Python

expm（） scipy.linalgの機能 パッケージは、パデ近似を使用して行列指数を計算するために使用されます。パデ近似は、与えられた次数の有理関数による関数の「最良の」近似です。この手法では、近似のべき級数は、近似している関数のべき級数と一致します。 構文 scipy.linalg.expm(x) ここで、xは指数化される入力行列です。 例1 次の例を考えてみましょう- # Import the required libraries from scipy import linalg import numpy as np # Define the input array e = n

sinm（） 関数scipy.linalg packageは、入力行列の正弦を計算するために使用されます。このルーチンはexpmを使用します 行列指数を計算します。 構文 scipy.linalg.sinm(x) ここで、xは入力配列です。 例1 次の例を考えてみましょう- # Import the required libraries from scipy from scipy import linalg import numpy as np # Define the input array X = np.array([[110, 12], [79, 23]]) print("

cosm（） scipy.linalgの機能 packageは、入力行列の正弦を計算するために使用されます。このルーチンはexpmを使用します 行列指数を計算します。 構文 scipy.linalg.cosm(x) ここでx は入力配列です。 例1 次の例を考えてみましょう- # Import the required libraries from scipy import linalg import numpy as np # Define the input array q = np.array([[121 , 10] , [77 , 36]]) print("Array

tanm（） scipy.linalgの機能 パッケージは、入力行列の接線を計算するために使用されます。このルーチンはexpmを使用します 行列指数を計算します。 構文 scipy.linalg.tanm(x) ここで、xは入力配列または正方行列です。 xの行列接線を返します。 例1 次の例を考えてみましょう- # Import the required libraries from scipy import linalg import numpy as np # Define the input array x = np.array([[69 , 12] , [94 , 28]])

interp1d（） scipy.interpolateの機能 パッケージは、1-D関数を補間するために使用されます。関数y=f（x）を近似するには、xやyなどの値の配列が必要です。 次に、補間を使用して新しいポイントの値を見つけます。 構文 scipy.interpolate.interp1d(x, y) ここで、xは実数値の1次元配列であり、yは実数値のN次元配列です。補間軸に沿ったyの長さは、xの長さと等しくなければなりません。 例1 次の例を考えてみましょう- # Import the required libraries import matplotlib.pyplot as

matplotlibで軸乗数の値を設定するには、次の手順を実行できます- ステップ 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します 。 numpyを使用してx個のデータポイントを作成します。 xとx2をプロットします plot（）を使用する メソッド。 図の現在の軸を取得します。 変数を初期化します乗数 、つまり、軸乗数の値。 ビュー間隔内のベースの整数倍ごとにチェックマークを設定します。 主要ティッカーのロケーターを設定します。 図を表示するには、 show（）を使用します メソッド。 例 # Impo

matplotlibでカラーバーの位置を右にシフトするには、次の手順を実行できます- ステップ numpyとmatplotlibをインポートします。 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 変数を初期化するN サンプルデータの数を保存します。 xを作成します およびy numpyを使用したデータポイント。 scatter（）を使用して散布図を作成します xを使用するメソッド およびy データポイント。 プロットにカラーバーを追加し、パッドを使用します 右または左への水平シフトの値。 図を表示するには、

matplotlibを使用して1つのチャートに複数の水平バーをプロットするには、次の手順を実行できます- ステップ ライブラリpandas、matplotlib、およびnumpyをインポートします。 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 鉄棒の位置の配列を作成します。 変数の幅を初期化します バーの幅。 横棒グラフを作成します。 Y軸の目盛りと目盛りラベルを制限付きで設定します。 右上のプロットに凡例を配置します。 図を表示するには、 show（）を使用します メソッド。 例 import pa

xticksのフォントサイズを変更するには matplotlibプロットでは、fontsizeパラメーターを使用できます。 ステップ matplotlibとnumpyをインポートします。 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 xを作成します およびy numpyを使用したデータポイント。 xをプロットします およびy plot（）を使用したデータポイント メソッド。 xticksのフォントサイズを設定します xticks（）を使用する メソッド。 図を表示するには、 show（）を使用します メソッド

matplotlibの対数スケールで値を視覚化するには、 yscale（log）を使用できます。 。 ステップ matplotlibndnumpyをインポートします。 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 xを作成します およびy numpyを使用したデータポイント。 yscale（log）を使用します 値を対数目盛で視覚化します。 xをプロットします およびy プロットを使用したデータポイント メソッド。 図に凡例を配置します。 図を表示するには、 show（）を使用します メソッド。 例 i

matplotlib.pyplotでの線の色の繰り返しを避けるために、次の手順を実行できます- ステップ 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 xを作成します およびy numpyを使用したデータポイント。 xをプロットします およびy plot（）メソッドを使用したデータポイント。 plot（） メソッドの場合、色に一意の16進値を使用します 属性、たとえば、 color =＃980ab5 グラフを独自の色で設定します。 color =green など、選択した特定の色を指定することもできます。 。 図を

ガントチャートは、プロジェクトのスケジュールを示すためにプロジェクト計画で広く使用されています。これは、縦軸にタスク、横軸に時間間隔を一覧表示する棒グラフの一種です。グラフの横棒の幅は、各アクティビティの期間を示しています。 matplotlibでガントチャートをプロットするには、 broken_barh（）を使用できます。 メソッド。 ステップ 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 図とサブプロットのセットを作成します。 長方形の水平シーケンスをプロットします。 yを設定します およびx 軸の限界。 図を表示す

3Dコンピュータグラフィックスでは、ボクセルは3次元空間の通常のグリッド上の値を表します。ボクセルは、2Dで使用されるピクセルに相当する3Dであると言えます。ピクセルは、2Dグリッド内の位置と単一のカラー値を持つ2D画像の内側の正方形ですが、ボクセルは、3Dグリッド内の位置と単一のカラー値を持つ3Dモデル内の立方体です。 matplotlibでボクセルを表すには、次の手順を実行できます- ステップ 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 0から1までのランダムな選択データポイントを作成します。 新しいフィギュアを作成するか、既存

matplotlibで滑らかな線をプロットするには、次の手順を実行できます- ステップ 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 データポイントのリストを作成します、 x およびy 。 xをプロットします およびy データポイント。 x_newを作成します およびbspline 滑らかな線のデータポイント。 y_newを取得する データポイント。補間Bスプライン（の係数）を計算します。 x_newをプロットします およびy_new plot（）を使用したデータポイント メソッド。 図を表示するには

Pythonを使用して箱ひげ図をプロットするときにNaN値を処理するには、次の手順を実行できます- ステップ 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 変数を初期化するN データサンプルと範囲用。 次に、ランダムスプレッド、中央のデータ、チラシの高低を作成し、連結されたデータとフィルタリングされたデータを取得します。 boxplot（）を使用して箱ひげ図を作成します メソッド。 図を表示するには、 show（）を使用します メソッド。 例 import matplotlib.pyplot as plt import

線の色をオレンジ色に設定し、matplotlibで線マーカーを指定するには、次の手順を実行できます- ステップ 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 xを作成します およびy numpyを使用したデータポイント。 xをプロットします およびy 属性がcolor=orangeのデータポイント およびma​​rker=* 。 図を表示するには、 show（）を使用します メソッド。 例 import matplotlib.pyplot as plt import numpy as np # Set the figu

matplotlibでハッチのみ（背景色なし）で領域を塗りつぶすには、次の手順を実行できます- ステップ 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 変数を初期化するn サンプルデータの数を保存します。 図とサブプロットのセットを作成します。 xをプロットします およびy データポイント。 xの間の領域を埋めます およびy 丸ハッチ付き、 edgecolor =blue 。 図を表示するには、 show（）を使用します メソッド。 例 import numpy as np import matplotlib

matplotlibヒストグラムのさまざまなバーにさまざまな色を指定するには、次の手順を実行できます- ステップ 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 図とサブプロットのセットを作成します。 100個のサンプルデータを含むランダムデータでヒストグラムをプロットします。 ビンの数の範囲で繰り返し、各バーにランダムな面の色を設定します。 図を表示するには、 show（）を使用します メソッド。 例 import numpy as np import matplotlib.pyplot as plt import ra

フィルタや補間を行わずにデータフレームからNaN値を削除するには、次の手順を実行できます- ステップ 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 Pandasデータフレームを作成するための配列を作成します。 1次元のndarray 軸ラベル付き（時系列を含む）。 プロット補間、インデックス 、「値」 −インデックスの実際の数値を使用します。 図を表示するには、 show（）を使用します メソッド。 例 import numpy as np import pandas as pd from matplotlib impo

scatter（）を使用して3D散布図に凡例を追加するには matplotlibでは、次の手順を実行できます- ステップ 図のサイズを設定し、サブプロット間およびサブプロットの周囲のパディングを調整します。 変数を初期化するN サンプルデータの数を保存します。 xを作成します およびy データポイント; z1を作成します およびz2 データポイントリスト。 Projection =3d を使用して、現在の図にサブプロットを追加します 。 xをプロットします 、 y およびz1 plot（）を使用したデータポイント マーカー*を使用した2D軸上のポイント