Python

線形行列方程式を解くには、Pythonでnumpy.linalg.solve（）メソッドを使用します。この方法では、適切に決定された、つまりフルランクの線形行列方程式ax=bの「正確な」解xを計算します。システムax=bの解を返します。返される形状はbと同じです。最初のパラメーターaは係数行列です。 2番目のパラメーターbは、座標または「従属変数」の値です。 ステップ まず、必要なライブラリをインポートします- import numpy as np array（）メソッドを使用して2つの2Dnumpy配列を作成します。連立方程式x0+2 * x1=1および3*x0 + 5 * x1 =2

Python Numpyのnumpy.char.index（）メソッドを使用して、substringsubが見つかった文字列の最小のインデックスを返します。このメソッドは、intの出力配列を返します。 subが見つからない場合、ValueErrorを発生させます。最初のパラメーターは入力配列です。 2番目のパラメーターは、検索するサブストリングです。 ステップ まず、必要なライブラリをインポートします- import numpy as np 文字列の1次元配列を作成する- arr = np.array(['KATIE', 'KATE']) 配列の表示-

配列入力の要素ごとの二乗を返すには、Pythonでnumpy.square（）メソッドを使用します。このメソッドは、xと同じ形状およびdtypeの要素ごとのx*xを返します。 xがスカラーの場合、これはスカラーです。最初のパラメーターxは入力データです。 2番目のパラメーターoutは、結果が格納される場所です。提供する場合は、入力がブロードキャストする形状である必要があります。指定しない場合またはNoneの場合、新しく割り当てられた配列が返されます。タプル（キーワード引数としてのみ可能）の長さは、出力の数と同じである必要があります。 3番目のパラメーター。ここで、この条件は入力を介してブロー

Python Numpyのnumpy.char.index（）メソッドを使用して、substringsubが見つかった文字列の最小のインデックスを返します。このメソッドは、intの出力配列を返します。 subが見つからない場合、ValueErrorを発生させます。最初のパラメーターは入力配列です。 2番目のパラメーターは、検索するサブストリングです。 3番目と4番目のパラメーターはオプションの引数であり、開始と終了はスライス表記のように解釈されます。 ステップ まず、必要なライブラリをインポートします- import numpy as np 文字列の1次元配列を作成する- arr = np

NaNをゼロに置き換え、無限大を大きな有限数に置き換えるには、Pythonのnumpy.nan_to_num（）メソッドを使用します。このメソッドは、非有限値が置き換えられたxを返します。 copyがFalseの場合、これはx自体である可能性があります。最初のパラメーターは入力データです。 2番目のパラメーターはコピーです。xのコピーを作成するか（True）、値をインプレースで置き換えるか（False）。インプレース操作は、配列へのキャストにコピーが必要ない場合にのみ発生します。デフォルトはTrueです。 3番目のパラメーターはnanで、NaN値を埋めるために使用される値です。値が渡されない

NaNをゼロに置き換え、無限大を大きな有限数に置き換えるには、Pythonのnumpy.nan_to_num（）メソッドを使用します。このメソッドは、非有限値が置き換えられたxを返します。 copyがFalseの場合、これはx自体である可能性があります。最初のパラメーターは入力データです。 2番目のパラメーターはコピーです。xのコピーを作成するか（True）、値をインプレースで置き換えるか（False）。インプレース操作は、配列へのキャストにコピーが必要ない場合にのみ発生します。デフォルトはTrueです。 3番目のパラメーターはnanで、NaN値を埋めるために使用される値です。値が渡されない

テンソル方程式を解くには、Pythonでnumpy.linalg.tensorsolve（）メソッドを使用します。たとえば、tensordot（a、x、axes =b.ndim）で行われるように、xのすべてのインデックスが、aの右端のインデックスとともに積に合計されると想定されます。 最初のパラメーターaは、形状b.shape + Qの係数テンソルです。タプルであるQは、適切な数の右端のインデックスで構成されるサブテンソルの形状に等しく、prod（ Q）==prod（b.shape）。 2番目のパラメーターbは右側のテンソルであり、任意の形状にすることができます。 3番目のパラメーターである

行列の（乗法）逆数を計算するには、Pythonでnumpy.linalg.inv（）メソッドを使用します。正方行列aが与えられた場合、行列 ainvを返します。 dot（a、ainv）=dot（ainv、a）=eye（a.shape [0]）を満たす。このメソッドは、行列aの（乗法）逆行列を返します。最初のパラメーターaは、反転される行列です。 ステップ まず、必要なライブラリをインポートします- import numpy as np from numpy.linalg import invをインポートします 配列を作成する- arr = np.array([[ 5, 10], [ 15,

配列とスカラーの内積を取得するには、Pythonでnumpy.inner（）メソッドを使用します。 1次元配列のベクトルの通常の内積。高次元では、最後の軸の合計積。パラメータは1とb、2つのベクトルです。 aとbが非スカラーの場合、それらの最後の寸法は一致する必要があります。 ステップ まず、必要なライブラリをインポートします- import numpy as np numpy.eye（）を使用して配列を作成します。このメソッドは、対角線上に1があり、他の場所に0がある2次元配列を返します- arr = np.eye(5) valはスカラーです- val = 2 データ型を確認してくだ

2つの配列の外積を取得するには、Pythonでnumpy.outer（）メソッドを使用します。最初のパラメーターaは、最初の入力ベクトルです。まだ1次元でない場合、入力はフラット化されます。 2番目のパラメーターbは、2番目の入力ベクトルです。まだ1次元でない場合、入力はフラット化されます。 3番目のパラメータoutは、結果が保存される場所です。 2つのベクトルa=[a0、a1、...、aM]とb =[b0、b1、...、bN]が与えられた場合、外積[1]は-です。 [[a0*b0 a0*b1 ... a0*bN ] [a1*b0 . [ ... . [aM*b0 aM*bN ]] ステップ

行列の（乗法）逆数を計算するには、Pythonでnumpy.linalg.inv（）メソッドを使用します。正方行列aが与えられた場合、dot（a、ainv）=dot（ainv、a）=eye（a.shape [0]）を満たす行列ainvを返します。このメソッドは、行列aの（乗法）逆行列を返します。最初のパラメーターaは、反転される行列です。 ステップ まず、必要なライブラリをインポートします- import numpy as np from numpy.linalg import invをインポートします array（）-を使用していくつかの行列を作成します arr = np.array([

行列の（ムーアペンローズ）疑似逆行列を計算するには、Pythonでnumpy.linalg.pinv（）メソッドを使用します。特異値分解（SVD）を使用し、すべての大きな特異値を含めて、行列の一般逆行列を計算します。 最初のパラメーターaは、疑似反転される行列または行列のスタックです。 2番目のパラメーターであるrcodnは、小さな特異値のカットオフです。 rcond*largest_singular_value以下の特異値はゼロに設定されます。マトリックスのスタックに対してブロードキャストします。 3番目のパラメーターであるエルミート（Trueの場合）は、エルミートであると見なされ、特異値

配列入力の要素ごとの二乗を返すには、Pythonでnumpy.square（）メソッドを使用します。このメソッドは、xと同じ形状およびdtypeの要素ごとのx*xを返します。 xがスカラーの場合、これはスカラーです。 最初のパラメーターxは入力データです。 2番目のパラメーターoutは、結果が格納される場所です。提供する場合は、入力がブロードキャストする形状である必要があります。指定しない場合またはNoneの場合、新しく割り当てられた配列が返されます。タプル（キーワード引数としてのみ可能）の長さは、出力の数と同じである必要があります。 3番目のパラメーター。ここで、この条件は入力を介してブ

行列のスタックの（ムーア-ペンローズ）疑似逆行列を計算するには、Pythonでnumpy.linalg.pinv（）メソッドを使用します。特異値分解（SVD）を使用し、すべての大きな特異値を含めて、行列の一般逆行列を計算します。 最初のパラメーターaは、疑似反転される行列または行列のスタックです。 2番目のパラメーターであるrcodnは、小さな特異値のカットオフです。 rcond*largest_singular_value以下の特異値はゼロに設定されます。マトリックスのスタックに対してブロードキャストします。 3番目のパラメーターであるエルミート（Trueの場合）は、エルミートであると見な

matrix（）を使用して行列オブジェクトの逆数を計算するには、Pythonでnumpy.linalg.inv（）メソッドを使用します。正方行列aが与えられた場合、dot（a、ainv）=dot（ainv、a）=eye（a.shape [0]）。を満たす行列ainvを返します。 このメソッドは、行列aの（乗法）逆行列を返します。最初のパラメーターaは、反転される行列です。 ステップ まず、必要なライブラリをインポートします- import numpy as np from numpy.linalg import invをインポートします 配列を作成する- arr = np.array([

4次元配列の逆数を計算するには、Pythonでnumpy.linalg.tensorinv（）メソッドを使用します。結果は、tensordot操作tensordot（a、b、ind）、iに関連する逆です。たとえば、浮動小数点精度までは、tensordot（tensorinv（a）、a、ind）がテンソルドット操作の「同一性」テンソルです。 このメソッドは、aのテンソルドットの逆、shape a.shape [ind：] + a.shape [：ind]を返します。最初のパラメーターは、「反転」するテンソルです。その形状は「正方形」でなければなりません。たとえば、prod（a.shape [：

3D配列の逆数を計算するには、Pythonでnumpy.linalg.tensorinv（）メソッドを使用します。結果は、tensordot操作tensordot（a、b、ind）、iに関連する逆です。つまり、浮動小数点精度までは、tensordot（tensorinv（a）、a、ind）がテンソルドット操作の「同一性」テンソルです。このメソッドは、aのテンソルドットの逆、shape a.shape [ind：] + a.shape [：ind]を返します。 最初のパラメータは、「反転」するテンソルです。その形状は「正方形」でなければなりません。たとえば、prod（a.shape [：ind

ある多項式を別の多項式に追加するには、Pythonでnumpy.polynomial.polynomial.polyadd（）メソッドを使用します。 2つの多項式c1+c2の合計を返します。引数は、最低次の項から最高次の項までの係数のシーケンスです。つまり、[1,2,3]は多項式1 + 2 * x + 3 * x ** 2を表します。メソッドは、それらの合計を表す係数配列を返します。パラメーターc1とc2は、低から高の順に並べられた多項式係数の1次元配列を返します。 このnumpy.polynomial.polynomialモジュールは、通常の算術演算をカプセル化するPolynomialクラ

ある多項式を別の多項式に減算するには、Pythonのnumpy.polynomial.polynomial.polysub（）メソッドを使用します。 2つの多項式c1+c2の差を返します。引数は、最低次の項から最高次の項までの係数のシーケンスです。つまり、[1,2,3]は多項式1 + 2 * x + 3 * x**2を表します。 このメソッドは、それらの差を表す係数配列を返します。パラメータc1とc2は、低から高の順に並べられた多項式係数の1次元配列を返します。 このnumpy.polynomial.polynomialモジュールは、通常の算術演算をカプセル化するPolynomialクラス

ある多項式を別の多項式に乗算するには、Pythonでnumpy.polynomial.polynomial.polymul（）メソッドを使用します。 2つの多項式c1+c2の乗算を返します。引数は、最低次の項から最高次の項までの係数のシーケンスです。つまり、[1,2,3]は多項式1 + 2 * x + 3 * x**2を表します。 このメソッドは、それらの合計を表す係数配列を返します。パラメータc1とc2は、「標準」基底を基準にして、多項式を表す係数の1次元配列であり、最低次の項から最高の項の順に並べられています。 このnumpy.polynomial.polynomialモジュールは、通