Python

配列内の文字列要素が指定したプレフィックス（接頭辞）で始まる位置においてTrueとなるブール配列を返すには、Python NumPyのnumpy.char.startswith()メソッドを使用します。第1引数には入力配列を、第2引数には判定対象のプレフィックスを指定します。実行手順まず、必要なライブラリをインポートします。import numpy as np1次元の文字列配列を作成します。arr = np.array([KATIE, JOHN, KATE, KmY, BRAD])作成した配列を表示します。print(Array...\n, arr)配列のデータ型を確認します。print(\n

arccosh（逆双曲線余弦）関数の概要 arccoshは多価関数です。各xに対して、cosh(z) = x を満たす数zは無限に存在します。慣例としては、虚部が[-π, π]の範囲内にあり、実部が[0, +∞]の範囲にあるzを返します。 実数値の入力データ型の場合、arccoshは常に実数の出力を返します。ただし、実数や無限大として表現できない値に対してはnanを返し、無効な浮動小数点エラーフラグを設定します。一方、複素数値の入力の場合、arccoshは分岐切断[-∞, 1]を持ち、その上側から連続となる複素解析関数として振る舞います。 numpy.arccosh()メソッドについて 配列

逆双曲線正接（arctanh）は多価関数です。つまり、任意の x に対して tanh(z) = x を満たす z は無限に存在します。NumPy の慣例では、虚部が [-π/2, π/2] の範囲に収まる z を返します。なお、逆双曲線正接は「atanh」や「tanh-1」という名前でも知られています。Python で逆双曲線正接を計算するには、numpy.arctanh() メソッドを使用します。このメソッドは入力 x と同じ形状の配列を返し、x がスカラーの場合はスカラー値を返します。numpy.arctanh() のパラメータ第1パラメータの x は入力配列です。第2・第3パラメータは省

指定した軸に沿って複合台形公式（composite trapezoidal rule）で積分を行うには、NumPyの numpy.trapz() メソッドを使用します。引数 x を指定した場合、積分はその要素の並び順に沿って順番に実行されます（要素は自動的にソートされません）。このメソッドは、n次元配列である「y」を単一の軸に沿って台形公式で近似した定積分の値を返します。「y」が1次元配列の場合、結果はfloat型となり、「n」が1より大きい場合は「n-1」次元の配列が返されます。 主なパラメータ y（第1引数）： 積分対象となる入力配列です。 x（第2引数）： yの各値に対応するサンプル点

NumPyでは、numpy.trapz()メソッドを使うことで、複合台形公式（composite trapezoidal rule）に基づいて数値積分を行うことができます。引数xが指定された場合、積分はその要素の並び順に沿って実行されます。つまり、xの値が降順など「逆順」に並んでいても自動的にソートされることはなく、与えられた順序のまま計算されます。 このメソッドは、n次元配列である「y」を単一の軸に沿って台形公式で近似した定積分の値を返します。「y」が1次元配列の場合、結果はfloat型になります。「n」が1より大きい場合は、「n-1」次元の配列が返されます。 主なパラメータ y（第1引数

PythonのNumPyでは、float_power()メソッドを使うことで、最初の配列（x1）の各要素を、2番目の配列（x2）の対応する位置にある指数で累乗した結果を返すことができます。x1とx2がどちらもスカラーの場合、結果もスカラーになります。 パラメータx1は累乗の「底」、x2は「指数」を表します。x1の各要素は、x2の同じ位置にある値でべき乗されます。この計算を行うには、x1とx2がブロードキャスト可能で、同じ形状に揃えられる必要があります。 power()との違い float_power()がpower()関数と異なる点は、整数型・float16・float32の入力が自動的に最低

PythonのNumPyライブラリには、配列の各要素をべき乗するためのfloat_power()メソッドが用意されています。この記事では、float_power()を使って、第1引数の配列（底）を第2引数の配列（指数）でべき乗する方法を解説します。 float_power()メソッドとは float_power()は、x1の各要素を、対応する位置にあるx2の要素でべき乗した結果を返します。x1とx2がどちらもスカラーの場合、結果もスカラーになります。 主なパラメータ： x1： 底となる配列またはスカラー x2： 指数となる配列またはスカラー x1とx2は、ブロードキャスト可能で同じ形状にで

Pythonで複素数の偏角（位相角）を求めるには、NumPyライブラリのnumpy.angle()メソッドを使用します。このメソッドは、複素平面上の正の実軸から反時計回りに測った角度を、範囲(-π, π]で返します。戻り値のデータ型はnumpy.float64です。numpy.angle()の主な引数第1引数 z：複素数、または複素数を要素とする配列（シーケンス）を指定します。第2引数 deg：Trueを指定すると角度が度（°）単位で返され、False（デフォルト）の場合はラジアン単位で返されます。実行手順まず、必要なライブラリをインポートします。import numpy as np次に、ar

Pythonで複素数の偏角（argument）を返すには、NumPyのnumpy.angle()メソッドを使用します。このメソッドは、複素平面上の正の実軸から反時計回りに測った角度を範囲 (-π, π] で返し、戻り値のデータ型は numpy.float64 です。numpy.angle() の主なパラメータ第1引数（z）： 複素数、または複素数を要素とする配列（シーケンス）第2引数（deg）： True の場合は角度を度（°）で返し、False（デフォルト）の場合はラジアンで返しますそれでは、実際にコードを使って手順を確認していきましょう。手順1: 必要なライブラリをインポートするまず、必要

配列の最大値を求める際、データにNaN（非数）が含まれていると通常の np.max() では結果が NaN になってしまいます。そこで活躍するのが NumPy の numpy.nanmax() メソッドです。この関数は NaN を無視して配列の最大値を返します。nanmax() は、指定した軸が取り除かれた状態で入力配列 a と同じ形状の配列を返します。入力が0次元配列の場合や axis に None が指定された場合は ndarray スカラーが返され、出力の dtype は入力と同じになります。nanmax() の主なパラメータ第1引数：a最大値を求めたい要素を含む配列を指定します。配列以

Pythonで配列の最小値を取得する際、配列にNaN（Not a Number）が含まれていると、通常のnp.min()では結果もNaNになってしまいます。そこで役立つのがnumpy.nanmin()メソッドです。このメソッドを使うことで、NaNを無視して配列の最小値を正しく取得できます。 戻り値は、指定した軸（axis）が取り除かれた、入力配列aと同じ形状の配列です。aが0次元配列の場合、またはaxisがNoneの場合はndarrayスカラーが返され、aと同じdtypeが返されます。 nanmin()の主なパラメータ 第1パラメータ：a 最小値を求めたい数値を含む配列です。aが配列でない場合

配列の最小値、またはNaN（非数）を無視した最小値を取得するには、PythonのNumPyライブラリが提供する numpy.nanmin() メソッドを使用します。このメソッドは、指定した軸を取り除いた形状の配列を返します。入力が0次元配列の場合や、axisにNoneを指定した場合は、ndarrayスカラーが返されます。戻り値のdtypeは元の配列と同じになります。 numpy.nanmin() の主なパラメータ 第1引数：a 最小値を求めたい数値を含む配列です。配列以外のオブジェクトが渡された場合は、自動的に配列への変換が試みられます。 第2引数：axis 最小値を計算する対象となる軸

numpy.nanmin()とはPythonで配列の最小値、またはNaN（非数）を無視した最小値を取得するには、NumPyのnumpy.nanmin()メソッドを使用します。このメソッドは、指定した軸が取り除かれた形状を持つ配列を返します。入力aが0次元配列の場合やaxisにNoneを指定した場合は、ndarrayスカラーが返されます。また、返り値のdtypeは元の配列と同じになります。主なパラメータ第1引数：a最小値を求めたい数値を含む配列です。配列以外のオブジェクトが渡された場合は、自動的に配列への変換が試みられます。第2引数：axis最小値を計算する対象となる軸（または複数の軸）です。デ

einsum()メソッドは、アインシュタインの縮約記法（Einstein summation convention）に基づいて演算を評価します。この記法を活用すると、多次元配列に対する線形代数のさまざまな操作を、非常にシンプルな形で表現できます。暗黙モードでは、einsumがこれらの値を自動的に計算してくれます。 一方、明示モードでは、特定の添字ラベルについて総和を無効化したり強制したりできるため、古典的なアインシュタイン縮約とは見なされないような配列操作も柔軟に実現できます。 アインシュタイン縮約記法を使って行列のトレース（対角成分の総和）を求めるには、Pythonのnumpy.einsu

NumPyのeinsum()メソッドは、オペランド（演算対象の配列）に対してアインシュタインの縮約記法（Einstein summation convention）を適用して評価を行います。この記法を活用すると、多次元配列に対する線形代数の一般的な操作の多くを、非常にシンプルな形式で表現できます。暗黙モードでは、einsumはこれらの値をそのまま計算します。一方、明示モードでは、特定の添字ラベルへの総和を無効化または強制できるため、古典的なアインシュタインの縮約操作とは見なされないような配列操作も柔軟に計算可能です。Pythonでアインシュタインの縮約記法を使って行列の対角成分を抽出するには、

NumPyのeinsum()メソッドは、オペランドに対してアインシュタインの縮約記法（Einstein summation convention）を評価するための強力なツールです。この記法を活用すると、多次元配列や線形代数における多くの一般的な演算を、非常にシンプルな形式で表現できます。einsumには2つの動作モードがあります。暗黙モードでは、標準的なアインシュタインの縮約に従って値が計算されます。一方、明示モードでは、特定の添字ラベルへの総和を無効化または強制できるため、古典的なアインシュタインの縮約演算とは見なされないような、より柔軟な配列操作も実現可能です。numpy.einsum()

PythonのNumPyでは、numpy.convolve()メソッドを使うことで、2つの1次元シーケンス（配列）の離散線形畳み込みを簡単に求めることができます。畳み込み演算は信号処理の分野でよく登場し、線形時不変システムが信号に与える影響をモデル化する際に用いられます。また確率論においても、独立な2つの確率変数の和の分布は、それぞれの分布の畳み込みとして表されます。なお、第2引数vが第1引数aより長い場合、計算前に自動的に配列が入れ替えられます。numpy.convolve()のパラメータこのメソッドは、aとvの離散線形畳み込みの結果を返します。各パラメータの詳細は以下の通りです。第1引数

Pythonで、NaNを無視して配列の最大値を返したい場合は、NumPyの numpy.nanmax() メソッドを使用します。このメソッドは、指定した軸が取り除かれた状態で、入力配列 a と同じ形状の結果を返します。a が0次元配列の場合や、axis に None を指定した場合は、ndarrayスカラーが返されます。また、返り値のdtypeは元の配列と同じになります。numpy.nanmax() の主なパラメータこのメソッドには以下のパラメータがあります。第1引数：a最大値を求めたい数値を含む配列です。配列以外のオブジェクトが渡された場合は、自動的に配列への変換が試みられます。第2引数：a

Pythonで複素数の虚数部を取得するには、NumPyの numpy.imag() メソッドを使用します。このメソッドは、複素数の引数から虚数成分を返します。入力値が実数の場合は、その型が出力にも使用され、複素数要素を含む場合は float 型が返されます。第1パラメータの val には入力配列を指定します。さらに、配列の imag 属性を使うことで、複素数の虚数部を後から変更することも可能です。手順まず、必要なライブラリをインポートします。import numpy as nparray() メソッドを使って配列を作成します。arr = np.array([36.+1.j , 27.+2.j

線形代数において行列の条件数を計算するには、Pythonのnumpy.linalg.cond()メソッドを使用します。このメソッドは、引数 p の値に応じて7種類の異なるノルムから条件数を算出でき、その結果は無限大になる場合もあります。行列 x の条件数は、「x のノルム」と「x の逆行列のノルム」の積として定義されます。ここで使うノルムには、一般的なL2ノルムのほか、さまざまな行列ノルムを指定できます。第1パラメータ：x ― 条件数を求めたい対象となる行列第2パラメータ：p ― 条件数の計算に使用するノルムの種類（次数）本記事では、p に「-inf（負の無限大）」を指定して、負の無限大ノルム