery()関数とは？ PythonのPandasでは、query()関数を使うことで、列の値に基づいてDataFrameの行を簡単にフィルタリングできます。抽出したい条件を文字列式として引数に渡すだけでよく、SQLのような直感的な書き方でデータを絞り込めるのが大きな特徴です。 まずは、必要なライブラリをインポートしましょう。 import pandas as pd サンプルデータの準備 ここでは、チームのランキングデータを例にして解説します。 Team = [[India, 1, 100], [Australia, 2, 85], [England, 3, 75],

プログラミングでは、リストの中から「合計が特定の値 s になる」すべてのサブセット（部分集合）を見つけたい場面があります。本記事では、Pythonの標準ライブラリ itertools の combinations 関数を使って、この問題をシンプルかつ確実に解決する方法を解説します。 基本的なアプローチは次のとおりです。まずリストの長さごとにすべての組み合わせを生成し、それぞれの合計が目標値と一致するかどうかを判定します。一致した組み合わせだけをコンソールに出力します。 サンプルコード 以下は、実際に動作する完全なコード例です。 from itertools import combinat

Pythonでは、リストの中にさらにリストが入った「リストのリスト」を、各要素をセット（set）に変換した「セットのリスト」へ変換したいケースがあります。例えば、重複する要素を取り除きたい場合などです。このような場合には、組み込み関数である map、set、list を組み合わせて使うことで、簡潔に実現できます。サンプルコード以下に具体的な実装例を示します。my_list = [[2, 2, 2, 2], [1, 2, 1], [1, 2, 3], [1,1], [0]] print(リストのリストは:) print(my_list) my_result = list(map(set, m

ピボットテーブルとはピボットテーブルを作成するには、pandas.pivot_table() 関数を使用します。この関数を使うことで、スプレッドシート形式のピボットテーブルを DataFrame として簡単に生成できます。pandas.pivot_table() は、データの集計やクロス集計に便利な強力な関数です。Excel のピボットテーブルと同様に、指定した列をインデックス（行ラベル）としてデータを再編成し、数値列に対しては自動的に平均値などの統計量を算出します。準備：ライブラリのインポートまず、必要なライブラリをインポートしましょう。import pandas as pdサンプルデータの

Seabornのペアプロット（pairplot）に注釈を追加するには、fig.text()メソッドを使用します。このメソッドを使うと、図全体の座標系（左下を原点とした0〜1の相対位置）に基づいて、好きな場所にテキストを自由に配置できます。ペアプロットは複数のサブプロットで構成されるため、個々の軸ではなくFigureオブジェクトに対してテキストを追加するのがポイントです。 実装の手順 Seaborn、Pandas、NumPy、MatplotlibのPyplotパッケージをインポートします。 図のサイズを設定し、figure.autolayoutを有効にしてサブプロット間や図の周囲の余白を自動調

matplotlibでY軸を指数的（対数的）にスケーリングしたい場合、plt.yscale(symlog)を使用することで簡単に実現できます。この記事では、具体的な手順とサンプルコードをわかりやすく解説します。 実装の手順 図のサイズを設定し、サブプロット間および周囲の余白（パディング）を調整します。 ステップ幅として変数 dt を初期化します。 numpyを使ってxとyのデータポイントを作成します。 生成したデータポイントをプロットします。 plt.yscale(symlog) を呼び出して、Y軸に対数スケールを適用します。 show() メソッドで図を表示します。 コード例 imp

matplotlibでグラフに描画した縦線（垂直線）に対して、凡例を表示したいケースはよくあります。しかし、単純にplot()で描いた線だけでは、マーカー付きの見やすい凡例を作るのが難しいこともあります。 本記事では、matplotlib.lines.Line2Dを使って、縦線用のカスタム凡例を追加する手順をサンプルコード付きで解説します。 縦線の凡例を追加する基本の手順 matplotlibで縦線の凡例を追加するには、以下のステップを実行します。 図のサイズと余白を設定する：rcParamsでフィギュアサイズやサブプロット間のパディングを調整します。 図とサブプロットを作成する：plt.

2次元FEM結果をmatplotlibでプロットする方法有限要素法（FEM：Finite Element Method）は、さまざまな材料タイプのモデリングや複雑な形状の解析、設計の一部に作用する局所的な影響の可視化など、幅広い用途で活用されている数値解析手法です。FEMの基本的な考え方は、大きな空間領域を「有限要素」と呼ばれる単純な部分に分割し、各要素を記述する簡単な方程式を組み合わせて、領域全体を表す大規模な連立方程式系を構築するというものです。この記事では、Pythonのmatplotlibライブラリを使って、2次元FEMの計算結果をコンター図（等高線図）として可視化する手順を解説します

Pandasでは、pandas.DataFrame.corrメソッドを使うことで、NULL値を除外した上で列同士の相関を簡単に計算できます。相関係数は2つの変数間の線形関係の強さを表す指標であり、その値は-1から1の範囲に収まります。 相関係数が1に近いほど正の相関が強く、-1に近いほど負の相関が強いことを意味します。また、0に近い場合は線形関係がほとんどないことを示します。 Pandasのデータフレーム内にある2つの数値列の相関を求めるには、以下の手順を実行します。 図のサイズを設定し、サブプロット間および周囲の余白（パディング）を調整します。 2次元でサイズ変更可能な表形式データを持つP

Pythonで作成したヒストグラムを画像ファイルとして保存するには、Matplotlibが提供するsavefig()関数を使用します。以下の手順に従えば、描画したヒストグラムをPNG形式などの画像として簡単に出力できます。 ヒストグラムを保存する基本手順 図のサイズを設定し、サブプロット間および周囲の余白（パディング）を調整します。 ヒストグラム用のデータポイント「k」を作成します。 hist()メソッドを使ってヒストグラムを描画します。 plt.savefig(ファイル名)を実行して、ヒストグラムを画像として保存します。 show()メソッドで図を画面に表示します。 コード例 i

matplotlibを使用すると、テキストファイル（.txt）に保存されたデータを簡単に読み込み、グラフとして可視化できます。この記事では、.txtファイルのデータから棒グラフを作成する具体的な手順を解説します。 実装の手順 図のサイズを設定し、サブプロット間および周囲の余白（パディング）を調整します。 棒グラフのラベル名（bar_names）と高さ（bar_heights）を格納するための空のリストを初期化します。 サンプルの.txtファイルを読み取りモード（r）で開き、各行から名前と数値を抽出してそれぞれのリストに追加します。 plt.bar()を使って棒グラフを作成します。 show(

はじめに データ可視化において、2つの点を結ぶ際に単純な直線ではなく、自然な曲線で描きたいケースは少なくありません。matplotlibでは、数式を活用することで、2点を結ぶ滑らかな曲線を簡単に描画できます。 本記事では、双曲線関数（cosh）を利用して、2点を結ぶ美しい曲線を描く手順を解説します。 実装の手順 matplotlibで直線の代わりに2点を結ぶ曲線を描くには、以下の手順に従います。 図のサイズを設定し、サブプロット間および周囲の余白を調整します。 数式を用いて曲線を生成する draw_curve() メソッドを定義します。 点1（p1）と点2（p2）のデータポイントをプロット

PythonのPandasでは、DataFrameの列（カラム）の最小値を求めるために min() 関数を使用します。まずは、必要なPandasライブラリをインポートしましょう。 import pandas as pd 1. DataFrameを作成する 次に、「Car」と「Units」の2つの列を持つDataFrameを作成します。 dataFrame1 = pd.DataFrame( { Car: [BMW, Lexus, Audi, Tesla, Bentley, Jaguar], Units: [100, 150, 110, 80, 110, 9

はじめにPandasでは、複数の列をインデックスとして指定したピボットテーブルを簡単に作成できます。ピボットテーブルの作成にはpandas.pivot_table関数を使用します。この関数は、スプレッドシートのような形式のピボットテーブルをDataFrameとして生成します。ライブラリのインポートまず、必要なライブラリをインポートします。import pandas as pdDataFrameの作成チームの記録を格納したDataFrameを作成しましょう。dataFrame = pd.DataFrame({Team ID: {0: 5, 1: 9, 2: 6, 3: 11, 4: 2, 5:

Pandasのデータフレーム内に無限大（inf）が含まれているかどうかを確認するには、NumPyのisinf()メソッドを使用します。また、無限大の値がいくつあるかを数えたい場合は、sum()と組み合わせることで簡単に集計できます。必要なライブラリのインポートまず、必要なライブラリをそれぞれ別名（エイリアス）を付けてインポートします。import pandas as pd import numpy as np無限大を含むデータの準備次に、辞書型のリストを作成します。ここではNumPyのnp.infを使って、意図的に無限大の値を設定しています。d = { Reg_Price: [7000.505