Python

文字列の中で部分文字列（サブストリング）subが最初に見つかった位置（最小のインデックス）を取得したい場合は、Python NumPyのnumpy.char.find()メソッドを使用します。このメソッドは整数（int）の出力配列を返し、部分文字列が見つからなかった要素には-1が格納されます。各引数の役割は以下の通りです。第1引数：入力となる文字列の配列第2引数：検索対象の部分文字列第3・第4引数（任意）：startとendは、Pythonのスライス表記と同じように解釈されます実行手順1. 必要なライブラリをインポートするimport numpy as np2. 1次元の文字列配列を作成するa

Pythonで線形行列方程式を解くには、numpy.linalg.solve()メソッドを使用します。このメソッドは、正則（フルランク）である線形行列方程式 ax = b の「厳密な」解 x を計算し、その解を返します。返り値の形状は b と同一です。 各パラメータの意味は以下の通りです。 第1引数 a：係数行列 第2引数 b：従属変数（目的変数）の値 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、array() メソッドを使って2つの2次元配列を作成します。ここでは、次の連立一次方程式を例に考えます。 x0 + 2 * x1 = 13 *

Python NumPyのnumpy.char.index()メソッドを使用すると、文字列の中で部分文字列subが最初に見つかった位置（最小のインデックス）を取得できます。このメソッドは整数型（int）の出力配列を返し、部分文字列が見つからない場合はValueErrorが発生します。第1引数には入力配列、第2引数には検索したい部分文字列を指定します。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 np文字列の1次元配列を作成します。arr = np.array([KATIE, KATE])作成した配列を表示します。print(Array...\n,arr)配列

Pythonで配列の各要素（要素ごと）の2乗を返すには、NumPyのnumpy.square()メソッドを使用します。このメソッドは要素ごとの x*x を計算し、入力 x と同じ形状・同じdtypeを持つ結果を返します。xがスカラーの場合は、スカラー値が返されます。 numpy.square()の主なパラメータ 第1引数：x計算対象となる入力データです。複素数を含む配列も指定できます。 第2引数：out結果を格納する場所を指定します。指定する場合は、入力がブロードキャストされる形状と一致している必要があります。省略した場合（None）や未指定の場合は、新しく確保された配列が返されます。タプルと

Python NumPyのnumpy.char.index()メソッドを使用すると、文字列の中で部分文字列（sub）が見つかった位置の最小インデックスを取得できます。このメソッドはint型の出力配列を返し、部分文字列が見つからない場合はValueErrorを発生させます。各引数の役割は以下の通りです。第1引数： 検索対象となる入力配列第2引数： 検索する部分文字列第3・第4引数（省略可）： startとendはスライス表記と同じように解釈され、検索範囲を限定できます手順まず、必要なライブラリをインポートします。import numpy as np文字列の1次元配列を作成します。arr = np

PythonでNaN（非数）をゼロに置き換え、無限大を大きな有限数に変換したい場合は、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（NaNや無限大）を適切な有限値に置き換えた配列を返します。なお、copy引数がFalseの場合は、元の配列そのものが返されることもあります。nan_to_num()メソッドの引数について第1引数には処理対象となる入力データを指定します。第2引数のcopyは、元の配列xのコピーを作成するか（True）、値をその場で直接置き換えるか（False）を指定します。インプレース操作が行われるのは、配列へのキャストにコピーが不要な場合のみ

PythonでNaN（非数）をゼロに、無限大を大きな有限数に置き換えたい場合は、NumPy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（NaNや無限大）が置き換えられた配列xを返します。引数copyにFalseを指定した場合、返されるのはxそのものになることもあります。 nan_to_num()メソッドの主なパラメータ 第1引数：x — 入力データを指定します。 第2引数：copy — xのコピーを作成するか（True）、元の配列を直接書き換えるか（False）を指定します。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実行されます。デ

Pythonでテンソル方程式を解くには、numpy.linalg.tensorsolve()メソッドを使用します。この関数では、xのすべてのインデックスが積の中で総和されると仮定されます。これは、例えばtensordot(a, x, axes=b.ndim)のように、係数テンソルaの最も右側のインデックスとともに計算されることを意味します。 パラメータの説明 第1引数 a（係数テンソル）：形状は b.shape + Q となります。ここでQはタプルであり、aの右端から適切な数のインデックスで構成される部分テンソルの形状を表します。また、prod(Q) == prod(b.shape) を満たす

Pythonで行列の（乗法）逆行列を計算するには、numpy.linalg.inv()メソッドを使用します。このメソッドに正方行列 a を渡すと、dot(a, ainv) = dot(ainv, a) = eye(a.shape[0]) を満たす行列 ainv、つまり元の行列と掛け合わせると単位行列になる行列が返されます。第1引数の a には、逆行列を求めたい対象の行列を指定します。手順まず、必要なライブラリをインポートします。import numpy as np from numpy.linalg import inv次に、配列を作成します。arr = np.array([[ 5, 10],

Pythonで配列とスカラーの内積を求めるには、NumPyのnumpy.inner()メソッドを使用します。この関数は、1次元配列に対しては通常のベクトル内積を計算し、多次元配列の場合は最後の軸に沿った要素ごとの積の総和を返します。引数には2つの配列（またはベクトル）aとbを指定します。なお、aとbがスカラーでない場合は、両者の最後の次元が一致している必要があります。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 npnumpy.eye()メソッドを使って配列を作成します。このメソッドは、対角成分が1、それ以外が0の2次元配列（単位行列）を返します。arr =

Pythonで2つの配列（ベクトル）の外積を求めるには、NumPyが提供する numpy.outer() メソッドを使用します。この記事では、outer() の基本的な使い方から、実際のコード例と実行結果までわかりやすく解説します。numpy.outer() メソッドとはnumpy.outer() は、2つの入力ベクトルの外積を計算する関数です。主な引数は以下のとおりです。第1引数 a: 最初の入力ベクトル。1次元でない場合、自動的に平坦化（flatten）されます。第2引数 b: 2番目の入力ベクトル。こちらも1次元でない場合は平坦化されます。第3引数 out: 計算結果を格納する場所（任意

Pythonで行列の（乗法）逆行列を計算するには、numpy.linalg.inv()メソッドを使用します。正方行列 a が与えられたとき、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 の乗法逆行列を結果として返し、第1引数 a には逆行列を求めたい行列を指定します。特に便利なのは、3次元配列として複数の行列をまとめて渡すと、それぞれの行列に対して個別に逆行列を一括で計算できる点です。本記事では、その具体的な手順をサンプルコードとともに解説します。手順まず、必要なライブラリをインポートし

Pythonで行列のムーア・ペンローズ（Moore-Penrose）疑似逆行列を計算するには、NumPyの numpy.linalg.pinv() メソッドを使用します。このメソッドは、特異値分解（SVD）を利用して行列の一般化逆行列を求め、大きな特異値をすべて考慮した計算を行います。numpy.linalg.pinv() の主なパラメータ第1引数 a：疑似逆行列を求めたい行列、または行列のスタック（複数の行列をまとめた配列）を指定します。第2引数 rcond：小さな特異値に対するカットオフ値です。最大特異値 × rcond 以下の特異値はゼロとして扱われます。行列のスタックに対してはブロード

Pythonで入力された配列の要素ごとの2乗（二乗）を返すには、NumPyの numpy.square() メソッドを使用します。このメソッドは、入力配列 x の各要素に対して x*x を計算し、x と同じ形状・データ型（dtype）を持つ結果を返します。x がスカラーの場合は、スカラー値が返されます。numpy.square()の主なパラメータx（第1パラメータ）入力データです。配列やスカラー値を指定できます。out（第2パラメータ）計算結果を格納する場所を指定します。指定する場合は、入力がブロードキャストされる形状と一致している必要があります。省略した場合や None を指定した場合は、新

行列のスタック（複数の行列をまとめた配列）のムーア・ペンローズ疑似逆行列を計算するには、Pythonのnumpy.linalg.pinv()メソッドを使用します。このメソッドは、特異値分解（SVD）を利用して行列の一般化逆行列を計算し、十分に大きい特異値をすべて考慮に入れます。 主なパラメータは以下の通りです。 第1パラメータ「a」： 疑似逆行列を求める対象となる行列、または行列のスタック。 第2パラメータ「rcond」： 小さな特異値に対するカットオフ値。「rcond × 最大特異値」以下の特異値はゼロとして扱われます。行列のスタックに対してブロードキャストされます。 第3パラメータ「h

Pythonで行列オブジェクトの逆行列(乗法逆元)を求めるには、NumPyの numpy.linalg.inv() メソッドを使用します。この関数は、正方行列 a が与えられたとき、dot(a, ainv) = dot(ainv, a) = eye(a.shape[0]) を満たす行列 ainv(逆行列)を返します。 numpy.linalg.inv() の第1引数 a には、逆行列を求めたい対象となる行列を指定します。戻り値は、その行列 a の乗法逆行列です。 逆行列とは n次の正方行列 A に対して、「A × A⁻¹ = A⁻¹ × A = 単位行列 E」を満たす行列 A⁻¹ を逆行列と

Pythonで4次元配列の逆（テンソルの逆行列）を計算するには、numpy.linalg.tensorinv()メソッドを使用します。このメソッドの戻り値は、tensordot演算 tensordot(a, b, ind) に対する「逆」となるテンソルです。つまり、浮動小数点精度の範囲内で tensordot(tensorinv(a), a, ind) は、tensordot演算における「単位テンソル」として機能します。メソッドは a の tensordot 逆を返し、その形状は a.shape[ind:] + a.shape[:ind] となります。主なパラメータa（第1引数）：「逆」を求め

numpy.linalg.tensorinv()とは Pythonで3次元配列（テンソル）の「逆」を計算するには、NumPyのnumpy.linalg.tensorinv()メソッドを使用します。このメソッドは、tensordot演算tensordot(a, b, ind)に対する逆テンソルを返します。つまり、浮動小数点精度の範囲内で、tensordot(tensorinv(a), a, ind)がtensordot演算における「単位」テンソルになるという性質を持ちます。 戻り値はaのtensordot逆テンソルであり、その形状はa.shape[ind:] + a.shape[:ind]となり

Pythonで1つの多項式を別の多項式に加算するには、numpy.polynomial.polynomial.polyadd() メソッドを使用します。このメソッドは、2つの多項式の和（c1 + c2）を計算して返します。引数には、低次の項から高次の項へと順に並べた係数のシーケンスを指定します。たとえば [1, 2, 3] は、多項式 1 + 2*x + 3*x**2 を表します。戻り値としては、その和を表す係数配列が返されます。パラメータ c1 および c2 は、低次から高次へと並べられた1次元の多項式係数配列です。なお、numpy.polynomial.polynomial モジュールには

Pythonで1つの多項式から別の多項式を減算（引き算）するには、numpy.polynomial.polynomial.polysub()メソッドを使用します。このメソッドは、2つの多項式の差を返します。引数には、低次の項から高次の項へと順に並べた係数のシーケンスを指定します。たとえば、[1, 2, 3] は「1 + 2*x + 3*x**2」という多項式を表します。polysub()メソッドは、差を表す係数配列を返します。パラメータc1とc2には、低次から高次の順に並べられた1次元の多項式係数配列を渡します。なお、numpy.polynomial.polynomialモジュールには、通常の