NumPy– category –

numpy.all()は、渡した配列内の要素のすべてが条件を満たすかどうかを確認するための関数です。具体的には、渡した配列の要素のすべてが True であれば True を返し、False か 0 が1つでも含まれている場合は False を返します。 この関数を使うと、ある配...

NumPyのrandomモジュールでは、様々な種類の乱数の配列を作成するためのメソッドが豊富に用意されています。これらを使うことでデータサイエンスの効率が大きく向上します。 ここでは、現時点(NumPy ver1.19)で使用可能な乱数配列メソッドを全て紹介します...

NumPyでは、単位行列を作成するための関数が2つ用意されています。単位行列とは、対角線の要素が1、それ以外の要素が0で埋められた2次元配列であり、機械学習の「特徴量エンジニアリング」というステップでよく使われる重要な配列です。 この単位行列を作...

NumPyでは初期化配列(ndarray)を生成する関数が複数用意されています。大きく分けて以下の4つです。 np.zeros: 要素が0の初期化配列を生成np.ones: 要素が1の初期化配列を生成np.full: 要素が任意の値の初期化配列を生成np.empty:要素が空の(未初期化...

np.array関数はリストやタプルなどのPythonの標準シーケンスから配列を生成する関数です。このページでは、この関数の書き方や使い方をサンプルコードを見ながら解説していきます。 使用頻度が高い関数ですので、しっかりと使い方を抑えておきましょう。 ...

NumPy配列のスライス(ndarray の slice)とは、スクエアブラケット [] を使って、配列の任意の値を抽出する操作のことを言います。 NumPy配列のスライスには、Pythonのリストやタプルなどのシーケンスのスライスよりも、遥かに豊富なテクニックがあり、様々...

「ブロードキャスト」とは、NumPyの配列の算術演算の時に、shapeの異なる配列を扱う上での作法です。これを知っておくことによって、shapeの異なる配列同士の演算が非常に楽になりますし、ほとんどの場合、処理の面でも高速になります。 ここでは、このブ...

NumPyのrandomモジュールは、様々な確率分布から擬似乱数を生成するために用意されています。 ここでは、このrandomモジュールの使い方を解説します。すぐに乱数を生成したい場合は、「1. randomモジュールの使い方」と「2. randomモジュールのメソッド一...

Generator.zipfは、ジップ分布（ジフ分布）から乱数配列を生成するジェネレータメソッドです。 ジップ分布は、ゼータ分布としても知られる連続確率分布であり、ジップの法則（出現頻度が k 番目に大きい要素が全体に占める割合は1/kに比例するという経験則...

Generator.weibullは、ワイブル分布から乱数配列を生成するジェネレータメソッドです。 ワイブル分布は、一般化極値分布の一つで、極値問題のモデリングに使われます。具体的には、時間に対する劣化現象や寿命を統計的に記述するためによく使われます。 な...

Generator.waldは、ワルド分布（逆ガウス分布）から乱数配列を生成するジェネレータメソッドです。 ワルド分布は逆ガウス分布としても知られており、広がり(scale)が無限に近づくほど、ガウス分布に近づいていきます。ただし、いくつかの文献では、ワルド...

Generator.vonmisesは、フォン・ミーゼス分布から乱数配列を生成するジェネレータメソッドです。 フォン・ミーゼス分布（円周正規分布としても知られる）は、円周上の連続確率分布です。正規分布が円周状になったものとして考えられます。 このページでは...