Python

日時（datetime）の配列を文字列の配列へ変換したい場合、PythonのNumPyが提供する numpy.datetime_as_string() メソッドが便利です。このメソッドは、入力された配列と同じ形状の文字列配列を返します。第1引数には、フォーマット対象となるUTCタイムスタンプの配列を指定します。変換の手順まず、必要なライブラリをインポートします。import numpy as np続いて、datetime型の配列を作成します。dtypeに指定する「M」はdatetime64型を表し、「M8[m]」の場合は分（minute）単位の精度を持つ日時データになります。arr = np.

PythonのNumPyで日時（datetime）の配列を文字列の配列に変換するには、numpy.datetime_as_string() メソッドを使用します。このメソッドは、入力配列と同じ形状の文字列配列を返します。 第1引数にはフォーマット対象となるUTCタイムスタンプの配列を指定します。第2引数は「timezone」で、日時を表示する際に使用するタイムゾーン情報です。UTC を指定すると、UTC時間であることを示すために末尾に「Z」が付加されます。 変換の手順 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、日時の配列を作成します。dtype の

自然対数は指数関数の逆関数であり、log(exp(x)) = x という関係が成り立ちます。自然対数とは、e（ネイピア数）を底とする対数のことです。NumPyの np.log() メソッドは、入力xの自然対数を要素ごとに計算して返します。xがスカラーの場合はスカラー値を返します。np.log() の主なパラメータ第1パラメータは入力値で、配列状のオブジェクト（array-like）を指定します。第2パラメータの out は、計算結果を格納する場所です。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、新しく確保された配列が

PythonのNumPyで入力配列の各要素に対して底2の対数（log₂）を求めるには、numpy.log2()メソッドを使用します。このメソッドは引数xの底2の対数を返します。xがスカラーの場合、戻り値もスカラーになります。numpy.log2()の主なパラメータ第1パラメータ：x — 入力値を指定します。配列のようなオブジェクト（array-like）を受け付けます。第2パラメータ：out — 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、新しく確保された配列が返されます。タプルで指定

標準的な型強制（coercion）ルールに従って共通のデータ型を判定するには、PythonのNumPyが提供する numpy.find_common_type() メソッドを使用します。第1引数には、配列を表すdtypeまたはdtypeに変換可能なオブジェクトのリストを指定します。第2引数には、スカラーを表すdtypeまたはdtypeに変換可能なオブジェクトのリストを指定します。 find_common_type() メソッドは、共通のデータ型を返します。この戻り値は、基本的に scalar_types を無視した場合の array_types の最大値となりますが、scalar_types

入力配列の2を底とする対数（log2）を求めるには、PythonのNumPyで用意されている numpy.log2() メソッドを使用します。このメソッドは、引数 x の2を底とする対数を返します。x がスカラーの場合、結果もスカラーとして返されます。numpy.log2() の主なパラメータ第1パラメータの x は入力値で、配列のようなオブジェクト（array-like）を指定します。第2パラメータの out は、計算結果を格納する場所です。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、新しく確保された配列が返されま

PythonのNumPyで日時（datetime）の配列を文字列の配列に変換するには、numpy.datetime_as_string() メソッドを使用します。このメソッドは、入力配列と同じ形状の文字列配列を返します。第1引数には、フォーマット対象となるUTCタイムスタンプの配列を指定します。第2引数は「timezone」で、日時を表示する際に使用するタイムゾーン情報を指定します。UTC を指定した場合は末尾にZが付加されUTC時間であることを示し、local を指定した場合はまずローカルタイムゾーンに変換された上で、±#### 形式のタイムゾーンオフセットが接尾辞として付きます。tzinf

概要NumPyのnumpy.can_cast()メソッドは、キャスティングルールに従って配列スカラーとデータ型の間の変換（キャスト）が可能である場合にTrueを返します。第1引数には変換元となるスカラー・データ型・配列を指定し、第2引数には変換先のデータ型を指定します。このメソッドを使用することで、実際にキャストを実行する前に値がターゲットのデータ型の範囲内に収まるかどうかを事前に確認でき、意図しないオーバーフローやデータ損失を防ぐことができます。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次に、can_cast()メソッドを使って、キャスティングルールに

PythonのNumPyでは、numpy.common_type()メソッドを使うことで、複数の入力配列に共通するスカラー型を取得できます。第1引数には対象となる入力配列を指定します。重要なポイントとして、戻り値は常に不正確な（浮動小数点）スカラー型になります。仮に入力された配列がすべて整数型であったとしても、結果は浮動小数点型です。また、入力のいずれかに整数配列が含まれる場合、返される最小精度の型は64ビット浮動小数点数（float64）のdtypeとなります。さらに、int64とuint64を除くすべての入力配列は、情報を失うことなく返されたdtypeへ安全にキャストできるという特徴があり

整数型のマシン制限情報（その環境で扱える最小値・最大値などの制約）を取得するには、PythonのNumPyライブラリが提供する numpy.iinfo() メソッドを使用します。第一引数には int_type、つまり情報を取得したい整数データ型を指定します。なお、iinfo() は整数型専用の関数です。浮動小数点型のマシン制限情報を取得したい場合は、代わりに numpy.finfo() を使用します。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 npiinfo() が返すオブジェクトの属性のうち、min は指定した dtype の最小値、max は最大値を表

Python NumPyでは、numpy.iinfo()メソッドを使うことで、整数型が扱える値の範囲（マシン制限情報）を簡単に取得できます。第1引数にはint_type、つまり情報を取得したい整数データ型を指定します。この記事では、int16・int32・int64などの整数型に対して、実際にインスタンスを作成しながら最小値と最大値を確認する方法を解説します。numpy.iinfo()とはnumpy.iinfo()は、指定した整数データ型に関するマシンレベルの制限情報を保持するオブジェクトを返す関数です。主な属性として以下のようなものがあります。min: 指定したdtypeが表現できる最小値m

Python NumPyでは、numpy.finfo()メソッドを使用することで、float型が扱えるマシン制限情報（表現可能な最小値や最大値など）を簡単に取得できます。第一引数には、情報を取得したい浮動小数点データ型（np.float16、np.float32、np.float64など）を指定します。finfoオブジェクトが持つ主な属性は以下のとおりです。min：指定したdtypeで表現できる最小値max：指定したdtypeで表現できる最大値手順まず、必要なライブラリをインポートします。import numpy as npfloat16型の確認a = np.finfo(np.float16)

PythonのNumPyで双曲線正接（ハイパボリックタンジェント）を計算するには、numpy.tanh()メソッドを使用します。この関数は np.sinh(x)/np.cosh(x) または -1j * np.tan(1j*x) と等価であり、入力値に対応する双曲線正接の値を返します。スカラー値を渡した場合、結果もスカラーとして返されます。 numpy.tanh()の主なパラメータ 第1引数（x）： 入力配列を指定します。 第2引数（out・任意）： 計算結果を格納するndarray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Non

配列要素の双曲線正接（ハイパボリック・タンジェント）を計算するには、PythonのNumPyが提供する numpy.tanh() メソッドを使用します。このメソッドは np.sinh(x)/np.cosh(x) または -1j * np.tan(1j*x) と数学的に等価であり、入力値に対応する双曲線正接の値を返します。入力 x がスカラーの場合、戻り値もスカラーになります。np.tanh()の主な引数第1引数（x）： 入力となる配列です。ここに渡した各要素に対して双曲線正接が計算されます。第2引数と第3引数は省略可能です。第2引数（out）： 計算結果を格納するためのndarrayです。指定

PythonのNumPyでは、numpy.finfo()メソッドのiexp属性を使うことで、浮動小数点表現における指数部分のビット数を取得できます。finfo()の引数には、情報を取得したいfloat型（データ型）を指定します。本記事では、float16・float32・float64の各型について、指数部のビット数に加えて、最小値（min）と最大値（max）も併せて確認していきます。実行手順1. 必要なライブラリをインポートまずはNumPyをインポートします。import numpy as np2. float16型の情報を確認float16型に対してfinfo()を実行します。iexpで指

PythonのNumPyで、ある浮動小数点型が正確に表現できる「おおよその10進数の桁数」を調べるには、numpy.finfo()メソッドのprecision属性を使用します。finfo()の第一引数には、情報を取得したいfloatデータ型(float16・float32・float64など)を指定します。 finfo()で取得できる主な属性は以下のとおりです。 precision:そのfloat型が正確に扱えるおおよその10進桁数(有効数字) iexp:指数部に割り当てられているビット数 min:指定したdtypeで表現できる最小値 max:指定したdtypeで表現できる最大値 手順 ス

Pythonの数値計算ライブラリNumPyには、配列やスカラー値に必要な「最小のデータ型」を求めるためのnumpy.min_scalar_type()メソッドが用意されています。この記事では、min_scalar_type()の基本的な使い方と、実際のコード例・実行結果をわかりやすく解説します。numpy.min_scalar_type()とは？numpy.min_scalar_type()は、指定した値を格納できる最小サイズ・最小スカラー種別のデータ型を返すメソッドです。第1引数には、最小データ型を調べたい値を渡します。スカラー値の場合：その値を保持できる最小のサイズと最小のスカラー種別を持

NumPyのnumpy.result_type()メソッドは、引数にNumPyの型プロモーション（型昇格）ルールを適用した結果として得られる型を返します。第1パラメータには、演算結果の型を知りたい対象となるオペランド（被演算子）を指定します。NumPyにおける型プロモーションの仕組みは、C++などの言語における規則とほぼ同様ですが、いくつか細かい違いがあります。特に重要なポイントとして、スカラー値と配列が混在して使われる場合、配列の型が優先され、そのうえでスカラーの実際の値も考慮されます。実装手順まず、必要なライブラリをインポートします。import numpy as np続いて、numpy.

NaN（非数）をゼロとして扱いながら、指定した軸に沿って配列要素の累積和を返すには、NumPyのnancumsum()メソッドを使用します。このメソッドの特徴は以下の通りです。累積和の計算中にNaNが現れても、それ以降の累積和の値は変化しません先頭に現れたNaNはゼロに置き換えられますすべてがNaNであるスライスや空のスライスに対しては、ゼロが返されます累積和とは、「5」「5+10」「5+10+15」「5+10+15+20」のように、それまでの要素を順番に足し合わせていく計算のことです。nancumsum()メソッドのパラメータ第1パラメータ（入力配列）： 累積和を計算する対象となる配列です。

NumPyでNaN（非数）を0として扱いながら、指定した軸に沿って配列要素の累積和を計算するには、nancumsum()メソッドを使用します。このメソッドには以下のような特徴があります。 NaNに遭遇しても累積和は変化せず、先頭のNaNは0に置き換えられます すべてがNaNのスライスや空のスライスに対しては0が返されます out引数が指定されない限り、結果を格納する新しい配列が返されます 結果は入力配列aと同じサイズを持ち、axisがNoneでない場合またはaが1次元配列の場合は同じ形状になります nancumsum()のパラメータ 第1パラメータ（a）： 入力配列です。 第2パラメータ（