サイトマップ
2020.04.25
- Docker
- LocalStack
- python
- 【python scikit-learn】多様体学習
- 【python scikit-learn】多言語サポート
- 【python scikit-learn】不均衡データのハンドリング
- 【python scikit-learn】インタラクティブな学習
- 【python scikit-learn】時系列データの分析
- 【python scikit-learn】多層パイプラインの作成
- 【python scikit-learn】アンサンブルの評価
- 【python scikit-learn】アンサンブル学習
- 【python scikit-learn】混合モデル
- 【python scikit-learn】トピックモデリング
- 【python scikit-learn】多項式特徴量
- 【python scikit-learn】カスタム評価メトリック
- 【python scikit-learn】多変量解析
- 【python scikit-learn】特徴量のインポートアンドエクスポート
- 【python scikit-learn】モデルの保存と読み込み
- 【python scikit-learn】外れ値検出
- 【python scikit-learn】教師なし学習
- 【python scikit-learn】エラー分析
- 【python scikit-learn】ランダムサーチ
- 【python scikit-learn】グリッドサーチ
- 【python scikit-learn】スケーリング
- 【python scikit-learn】次元削減
- 【python scikit-learn】クラスタリング
- 【python scikit-learn】非負値行列因子分解(NMF)
- 【python scikit-learn】相関性の分析
- 【python scikit-learn】多クラスと多ラベルの分類
- 【python scikit-learn】パイプラインの作成と組み合わせ
- 【python scikit-learn】データセットの分割と交差検証
- 【python scikit-learn】モデルの評価と性能の評価
- 【python scikit-learn】特徴量の選択と抽出
- 【python scikit-learn】数値データの欠損値の自動処理
- 【Python Flask】スケールアウト
- 【Python Flask】コマンドラインインターフェイス
- 【Python Flask】多言語サポート
- 【Python Flask】グローバル変数
- 【Python Flask】リクエストとレスポンスのカスタマイズ
- 【Python Flask】URL可変部分の正規表現によるマッチング
- 【Python Flask】RESTfulなAPIの作成
- 【Python Flask】認証および認可機能
- 【Python Flask】ヘルパーメソッド
- 【Python Flask】デバッグモード
- 【Python Flask】エラーハンドリング
- 【Python Flask】プラグインシステム
- 【Python Flask】URL生成
- 【Python Flask】セッション管理
- 【Python Flask】ビルトインサーバー
- 【Python Flask】デコレータを使ったルーティング
- 【Python sympy】数学的な最適化問題の解法
- 【Python sympy】数学的な連立方程式の解法
- 【Python sympy】数学的な微分方程式の解法
- 【Python sympy】数学的な微積分
- 【Python sympy】数学的な積分計算
- 【Python sympy】数値微積分
- 【Python sympy】線形計画法
- 【Python sympy】数学的最適化問題の解法
- 【Python sympy】多項式の最大・最小値の計算
- 【Python sympy】数学的な不等式の証明
- 【Python sympy】確率分布と統計量の計算
- 【Python sympy】各種符号演算(対数、指数、三角関数など)
- 【Python sympy】数学的な定理の証明
- 【Python sympy】結合律と結合率の計算
- 【Python sympy】符号付き数値計算
- 【Python sympy】数値積分
- 【Python sympy】連立方程式の解法
- 【Python sympy】三角関数の演算
- 【Python sympy】線形代数の解法
- 【Python sympy】微分方程系の解法
- 【Python sympy】偏微分方程式の解法
- 【Python sympy】確率論と統計学の計算(期待値)
- 【Python sympy】確率論と統計学の計算(累積分布関数)
- 【Python sympy】無限級数展開
- 【Python sympy】LaTeX出力
- 【Python sympy】数値計算
- 【Python sympy】方程式の解法
- 【Python sympy】多項式の演算
- 【Python sympy】線形代数(行列の演算、ランク、行列式など)
- 【Python sympy】シンボル変数に対する偏微分
- 【Python sympy】微分方程の解法
- 【Python sympy】微積分、積分
- 【Python sympy】代数的式の展開、simplify、cancel
- 【Python sympy】簡単な代数的演算(加算、乗算、除算など)
- 【Python sympy】変数と式の定義
- 【Python scipy】secant: セカント法
- 【Python scipy】bisect_interval: 区間のバイセクト法
- 【Python scipy】bisect_right: 右端のバイセクト法
- 【Python scipy】bisect_left: 左端のバイセクト法
- 【Python scipy】newton: Newton法
- 【Python scipy】bisect: バイセクト法
- 【Python scipy】brent: Brent法
- 【Python scipy】fixed_point: 固定点の解
- 【Python scipy】brute: 素朴な探索法
- 【Python scipy】dual_annealing: デュアル・アニーリング法
- 【Python scipy】basinhopping: ベイズ・ホッピング法
- 【Python scipy】minimize: 多変数関数の最適化
- 【Python scipy】fsolve: 非線形方程式の解
- 【Python scipy】linprog: 線形計画法
- 【Python scipy】root: 非線形方程式の解
- 【Python scipy】curve_fit: カーブフィッティング
- 【Python scipy】misc: その他のユーティリティ
- 【Python scipy】ndimage: n次元画像処理
- 【Python scipy】spatial.distance: 距離計算
- 【Python scipy】spatial: 空間データ構造
- 【Python scipy】io: 入出力
- 【Python scipy】cluster: クラスタリング
- 【Python scipy】optimize: 高次元の最適化アルゴリズム
- 【Python scipy】special: 特殊関数
- 【Python scipy】sparse: スパース行列
- 【Python scipy】stats: 統計
- 【Python scipy】linalg: 線形代数
- 【Python scipy】fftpack: 高速フーリエ変換
- 【Python scipy】signal: 信号処理
- 【Python scipy】interpolate: インターポレーション
- 【Python scipy】integrate: 積分
- 【Python scipy】optimization: 最適化アルゴリズム (最小値を求める)
- 【Python 高速化】メモ化 (Memoization) を行う
- 【Python 高速化】データ型を適切に選択する (intよりnumpyのint32の方が高速)
- 【Python 高速化】データ構造を適切に選択する (dictよりsetの方が高速)
- 【Python 高速化】コードのプロファイリングを行い、性能が低い箇所を特定して最適化する (line_profiler)
- 【Python 高速化】コードのプロファイリングを行い、性能が低い箇所を特定して最適化する (cProfile)
- 【Python 高速化】キャッシュを使う (functools.lru_cache)
- 【Python 高速化】並列処理を使う (joblib)
- 【Python 高速化】ループ処理をC言語などで書き直す (Ctypes)
- 【Python 高速化】ループ処理をC言語などで書き直す (Numba)
- 【Python 高速化】ループ処理をC言語などで書き直す (Cython)
- 【Python エラー対策】UnboundLocalError: ローカル変数参照エラー。ローカルスコープの変数を参照しようとしたが、それがまだ定義されていない場合に発生します。
- 【Python エラー対策】NotImplementedError: 未実装エラー。未実装の機能を呼び出した場合に発生します。
- 【Python エラー対策】RecursionError: 再帰エラー。再帰呼び出しが深すぎる場合に発生します。
- 【Python エラー対策】ZeroDivisionError: ゼロ除算エラー。0で割ろうとした場合に発生します。
- 【Python エラー対策】MemoryError: メモリエラー。メモリが不足したため、プログラムを実行できない場合に発生します。
- 【Python エラー対策】AttributeError: 属性エラー。オブジェクトに存在しない属性を参照しようとした場合に発生します。
- 【Python エラー対策】ValueError: 値エラー。関数やメソッドに渡す値が不適切な場合に発生します。
- 【Python エラー対策】KeyError: キーエラー。辞書型のオブジェクトなどで存在しないキーを参照しようとした場合に発生します。
- 【Python エラー対策】IndexError: インデックスエラー。リストや配列などのインデックスが範囲外の場合に発生します。
- 【Python エラー対策】TypeError: 型エラー。関数や演算子を指定された型のオブジェクトに対して使用しようとした場合に発生します。
- 【Python エラー対策】NameError: 名前エラー。定義されていない変数や関数を使用しようとした場合に発生します。
- 【Python エラー対策】SyntaxError: 構文エラー。Pythonの文法に違反している場合に発生します。
- 【Pandas DataFrame】KeyError: キーエラー。辞書型のオブジェクトなどで存在しないキーを参照しようとした場合に発生します。
- 【Pandas DataFrame】IndexError: インデックスエラー。リストや配列などのインデックスが範囲外の場合に発生します。
- 【Pandas DataFrame】TypeError: 型エラー。関数や演算子を指定された型のオブジェクトに対して使用しようとした場合に発生します。
- 【Pandas DataFrame】NameError: 名前エラー。定義されていない変数や関数を使用しようとした場合に発生します。
- 【Pandas DataFrame】SyntaxError: 構文エラー。Pythonの文法に違反している場合に発生します。
- 【Pandas DataFrame】transpose()メソッドで、データフレームの転置(行と列を入れ替え)を行うことができます。
- 【Pandas DataFrame】deepcopy()関数で、データフレームの複製を作成することができます。
- 【Pandas DataFrame】copy()メソッドで、データフレームの複製を作成することができます。
- 【Pandas DataFrame】reset_index()メソッドで、データフレームのインデックスを通常の列に戻すことができます。
- 【Pandas DataFrame】rename()メソッドで、データフレームの各列や行のラベルを変更することができます。
- 【Pandas DataFrame】sort_index()メソッドで、データフレームをインデックスの値で昇順や降順に並べ替えることができます。
- 【Pandas DataFrame】sort_values()メソッドで、データフレームを特定の列や複数の列の値で昇順や降順に並べ替えることができます。
- 【Pandas DataFrame】sample()メソッドで、データフレームから任意の行数分をランダムに抽出することができます。
- 【Pandas DataFrame】tail()メソッドで、データフレームの末尾から任意の行数分を抽出することができます。
- 【Pandas DataFrame】head()メソッドで、データフレームの先頭から任意の行数分を抽出することができます。
- 【Pandas DataFrame】boxplot()メソッドで、データフレームの各列を箱ひげ図でプロットすることができます。
- 【Pandas DataFrame】hist()メソッドで、データフレームの各列をヒストグラムでプロットすることができます。
- 【Pandas DataFrame】scatter()メソッドで、データフレームの各列を散布図でプロットすることができます。
- 【Pandas DataFrame】plot()メソッドで、データフレームの各列をプロットすることができます。
- 【Pandas DataFrame】read_json()関数で、JSON形式の文字列やファイルを読み込んでデータフレームとして扱うことができます。
- 【Pandas DataFrame】read_excel()関数で、Excel形式のファイルを読み込んでデータフレームとして扱うことができます。
- 【Pandas DataFrame】read_csv()関数で、CSV形式のファイルを読み込んでデータフレームとして扱うことができます。
- 【Pandas DataFrame】to_json()メソッドで、データフレームをJSON形式の文字列やファイルとして保存することができます。
- 【Pandas DataFrame】to_sql()メソッドで、データフレームをSQLデータベースに保存することができます。
- 【Pandas DataFrame】to_excel()メソッドで、データフレームをExcel形式のファイルとして保存することができます。
- 【Pandas DataFrame】to_csv()メソッドで、データフレームをCSV形式のファイルとして保存することができます。
- 【Pandas DataFrame】unstack()メソッドで、データフレームを特定の列や複数の列に基づいて透過的に整形することができます。
- 【Pandas DataFrame】melt()関数で、データフレームを特定の列や複数の列に基づいて透過的に整形することができます。
- 【Pandas DataFrame】pivot_table()関数で、データフレームを特定の列や複数の列に基づいてグループ分けした上で集計することができます。
- 【Pandas DataFrame】groupby()メソッドで、データフレームを特定の列や複数の列に基づいてグループ分けすることができます。
- 【Pandas DataFrame】append()メソッドで、データフレームに他のデータフレームを追加することができます。
- 【Pandas DataFrame】merge()メソッドで、複数のデータフレームを結合することができます。
- 【Pandas DataFrame】isna()メソッドで、データフレーム内の欠損値を判定することができます。
- 【Pandas DataFrame】interpolate()メソッドで、データフレーム内の欠損値を補完することができます。
- 【Pandas DataFrame】fillna()メソッドで、データフレーム内の欠損値を特定の値で埋めることができます。
- 【Pandas DataFrame】dropna()メソッドで、データフレーム内の欠損値を含む行や列を削除することができます。
- 【Pandas DataFrame】query()メソッドで、データフレームを特定の条件に基づいて絞り込むことができます。
- 【Pandas DataFrame】equals()メソッドで、2つのデータフレームが等しいかどうかを判定することができます。
- 【Pandas DataFrame】all()やany()メソッドで、データフレームの各列がすべてTrueや少なくとも1つがTrueであるかどうかを判定することができます。
- 【Pandas DataFrame】diff()メソッドで、データフレームの各要素の変化量を計算することができます。
- 【Pandas DataFrame】pct_change()メソッドで、データフレームの各要素の相対的な変化率を計算することができます。
- 【Pandas DataFrame】nsmallest()やnlargest()メソッドで、データフレームの各列から最小値や最大値を持つ行を抽出することができます。
- 【Pandas DataFrame】clip_lower()やclip_upper()メソッドで、データフレームの各要素を特定の値以下や特定の値以上に収めることができます。
- 【Pandas DataFrame】where()メソッドで、データフレームの各要素が特定の条件を満たす場合にだけ、特定の値を保持するようにすることができます。
- 【Pandas DataFrame】mask()メソッドで、データフレームの各要素が特定の条件を満たす場合にだけ、特定の値を保持するようにすることができます。
- 【Pandas DataFrame】kurt()やskew()メソッドで、データフレームの各列のカイ二乗検定による歪度や尖度を計算することができます。
- 【Pandas DataFrame】cov()メソッドで、データフレームの各列間の共分散を計算することができます。
- 【Pandas DataFrame】corr()メソッドで、データフレームの各列間の相関係数を計算することができます。
- 【Pandas DataFrame】pivot_table()関数で、データフレームを二次元の表形式に集計することができます。
- 【Pandas DataFrame】melt()関数で、データフレームを長い形式から平たい形式に変換することができます。
- 【Pandas DataFrame】qcut()関数で、データフレームの各要素を任意の分位数に分割することができます。
- 【Pandas DataFrame】cut()関数で、データフレームの各要素を任意の範囲に分割することができます。
- 【Pandas DataFrame】pivot()メソッドで、データフレームを二次元の表形式に変換することができます。
- 【Pandas DataFrame】unstack()メソッドで、データフレームを多次元の表形式から一次元の表形式に変換することができます。
- 【Pandas DataFrame】expand_dims()関数で、データフレームに新しい次元を追加することができます。
- 【Pandas DataFrame】rolling()メソッドで、データフレームの各列に移動窓を適用した上で、移動窓内での統計量を計算することができます。
- 【Pandas DataFrame】shift()メソッドで、データフレームの各列を指定した数だけずらすことができます。
- 【Pandas DataFrame】cumsum()やcumprod()メソッドで、データフレームの各列の累積和や累積積を求めることができます。
- 【Pandas DataFrame】idxmax()やidxmin()メソッドで、データフレームの各列の最大値や最小値を持つインデックスを取得することができます。
- 【Pandas DataFrame】sum()やmean()やmedian()などの統計関数で、データフレームの各列の統計量を求めることができます。
- 【Pandas DataFrame】transform()メソッドで、データフレームを集約することができます。
- 【Pandas DataFrame】aggregate()メソッドで、データフレームを集約することができます。
- 【Pandas DataFrame】duplicated()メソッドで、データフレーム内の各行が重複した行か否かを判定することができます。
- 【Pandas DataFrame】drop_duplicates()メソッドで、データフレーム内の重複した行を削除することができます。
- 【Pandas DataFrame】nunique()メソッドで、データフレームの各列に含まれるユニークな値の個数を求めることができます。
- 【Pandas DataFrame】clip()メソッドで、データフレームの各要素を最小値から最大値の間に収めることができます。
- 【Pandas DataFrame】copy()メソッドで、データフレームのコピーを作成することができます。
- 【Pandas DataFrame】select_dtypes()メソッドで、データフレーム内の特定のデータ型を持つ列を取り出すことができます。
- 【Pandas DataFrame】ilocやloc属性で、データフレームの行や列を指定して取り出すことができます。
- 【Pandas DataFrame】read_csv()関数やread_excel()関数で、CSVファイルやExcelファイルを読み込んでデータフレームを作成することができます。
- 【Pandas DataFrame】to_sql()メソッドで、データフレームをSQLiteやその他のデータベースに保存することができます。
- 【Pandas DataFrame】to_csv()メソッドやto_excel()メソッドで、データフレームをCSVファイルやExcelファイルとして保存することができます。
- 【Pandas DataFrame】set_index()メソッドで、データフレームのインデックスを特定の列の値に設定することができます。
- 【Pandas DataFrame】rename()メソッドで、データフレームの列名やインデックス名を変更することができます。
- 【Pandas DataFrame】astype()メソッドで、データフレームの各列のデータ型を変換することができます。
- 【Pandas DataFrame】reset_index()メソッドで、データフレームのインデックスを明示的な列に戻すことができます。
- 【Pandas DataFrame】sort_values()メソッドで、データフレームを特定の列の値で昇順や降順に並び替えることができます。
- 【Pandas DataFrame】pivot_table()メソッドで、データフレームを二次元の表形式に集計することができます。
- 【Pandas DataFrame】groupby()メソッドで、データフレームを特定の列の値でグループ化することができます。
- 【Pandas DataFrame】apply()やapplymap()メソッドで、データフレームの各要素に対して関数を適用することができます。
- 【Pandas DataFrame】fillna()メソッドで、欠損値を特定の値で埋めることができます。
- 【Pandas DataFrame】dropna()メソッドで、欠損値を含む行や列を削除することができます。
- 【Pandas DataFrame】isna()やnotna()メソッドで、データフレームの要素が欠損値か否かを判定することができます。
- 【Pandas DataFrame】isnull()やnotnull()メソッドで、データフレームの要素が欠損値か否かを判定することができます。
- 【Pandas DataFrame】columns属性やindex属性で、データフレームの列名やインデックスを取得することができます。
- 【Pandas DataFrame】shape属性で、データフレームの行数と列数を取得することができます。
- 【Pandas DataFrame】describe()メソッドで、データフレームの要約統計量を算出することができます。
- 【Pandas DataFrame】head()やtail()メソッドで、データフレームの一部を表示することができます。
- tupleには、指定した要素を含むかどうかを調べるcontains()関数があります。
- tupleには、指定した条件をすべての要素が満たすかどうかを調べるall()関数があります。
- tupleには、指定した条件を満たす要素を含むかどうかを調べるany()関数があります。
- tupleには、各要素を特定の関数で処理し、結果をリストで返すmap()関数があります。
- tupleには、タプルを指定した関数で変換した結果を持つ新しいタプルを生成するmap()関数があります。
- tupleには、各要素を走査し、Trueとなる要素を持つタプルを返すfilter()関数があります。
- tupleには、要素を指定した値で埋めたタプルを生成するfill()関数があります。
- tupleには、タプルを2つ受け取り、対応する要素を組み合わせたタプルのリストを返すzip()関数があります。
- tupleには、タプルを逆順にするreversed()関数があります。
- tupleには、指定した値をもつタプルを生成するtuple()関数があります。
- tupleには、条件を満たす要素だけを持つ新しいタプルを生成する内包表記があります。
- tupleには、各要素を特定の関数で処理した結果を持つ新しいタプルを生成する内包表記があります。
- tupleには、指定した要素が何個含まれているかを調べるcount()メソッドがあります。
- tupleには、指定した要素を含むかどうかを調べるindex()メソッドがあります。
- tupleには、各要素を指定した文字で結合した文字列を返すjoin()メソッドがあります。
- tupleには、条件を満たす要素だけを持つ新しいタプルを生成するfilter()関数があります。
- tupleには、各要素を特定の関数で処理した結果を持つ新しいタプルを生成するmap()関数があります。
- tupleには、最小値や最大値を取得するmin()やmax()関数があります。
- tupleには、要素数を取得するlen()関数や、要素が含まれているかどうかを調べるin演算子があります。
- tupleには、リストやタプルを結合する+演算子や、繰り返す*演算子があります。
- tupleは内包表記を使って簡単に生成することができます。
- tupleは複数の変数に同時に値を代入することができます(タプルのアンパッキング)。
- tupleはfor文で繰り返し処理をすることができます。
- tupleは関数の引数として渡すことができます。
- tupleは辞書のキーとして使用することができます。
- tupleはタプル内の要素を参照するためにインデックスを使用することができます。
- tupleは変更不可能(immutable)なので、要素を追加、削除、変更することができません。
- tupleはリストと同様に、複数の要素を保持することができます。
- リストをランダムにシャッフルする: import random; random.shuffle(list)
- リストを指定されたサイズのブロックに分割する: [list[i:i + n] for i in range(0, len(list), n)]
- リストを特定の区間に分割する: list[:n], list[n:]
- リストを展開して新しいリストを生成する: [item for sublist in list for item in sublist]
- リストを特定のセパレータ文字で連結する: sep.join(list)
- リスト内で最初に見つかった特定の要素のインデックスを取得する: list.index(item)
- リスト内にある特定の要素の個数を数える: list.count(item)
- リスト内の要素を 2 つの変数に分割して反復処理する: for i, item in enumerate(list):
- リスト内の要素を変換した値で新しいリストを生成する: new_list = [item ** 2 for item in list]
- リスト内の要素を特定の条件でフィルタリングする: filtered_list = [item for item in list if item % 2 == 0]
- リストを逆順に反復処理する: for item in reversed(list):
- リストの要素を 1 つずつ取り出す: for item in list:
- リストを結合する: list1 + list2
- リストを指定された回数繰り返す: list * n
- リスト内の要素を特定の値で埋める: list.extend([item] * n)
- リスト内の最小値、最大値を取得する: min(list), max(list)
- リストの要素数を取得する: len(list)
- リストを浅いコピーする: list.copy()
- リストを特定の基準でソートする: list.sort()
- リストを逆順にする: list.reverse()
- リスト内にある特定の要素が含まれているかどうかを調べる: item in list
- リスト内の指定された位置の要素を削除する: del list[index]
- リストから特定の要素を削除する: list.remove(item)
- リストの末尾以外にも任意の場所に要素を挿入する: list.insert(index, item)
- リストの末尾に要素を追加する: list.append(item)
- スライスを使って複数の要素を取り出す: list[start:stop:step]
- インデックスを指定して要素を取り出す: list[index]
- dict.values() :ディクショナリ内の全ての値を返すイテレータを返します。
- dict.keys() :ディクショナリ内の全てのキーを返すイテレータを返します。
- dict.items() :ディクショナリ内の全ての要素を (キー, 値) のタプルとして返すイテレータを返します。
- dict.get(key[, default]) :指定されたキーを持つ要素を返します。キーが存在しない場合は default を返します 。
- dict.str() : ディクショナリを文字列として返します (str() 関数と同じ動作をします)。
- dict.repr() : ディクショナリを文字列として返します (repr() 関数と同じ動作をします)。
- dict.init(self[, items]) : ディクショナリを初期化します (items は、(キー, 値) のタプルからなる可能性がある任意のイテラブルです)。
- dict.ge(other) : ディクショナリが other 以上かどうかを返します (>= 演算子と同じ動作をします)。
- dict.gt(other) : ディクショナリが other より大きいかどうかを返します (> 演算子と同じ動作をします)。
- dict.le(other) : ディクショナリが other 以下かどうかを返します (<= 演算子と同じ動作をします)。
- dict.lt(other) : ディクショナリが other より小さいかどうかを返します (< 演算子と同じ動作をします)。
- dict.ne(other) : ディクショナリが other と異なるかどうかを返します (!= 演算子と同じ動作をします)。
- dict.eq(other) : ディクショナリが other と等しいかどうかを返します (== 演算子と同じ動作をします)。
- dict.reversed() : ディクショナリ内の全てのキーを逆順で返すイテレータを返します。
- dict.iter() : ディクショナリ内の全てのキーを返すイテレータを返します。
- dict.len() : ディクショナリ内の要素数を返します (len(obj) の形式と同じ動作をします)。
- dict.delitem(key) : 指定されたキーを持つ要素を削除します (del obj[key] の形式と同じ動作をします)。
- dict.setitem(key, value) : 指定されたキーを持つ要素を value に設定します (obj[key] = value の形式と同じ動作をします)。
- dict.getitem(key) : 指定されたキーを持つ要素を返します (obj[key] の形式と同じ動作をします)。
- dict.contains(key) : 指定されたキーが存在するかどうかを返します (in 演算子と同じ動作をします)。
- dict.setdefault(key[, default]) : 指定されたキーを持つ要素を返します。キーが存在しない場合は、キーを持つ要素を default の値で追加します (default が省略される場合は None で追加します)。
- dict.fromkeys(iterable[, value]) : iterable によって提供されるキーからなる新しいディクショナリを作成します。すべてのキーの値は、 value に指定されたものに設定されます (value が省略される場合は None に設定されます)。
- dict.copy() : ディクショナリのシャローコピーを返します。
- dict.clear() : ディクショナリから全ての要素を削除します。
- dict.update(other_dict) : ディクショナリに other_dict の内容を追加します。other_dict のキーが既存のキーと重複する場合は、そのキーの値が上書きされます。
- dict.popitem() : ディクショナリから最後に追加された (キー, 値) のタプルを削除し、そのタプルを返します。ディクショナリが空の場合は KeyError を送出します。
- dict.pop(key[, default]) : 指定されたキーを持つ要素を削除し、その値を返します。キーが存在しない場合は default を返します (default が省略される場合は KeyError を送出します)。
- dict.values() : ディクショナリ内の全ての値を返すイテレータを返します。
- dict.keys() : ディクショナリ内の全てのキーを返すイテレータを返します。
- dict.items() : ディクショナリ内の全ての要素を (キー, 値) のタプルとして返すイテレータを返します。
- dict.get(key[, default]) : 指定されたキーを持つ要素を返します。キーが存在しない場合は default を返します (default が省略される場合は None を返します)。
- テンソルの要素の追加や削除: NumPy は、配列に要素を追加したり、削除したりするための関数を提供します。
- テンソルの要素のタイプ変換: NumPy は、配列の要素を別のデータ型に変換するための関数を提供します。
- テンソルのreshape: NumPy は、配列のサイズを変更するための reshape 関数を提供します。
- テンソルのコピー: NumPy は、配列をコピーするための関数を提供します。
- テンソルのインデックス参照: NumPy は、配列の任意の位置にアクセスするためのインデックス参照の機能を提供します。
- 配列操作: NumPy は、配列をスライスしたり、値を更新したり、連結したりするための関数を提供します。
- ソート: NumPy は、配列を昇順や降順に並び替えるための関数を提供します。
- 数値計算: NumPy は、科学技術計算でよく使われる数値計算を行うための関数を提供します。これには、積分計算、微分方程式の解法、最適化問題の解法などが含まれます。
- ファイル入出力: NumPy は、Numpy 配列をファイルに保存したり、ファイルから読み込んだりするための関数を提供します。
- ランダムサンプリング: NumPy は、指定した分布から乱数を生成するための関数を提供します。
- テンソル演算: NumPy は多次元配列を扱うためのテンソル演算の機能を提供します。これには、行列の積、転置、行列式、逆行列などが含まれます。
- データの読み込み・書き込み: numpy配列をファイルやテキストから読み込んだり、ファイルやテキストに書き込んだりするための関数。loadtxt、genfromtxt、savetxtなどがあります。
- マスキング: 配列内の要素を条件に応じてフィルタリングするための機能。True/Falseでマスキングされた配列を使って、条件を満たす要素だけを抽出することができます。
- 基本的な数学関数: 配列内の要素に対して、数学関数を適用するための関数。sin、cos、expなどがあります。
- 形状操作: 配列の形状を変更するための関数。reshape、resize、transposeなどがあります。
- ブロードキャスト:異なる形状の配列間で演算を効率的に行える
- マスキング:指定した条件に従って配列の要素を簡単に抽出できる
- データ操作:データの並び替え、抽出、追加、削除などを行える
- 統計処理:データの平均や分布などを計算できる
- 線形代数:行列の固有値、固有ベクトル、逆行列などを計算できる
- ベクトル演算:行列やベクトルの積、和、差などの演算を高速に行える
- データの加工・整形
- 重回帰分析
- 標準正規分布
- 確率分布
- 統計関数
- 行列の積
- マトリックス演算
- テンソル演算:多次元配列のデータを効率的に加工するための機能
- データの加工:配列のデータを操作して加工するための機能
- データのシャッフル:配列のデータをランダムに並び替えるための機能
- データのソート:配列のデータを並び替えるための機能
- インデックス参照:配列のデータをインデックスを用いて参照するための機能
- マスキング:特定の要素のみを取り出すための機能
- 統計処理:配列データを効率的に統計的な演算を行うための機能
- 配列の整形:配列を整形して表示する
- 多次元配列の操作:行、列、スライス、軸を指定して多次元配列を操作する
- Ubuntu
- 処理時間測定
- お問い合わせ
- サイトーポリシー
- サイトマップ
タイトルとURLをコピーしました