C#ã§IronPythonã¨é€£æºã™ã‚‹éš›ã«numpyãŒimportã§ããªã„ | è© ã¿äººçŸ¥ã‚‰ãšã®å‚™å¿˜éŒ²
C#ã‹ã‚‰IronPythonを呼ã³å‡ºã™ãŸã‚ã«ã€èª¿ã¹ã¦ã„ãŸéš›ã«ã¯ã¾ã£ãŸã“ã¨ã‚’メモ。 ç°¡å˜ãªã‚¹ã‚¯ãƒªãƒ—トやメソッドãªã‚‰å‘¼ã³å‡ºã›ã‚‹ã®ã§ã™ãŒimport numpyã‚„import waveãªã©ã‚’使用ã™ã‚‹ã¨ 下記ã®ã‚ˆã†ãªã‚¨ãƒ©ãƒ¼ãŒãƒ»ãƒ»ãƒ» メッセージ内容を見る㨠IronPython.Runtime.Exceptions.ImportException ã¯ãƒãƒ³ãƒ‰ãƒ«ã•ã‚Œã¾ã›ã‚“ã§ã—ãŸã€‚ Message=No module named numpy ã¨ã®ã“ã¨ã€ DLLã®ãƒãƒ¼ãƒ‰ãŒã§ãã¦ã„ãªã„よã†ãªã®ã§ã™ãŒã€ ä»–ã®ã‚µã‚¤ãƒˆã§ã¯é€£æºã®éš›ã«ä¸Šè¨˜ç¾è±¡ã®è¨˜è¼‰ãŒãªã„方もã„らã£ã—ゃるよã†ã§ã“ã®ã¸ã‚“ã¯è¬Žã§ã™ã€‚ エラーã®åŽŸå› ã¯ã€IronPythonã§ãƒãƒ¼ãƒ‰ãŒã§ãã¦ã„ãªã„よã†ã§ã™ã€‚ 強調ã•ã‚ŒãŸç®‡æ‰€ã‚’è¿½åŠ ã™ã‚‹ã“ã¨ã«ã‚ˆã£ã¦å®Ÿè¡ŒãŒã§ãるよã†ã«ãªã‚Šã¾ã—ãŸã€‚ #ã‚‚ã£ã¨ã„ã„手法ã‚るよã†ãªæ°—ãŒã—ã¾ã™ãŒã€èª¿ã¹ã¦ã‚‚出ã¦ã“ãªã„ã®ã§ã€‚。。 ソースã¯ä»¥ä¸‹ã®ã‚ˆã†
Pythonã§æ™‚ç³»åˆ—è§£æž ï½žãƒ©ãƒ³ãƒ€ãƒ ãƒ»ã‚¦ã‚©ãƒ¼ã‚¯ç”Ÿæˆã€ç§»å‹•å¹³å‡ç·šæç”» 㨠AR(1)モデルéŽç¨‹ãƒ‡ãƒ¼ã‚¿ã®ç”Ÿæˆ - Qiita
ã“ã‚Œã¾ã§ã€R ã§æ™‚系列解æžã‚’è¡Œã£ã¦ããŸã®ã§ã€Python ã§ã‚‚ã§ãるよã†æ‰‹ç¿’ã„ã¾ã§ã€ã‚³ãƒ¼ãƒ‰ã‚’手ã§æ‰“ã£ã¦ã¿ã‚‹ã€‚ 1. ランダム・ウォーク 㨠移動平å‡ç·š 時系列データ生æˆï¼ˆãƒ©ãƒ³ãƒ€ãƒ ウォーク系列） （å‚考） 分æžæŠ€è¡“ã¨ãƒ“ジãƒã‚¹ã‚¤ãƒ³ãƒ†ãƒªã‚¸ã‚§ãƒ³ã‚¹ 「Python：時系列分æžï¼ˆãã®ï¼‘）〠上記サイトã‹ã‚‰ã‚¹ã‚¯ãƒªãƒ—トを借用ã—ã¾ã™ （※ plt.show() を最後ã«è¿½åŠ ） import numpy as np randn = np.random.randn from pandas import * import matplotlib.pyplot as plt #■ランダムウォーク系列データã®ä½œæˆ ts = Series(randn(1000), index = DateRange('2000/1/1', periods = 1000)) ts = ts.cumsum() #â– å˜ç´”ç§»å‹•å¹³å‡ é•·çŸã®ãƒˆãƒ¬ãƒ³
scikit-learnを用ã„ã¦ä¸»æˆåˆ†åˆ†æž (PCA) ã—ãŸçµæžœã‹ã‚‰å…ƒã®ç”»åƒãƒ‡ãƒ¼ã‚¿ã‚’復元ã—ãŸã„
ç”»åƒå‡¦ç†ã‚’è¡Œã£ã¦ã„ã¦ã€ç‰¹å¾´é‡æŠ½å‡ºã« scikit-learn ã® PCA を使ã„ã¾ã—ãŸãŒã€æ§˜ã€…ãªå‡¦ç†ã‚’è¡Œã£ãŸå¾Œãã®çµæžœã‹ã‚‰ç”»åƒã‚’復元ã—ãŸã„（å‚考（ã“れをpythonã§ã‚„ã‚ŠãŸã„）：R prcomp ã§ã®ä¸»æˆåˆ†åˆ†æžçµæžœã‹ã‚‰å…ƒãƒ‡ãƒ¼ã‚¿ã‚’復元ã™ã‚‹ï¼‰ã€‚ 具体的ã«ã¯ä»¥ä¸‹ã®ã‚ˆã†ãªã‚³ãƒ¼ãƒ‰ã«ãªã£ã¦ã„ã¾ã™ã€‚ from sklearn.decomposition import PCA from PIL import Image import numpy as np # loading image and convert to gray-scale imgAry = np.asarray(Image.open('image.png').convert('L')) print imgAry.shape # (224, 224) # doing pca decomposition pca = PCA(n_compone
æ£è¦åˆ†å¸ƒã‹ã©ã†ã‹ã‚’見極ã‚ã‚‹3ã¤ã®ã‚¹ãƒ†ãƒƒãƒ—（Pythonã§ã®æ¤œå®šå®Ÿè·µã‚り） - 俺ã€ã‚µãƒ¼ãƒ“ス売ã£ã¦å®¶è²·ã†ã‚“ã
å¦æ ¡ã®æŽˆæ¥ã‚„è³‡æ ¼ã®ãƒ†ã‚¹ãƒˆã§ã¯ã€ã€Œæ£è¦åˆ†å¸ƒã‚’ã—ã¦ã„ã‚‹ã€ã“ã¨ã‚’å‰æã«ã€æ¤œå®šã‚„推定ãŒè¡Œã‚れるã“ã¨ãŒå¤šã„ã§ã™ã‚ˆã。 ã—ã‹ã—ã€å®Ÿéš›ã«è‡ªåˆ†ã§ãƒ‡ãƒ¼ã‚¿ã‚’ã¨ã£ã¦åˆ†æžã™ã‚‹æ™‚ã¯ã€å½“然ã§ã™ãŒèª°ã‚‚ãã®ãƒ‡ãƒ¼ã‚¿éƒ¡ãŒã€Œæ£è¦åˆ†å¸ƒã‚’ã—ã¦ã„ã‚‹ã€ã¨ã¯ä¿è¨¼ã—ã¦ãã‚Œãªã„ã‚ã‘ã§ã™ã€‚ ãã®ãŸã‚ã€ãƒ‡ãƒ¼ã‚¿è§£æžã‚’始ã‚ã‚‹ãã®å‰ã«ã€Œæ£è¦æ€§ã®æ¤œå®šï¼ˆæ£è¦åˆ†å¸ƒã—ã¦ã„ã‚‹ã‹ã©ã†ã‹ã®ç¢ºèªï¼‰ã€ã‚’ã—ãªã‘ã‚Œã°ãªã‚Šã¾ã›ã‚“。 今回ã¯ã€æ£è¦åˆ†å¸ƒã‹ã©ã†ã‹ã‚’見極ã‚ã‚‹ãŸã‚ã®æ¤œå®šã¨æ‰‹æ³•ã‚’ã€Pythonを用ã„ã¦ã‚„ã£ã¦ã„ããŸã„ã¨æ€ã„ã¾ã™ã€‚ 注)* 標準å差・ヒストグラムãªã©ã‚’ç†è§£ã—ã¦ã„ãªã„åˆå¦è€…ã®æ–¹ã¯ã¾ãšã“ã¡ã‚‰ã‹ã‚‰å‚ç…§ã™ã‚‹ã“ã¨ã‚’ãŠã™ã™ã‚ã—ã¾ã™ã€‚ www.ie-kau.net 目次：æ£è¦åˆ†å¸ƒã‹ã©ã†ã‹è¦‹æ¥µã‚ã‚‹æ‰‹é † ã¾ãšã¯ã‚µãƒ³ãƒ—ルデータã®ä½œæˆã‹ã‚‰ ヒストグラムã¨QQプãƒãƒƒãƒˆã§è¦–覚的ã«ç¢ºèªã™ã‚‹ 法則を使ã£ã¦æ£è¦æ€§ã‚’検定ã™ã‚‹ 1. ã¾ãšã¯ã‚µãƒ³ãƒ—ルデータã®ä½œæˆã‹ã‚‰ データãŒã‚ã£ãŸã»ã†ãŒã‚ã‹ã‚Šã‚„
Python pandas ã§æ—¥æ™‚関連ã®ãƒ‡ãƒ¼ã‚¿æ“作をカンタン㫠- StatsFragments
æ¦‚è¦ Python ã§æ—¥æ™‚/タイムスタンプ関連ã®æ“作をã™ã‚‹å ´åˆã¯ dateutil ã‚„ arrow を使ã£ã¦ã„る人ãŒå¤šã„ã¨æ€ã†ãŒã€ pandas ã§ã‚‚ãã†ã„ã£ãŸå‡¦ç†ãŒã‚ã‹ã‚Šã‚„ã™ã書ã‘るよã€ã¨ã„ã†è©±ã€‚ pandas ã®æœ¬é ˜ã¯å¤šæ¬¡å…ƒãƒ‡ãƒ¼ã‚¿ã®è“„ç©/変形/集約処ç†ã«ã‚ã‚‹ãŒã€æ—¥æ™‚æ“作ã«é–¢é€£ã—ãŸå¼·åŠ›ãªãƒ¡ã‚½ãƒƒãƒ‰ / ユーティリティもã„ãã¤ã‹æŒã£ã¦ã„る。今回㯠ãれらを使ã£ã¦æ—¥æ™‚æ“作を簡å˜ã«è¡Œã†æ–¹æ³•ã‚’書ã„ã¦ã。ã¨ã„ã†ã“ã¨ã§ DataFrame ã‚‚ Series ã‚‚ã§ã¦ã“ãªã„ pandas 記事ã®ã¯ã˜ã¾ã‚Šã€‚ ※ ã“ã“ã§ã„ㆠ"日時/タイムスタンプ関連ã®æ“作" ã¯æ–‡å—列パースã€æ—¥æ™‚åŠ ç®—/減算ã€ã‚¿ã‚¤ãƒ ゾーンè¨å®šã€æ¡ä»¶ã«åˆè‡´ã™ã‚‹æ—¥æ™‚ã®ãƒªã‚¹ãƒˆç”Ÿæˆãªã©ã‚’想定。時系列補間/リサンプリングãªã‚“ã‹ã¯ã¾ãŸè†¨å¤§ã«ãªã‚‹ã®ã§åˆ¥é€”。 インストール 以下サンプルã«ã¯ 0.15ã§ã®è¿½åŠ 機能もå«ã¾ã‚Œã‚‹ãŸã‚ã€0.15 以é™ãŒå¿…è¦ã€‚ pip
1.5. Scipy: 高水準ã®ç§‘å¦æŠ€è¡“計算 — Scipy lecture notes
1.5. Scipy: 高水準ã®ç§‘å¦æŠ€è¡“計算¶ 著者: Adrien Chauve, Andre Espaze, Emmanuelle Gouillart, Gaël Varoquaux, Ralf Gommers Scipy scipy パッケージã¯ç§‘å¦æŠ€è¡“計算ã§ã®å…±é€šã®å•é¡Œã®ãŸã‚ã®å¤šæ§˜ãªãƒ„ールボックスãŒã‚ã‚Šã¾ã™ã€‚サブモジュール毎ã«å¿œç”¨ç¯„囲ãŒç•°ãªã£ã¦ã„ã¾ã™ã€‚応用範囲ã¯ä¾‹ãˆã°ã€è£œå®Œã€ç©åˆ†ã€æœ€é©åŒ–ã€ç”»åƒå‡¦ç†ã€çµ±è¨ˆã€ç‰¹æ®Šé–¢æ•°ç‰ã€‚ scipy 㯠GSL (GNU Scientific Library for C and C++) ã‚„ Matlab ã®ãƒ„ールボックスã®ã‚ˆã†ãªä»–ã®æ¨™æº–çš„ãªç§‘å¦æŠ€è¡“計算ライブラリã¨æ¯”較ã•ã‚Œã¾ã™ã€‚ scipy 㯠Python ã§ã®ç§‘å¦æŠ€è¡“計算ルーãƒãƒ³ã®ä¸æ ¸ã¨ãªã‚‹ãƒ‘ッケージã§ã™; ã“れ㯠numpy ã®é…列を効率良ã扱ã£ã¦ã„ã‚‹ã¨ã„ã†ã“ã¨ã§ã€numpy 㨠scipy ã¯
高速数値計算ライブラリ「Numpyã€è¦šæ›¸ã - Pashango’s Blog
Pythonã§ä¸€ç•ªæœ‰åã§æ™®åŠã—ã¦ã„るライブラリã¨è¨€ã£ã¦ã‚‚éŽè¨€ã§ã¯ãªã„「Numpyã€ã®è¦šæ›¸ãã§ã™ã€‚ã‹ãªã‚Šå¤šæ©Ÿèƒ½ãªæ•°å€¤è¨ˆç®—ライブラリã§ã€å†…部ã¯C言語ã§è¨˜è¿°ã•ã‚Œã¦ã„ã‚‹ãŸã‚超高速ã«å‹•ä½œã—ã¾ã™ã€‚ ベクトル ベクトルã®é•·ã•ï¼†æ£è¦åŒ– import numpy a = numpy.array([[2,2]]) #ベクトルã®é•·ã• length = numpy.linalg.norm(a) #length=>2.8284271247461903 #ベクトルã®æ£è¦åŒ– a / numpy.linalg.norm(a) #=>array([[ 0.70710678, 0.70710678]]) 内ç©ï¼†å¤–ç© import numpy v1 = numpy.array((1,0,0)) v2 = numpy.array((0,1,0)) #å†…ç© numpy.dot(v1,v2) #=> 0 #å¤–ç© numpy.cros
NumPy é…列ã®åŸºç¤Ž — 機械å¦ç¿’ã® Python ã¨ã®å‡ºä¼šã„
NumPy é…列ã®åŸºç¤ŽÂ¶ ã“ã“ã§ã¯ï¼ŒNumPy ã§æœ€ã‚‚é‡è¦ãªã‚¯ãƒ©ã‚¹ã§ã‚ã‚‹ np.ndarray ã«ã¤ã„ã¦ï¼Œ 本ãƒãƒ¥ãƒ¼ãƒˆãƒªã‚¢ãƒ«ã®æ–¹é‡ ã®æ–¹é‡ã«å¾“ã„，最低é™å¿…è¦ãªäºˆå‚™çŸ¥è˜ã«ã¤ã„ã¦èª¬æ˜Žã—ã¾ã™ï¼Ž np.ndarray ã¯ï¼Œ N-d Array ã™ãªã‚ã¡ï¼ŒN次元é…列を扱ã†ãŸã‚ã®ã‚¯ãƒ©ã‚¹ã§ã™ï¼Ž NumPy を使ã‚ãªã„å ´åˆï¼Œ Python ã§ã¯ã“ã†ã—ãŸN次元é…列を表ç¾ã™ã‚‹ã«ã¯ï¼Œå¤šé‡ã®ãƒªã‚¹ãƒˆãŒåˆ©ç”¨ã•ã‚Œã¾ã™ï¼Ž np.ndarray ã¨å¤šé‡ãƒªã‚¹ãƒˆã«ã¯ä»¥ä¸‹ã®ã‚ˆã†ãªé•ã„ãŒã‚ã‚Šã¾ã™ï¼Ž 多é‡ãƒªã‚¹ãƒˆã¯ãƒªãƒ³ã‚¯ã§ã‚»ãƒ«ã‚’çµåˆã—ãŸå½¢å¼ã§ãƒ¡ãƒ¢ãƒªä¸Šã«ä¿æŒã•ã‚Œã¾ã™ãŒï¼Œ np.ndarray 㯠C ã‚„ Fortran ã®é…列ã¨åŒæ§˜ã«ãƒ¡ãƒ¢ãƒªã®é€£ç¶šé ˜åŸŸä¸Šã«ä¿æŒã•ã‚Œã¾ã™ï¼Ž ãã®ãŸã‚，多é‡ãƒªã‚¹ãƒˆã¯å‹•çš„ã«å¤‰æ›´å¯èƒ½ã§ã™ãŒï¼Œ np.ndarray ã®å½¢çŠ¶å¤‰æ›´ã«ã¯å…¨ä½“ã®å‰Šé™¤ãƒ»å†ç”ŸæˆãŒå¿…è¦ã«ãªã‚Šã¾ã™ï¼Ž 多é‡ãƒªã‚¹ãƒˆã¯ãƒªã‚¹ãƒˆå†…ã§ãã®è¦ç´ ã®åž‹ãŒç•°ãªã‚‹ã“ã¨ãŒè¨±
ç§è¨³ã€Œæš«å®šçš„ NumPy ãƒãƒ¥ãƒ¼ãƒˆãƒªã‚¢ãƒ«ã€ - naoya_t@hatenablog
# 原文：http://www.scipy.org/Tentative_NumPy_Tutorial ã“ã®ãƒãƒ¥ãƒ¼ãƒˆãƒªã‚¢ãƒ«ã‚’èªã‚€å‰ã«ã€Pythonã«ã¤ã„ã¦ã¡ã‚‡ã£ã¨ã¯çŸ¥ã£ã¦ã„ã‚‹ã¹ãã 。記憶をリフレッシュã—ãŸã„ã¨æ€ã†ãªã‚‰ã€Pythonãƒãƒ¥ãƒ¼ãƒˆãƒªã‚¢ãƒ«ã‚’見ã¦ãã‚‹ãŒã„ã„。 ã“ã®ãƒãƒ¥ãƒ¼ãƒˆãƒªã‚¢ãƒ«ã«å‡ºã¦ãる例を試ã—ãŸã„ãªã‚‰ã€ã‚ãªãŸã®PCã«å°‘ãªãã¨ã‚‚ Python NumPy ã¯ã‚¤ãƒ³ã‚¹ãƒˆãƒ¼ãƒ«ã•ã‚Œã¦ã„ã‚‹ã¹ãã§ã€ä»–ã«å…¥ã£ã¦ã‚‹ã¨ä¾¿åˆ©ãªã®ã¯ï¼š ipython ã¯æ‹¡å¼µã•ã‚ŒãŸã‚¤ãƒ³ã‚¿ãƒ©ã‚¯ãƒ†ã‚£ãƒ–ãªPythonシェルã§ã€NumPyã®æ©Ÿèƒ½ã‚’探検ã™ã‚‹ã®ã«ã¨ã¦ã‚‚便利 matplotlib ãŒã‚ã‚‹ã¨å›³è¡¨ã®æç”»ãŒå¯èƒ½ã«ãªã‚‹ SciPy ã¯NumPyã®ä¸Šã§å‹•ã科å¦è¨ˆç®—ルーãƒãƒ³ã‚’沢山用æ„ã—ã¦ãれる 基礎 NumPy ã®ä¸»è¦ãªã‚ªãƒ–ジェクトã¯ã€åŒã˜åž‹ï¼ˆæ™®é€šã¯æ•°ï¼‰ã®è¦ç´ ã®ã¿ã‹ã‚‰æˆã‚Šã€æ£ã®æ•´æ•°ã®ã‚¿ãƒ—ルã§æ·»å—付ã‘ã•ã‚ŒãŸã€å‡è³ªãªãƒ†ãƒ¼ãƒ–ル（ã¨ã„ã†ã‹å¤šæ¬¡å…ƒ
Quickstart tutorial — NumPy v1.13.dev0 Manual
Prerequisites� Before reading this tutorial you should know a bit of Python. If you would like to refresh your memory, take a look at the Python tutorial. If you wish to work the examples in this tutorial, you must also have some software installed on your computer. Please see http://scipy.org/install.html for instructions. The Basics� NumPy’s main object is the homogeneous multidimensional array.
1
ランã‚ング
ランã‚ング
メンテナンス
リリースã€éšœå®³æƒ…å ±ãªã©ã®ã‚µãƒ¼ãƒ“スã®ãŠçŸ¥ã‚‰ã›
最新ã®äººæ°—エントリーã®é…ä¿¡
j次ã®ãƒ–ックマーク
kå‰ã®ãƒ–ックマーク
lã‚ã¨ã§èªã‚€
eコメント一覧を開ã
oページを開ã
Building from source — NumPy v1.26 Manual
Scipy Lecture Notes — Scipy lecture notes
http://openbook4.me/projects/183
Numpyã«ã‚ˆã‚‹ä¹±æ•°ç”Ÿæˆã¾ã¨ã‚ - Qiita
{{#tags}}- {{label}}
{{/tags}}