Python

日時の配列を文字列の配列に変換するには、Python Numpyの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の配列を返します。最初のパラメーターは、フォーマットするUTCタイムスタンプの配列です。 2番目のパラメーターは、日時を表示するときに使用するタイムゾーン情報である「タイムゾーン」です。 「UTC」の場合は、Zで終了してUTC時刻を示します。 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 日時の配列を作成します。 Mタイプは日時を指定します- arr = np.ar

自然対数ログは指数関数の逆関数であるため、log（exp（x））=xとなります。自然対数は、底eの対数です。このメソッドは、要素ごとにxの自然対数を返します。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は、配列のような入力値です。 2番目のパラメーターはoutで、結果が保存される場所です。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。 対数は多値関数です。各xには、exp（z）=xとなる無限の数のz

入力配列の2を底とする対数を返すには、Python Numpyでnumpy.log2（）メソッドを使用します。このメソッドは、xの2を底とする対数を返します。 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、配列のような入力値です。 2番目のパラメーターはoutで、結果が保存される場所です。提供される場合、入力がブロードキャストされ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は、条件が入力を介してブロードキャストされる場所です。条件がTrueの場

標準の強制ルールに従って共通タイプを判別するには、Python numpyのnumpy.find_common_type（）メソッドを使用します。最初の引数は、配列を表すdtypeまたはdtype変換可能オブジェクトのリストです。 2番目の引数は、スカラーを表すdtypeまたはdtype変換可能オブジェクトのリストです。 find_common_type（）メソッドは、scalar_typesの最大値が別の種類（dtype.kind）でない限り、scalar_typesを無視したarray_typesの最大値である共通データ型を返します。種類がわからない場合は、Noneが返されます。 ステッ

入力配列の2を底とする対数を返すには、Python Numpyでnumpy.log2（）メソッドを使用します。このメソッドは、xの2を底とする対数を返します。 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、配列のような入力値です。 2番目のパラメーターはoutで、結果が保存される場所です。提供される場合、入力がブロードキャストされ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は、条件が入力を介してブロードキャストさ

日時の配列を文字列の配列に変換するには、Python Numpyの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の配列を返します。最初のパラメーターは、フォーマットするUTCタイムスタンプの配列です。 2番目のパラメーターは、日時を表示するときに使用するタイムゾーン情報である「タイムゾーン」です。 「UTC」の場合は、UTC時刻を示すZで終了します。 「ローカル」の場合は、最初にローカルタイムゾーンに変換し、サフィックスに+-####タイムゾーンオフセットを付けます。 tzinfoオブジェクトの場合は、「ローカル」と同じよ

配列スカラーとデータ型がキャストルールに従って発生する可能性がある場合、numpy.can_cast（）メソッドはTrueを返します。最初のパラメーターは、キャスト元のスカラー、データ型、または配列です。 2番目のパラメーターは、キャスト先のデータ型です。 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 配列スカラーとデータ型がキャストルールに従って発生する可能性があるかどうかの確認- print("Checking with can_cast() method in Numpy\n") print("Result.

入力配列に共通のスカラー型を返すには、Python Numpyのnumpy.common_type（）メソッドを使用します。最初のパラメーターは入力配列です。すべての配列が整数配列であっても、戻り型は常に不正確な（つまり浮動小数点）スカラー型になります。入力の1つが整数配列の場合、返される最小精度の型は64ビット浮動小数点dtypeです。 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に安全にキャストできます。 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 入力配列に共通のスカラー型を返すには、num

整数型のマシン制限情報を取得するには、PythonNumpyのnumpy.iinfo（）メソッドを使用します。最初のパラメータはint_typeです。つまり、情報を取得する整数データ型の種類です。 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 minは指定されたdtypeの最小値であり、maxは指定されたdtypeの最小値です。 int16タイプの確認- a = np.iinfo(np.int16) print("Minimum of int16 type...\n",a.min) print("Maximum

整数型のマシン制限情報を取得するには、PythonNumpyのnumpy.iinfo（）メソッドを使用します。最初のパラメータはint_typeです。つまり、情報を取得する整数データ型の種類です。 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 minは指定されたdtypeの最小値であり、maxは指定されたdtypeの最小値です。 インスタンスを使用したint16タイプの確認- a = np.iinfo(np.int16(20)) print("Minimum of int16 type...\n",a.min) print

floatタイプのマシン制限情報を取得するには、PythonNumpyのnumpy.finfo（）メソッドを使用します。最初のパラメータはフローティングタイプです。つまり、情報を取得するためのフロートデータ型の種類です。 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 minは指定されたdtypeの最小値であり、maxは指定されたdtypeの最小値です。 float16タイプの確認- a = np.finfo(np.float16) print("Minimum of float16 type...\n",a.min) pr

双曲線タンジェントを計算するには、Python Numpyのnumpy.tanh（）メソッドを使用します。同等のtonp.sinh（x）/np.cosh(x）または-1j * np.tan（1j * x）。対応する双曲線正接値を返します。 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は入力配列です。 2番目と3番目のパラメーターはオプションです。 2番目のパラメーターは、結果が格納される場所であるndarrayです。提供される場合、入力がブロードキャストされる形状を持っている必要があります。指定しない場合またはなしの場合、新しく割り当てられた配列が返されます。 3番目のパラ

配列要素の双曲線正接を計算するには、PythonNumpyの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）と同等です。対応する双曲線正接値を返します。 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inputarrayです。 2番目と3番目のパラメーターはオプションです。 2番目のパラメーターは、結果が格納される場所であるndarrayです。提供される場合、入力がブロードキャストされる形状を持っている必要があります。指定しない場合またはなしの場合、新しく割り当てられた配列が

浮動小数点表現の指数部分のビット数を取得するには、Python Numpyのnumpy.finfo（）メソッドのiexpattributeを使用します。最初のパラメータはfloatです。つまり、情報を取得するためのfloatデータ型の種類です。 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 float16タイプをチェックしています。 iexpは、指数部分のビット数を取得するためのものです。 minは、指定されたdtypeの最小値です。 maxは、指定されたdtypeの最小値です。 − a = np.finfo(np.float16(45.9)

この種のfloatが正確であるおおよその小数点以下の桁数を取得するには、Python Numpyのnumpy.finfo（）メソッドのprecision属性を使用します。 finfo（）の最初のパラメーターはfloatです。つまり、情報を取得するためのfloatデータ型の種類です。 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 float16タイプをチェックしています。精度は、おおよその小数点以下の桁数を取得することです。指数部分のビット数を取得するためのiexpis。 minは、指定されたdtypeの最小値です。maxは、指定されたdtype

numpy.min_scalar（）メソッドは、最小のデータ型を検索します。最初のパラメーターは、最小データ型が検出される値です。スカラーの場合、値を保持できる最小サイズと最小スカラーの種類のデータ型を返します。非スカラー配列の場合、変更されていないベクトルのdtypeを返します。浮動小数点値は整数に降格されず、複素数値は浮動小数点に降格されません。 ステップ まず、必要なライブラリをインポートします- numpyをnpとしてインポート numpy.min_scalar（）メソッドは、最小のデータ型を検索します。最初のパラメーターは、最小データ型が検出される値です- print（ Num

numpy.result_type（）メソッドは、NumPyタイププロモーションルールを引数に適用した結果のタイプを返します。最初のパラメーターは、結果タイプが必要な操作のオペランドです。 NumPyの型昇格は、C ++などの言語のルールと同様に機能しますが、若干の違いがあります。スカラーと配列の両方が使用される場合、配列の型が優先され、スカラーの実際の値が考慮されます。 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 numpy.result_type（）メソッドは、NumPyタイププロモーションルールを引数に適用した結果のタイプを返します-

NaNをゼロとして扱う、特定の軸上の配列要素の累積合計を返すには、nancumprod（）メソッドを使用します。 NaNが検出され、先頭のNaNがゼロに置き換えられても、累積合計は変化しません。 all-NaNまたは空のスライスの場合はゼロが返されます。累積は、5、5 + 10、5 + 10 + 15、5 + 10 + 15+20のように機能します。 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、累積合計が計算される軸です。デフォルト（なし）は、フラット化された配列の累積を計算することです。 3番目のパラメーターは、返される配列のタイプと、要素が合計されるアキュムレーターのタイ

NaNをゼロとして扱う、特定の軸上の配列要素の累積合計を返すには、nancumprod（）メソッドを使用します。 NaNが検出され、先頭のNaNがゼロに置き換えられても、累積合計は変化しません。 all-NaNまたは空のスライスの場合はゼロが返されます。このメソッドは、outが指定されていない限り、結果を保持する新しい配列を返します。この配列で結果が返されます。結果のサイズはaと同じで、if軸がNoneでないか、aが1次元配列の場合と同じ形状になります。 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、累積合計が計算される軸です。デフォルト（なし）は、フラット化された配列の累積を

指定されたオブジェクトがスカラーデータ型を表すかどうかを判断するには、numpy.issctype（）メソッドを使用します。このメソッドは、repがスカラーdtypeであるかどうかをチェックしたブール結果を返します。最初のパラメータは担当者です。 repがスカラーdtypeのインスタンスである場合、Trueが返されます。そうでない場合、Falseが返されます。 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 Numpyでissctype（）メソッドを使用する- print("Result...",np.issctype(np.