PyCon JP 2014で発表してきた – はむかず！
先日PyCon JP（Python開発者のお祭り）で、登壇発表してきました。 そのときの資料がこちら 内容としては、NumPyを使って高速に計算するコツと、SciPyの中の特に疎行列の扱いについてです。 そしてビデオがこちら。 https://www.youtube.com/watch?v=VJwjzY6jdBY#t=293 Togetterでの反応 http://togetter.com/li/719865?page=23 を見ると、やはり難しかったという人もいるようですが、こういう内容の発表だとやはり全員にその場で理解してもらうというのは難しいと思うので、今後ブログ等で補完的な内容を発信していこうかと思ってます。
私訳「暫定的 NumPy チュートリアル」 - naoya_t@hatenablog
# 原文：http://www.scipy.org/Tentative_NumPy_Tutorial このチュートリアルを読む前に、Pythonについてちょっとは知っているべきだ。記憶をリフレッシュしたいと思うなら、Pythonチュートリアルを見てくるがいい。 このチュートリアルに出てくる例を試したいなら、あなたのPCに少なくとも Python NumPy はインストールされているべきで、他に入ってると便利なのは： ipython は拡張されたインタラクティブなPythonシェルで、NumPyの機能を探検するのにとても便利 matplotlib があると図表の描画が可能になる SciPy はNumPyの上で動く科学計算ルーチンを沢山用意してくれる 基礎 NumPy の主要なオブジェクトは、同じ型（普通は数）の要素のみから成り、正の整数のタプルで添字付けされた、均質なテーブル（というか多次元
pandasメモ - 盆栽日記
ドキュメントが充実しているのでそこを読めばよいのだが、Ｒで今まで行っていた作業を置き換えていく意味でメモ。 http://pandas.pydata.org/pandas-docs/stable/ 適宜、追記・修正する。 import pandas as pd import matplotlib.pyplot as plt from pandas import DataFrame import xlrd # xlsを読み込む際に必要 import numpy as np import sqlite3 # データフレームを作る smp = {'state' : ['Ohio', 'Ohio', 'Ohio', 'Nebada', 'Nebada'], 'year' : [2000, 2001, 2002, 2001, 2002], 'pop' : [1.5, 1.6, 1.7, 3.5, 4
数式をnumpyに落としこむコツ
Tokyo.SciPy #2 にて発表した、数式(あるいは数式入りのアルゴリズム)から実装に落とす場合、何に気をつけるのか、どう考えればいいのか、というお話。 対象は、どうやって数式をプログラムすればいいかよくわからない人、ちょっとややこしい数式になると四苦八苦してしまい、コードに落とすのにすごく時間がかかってしまう人、など。 ここでは実行速度についてはひとまずおいといて、簡潔で間違いにくい、ちゃんと動くコードを書くことを目標にしています。
高速数値計算ライブラリ「Numpy」覚書き - Pashango’s Blog
Pythonで一番有名で普及しているライブラリと言っても過言ではない「Numpy」の覚書きです。かなり多機能な数値計算ライブラリで、内部はC言語で記述されているため超高速に動作します。 ベクトル ベクトルの長さ＆正規化 import numpy a = numpy.array([[2,2]]) #ベクトルの長さ length = numpy.linalg.norm(a) #length=>2.8284271247461903 #ベクトルの正規化 a / numpy.linalg.norm(a) #=>array([[ 0.70710678, 0.70710678]]) 内積＆外積 import numpy v1 = numpy.array((1,0,0)) v2 = numpy.array((0,1,0)) #内積 numpy.dot(v1,v2) #=> 0 #外積 numpy.cros
python/numpy - 機械学習の「朱鷺の杜Wiki」
パッケージ† pip や easy_install によるインストールの前に多くの外部ライブラリやfortranコンパイラなどが必要になるので，numpy等の科学技術計算パッケージをインストールするには以下のようなパッケージを一般には利用する： 商用（サポートなしなら無料でも利用できる） Anaconda：無料版でもIntel MKLが使える Enthought Canopy フリー Unofficial Windows Binaries for Python Extension Packages (個人ベースの管理で非公式版) ↑ その他† pyvideo.org：PyCon, SciPy, PyData などの講演ビデオリンク集 100 numpy exercises：練習問題 Pythonidae：Python関連のライブラリのリンク集 SciPy Central：SciPy 関連コ
Numpyが多倍長演算してない件について - CanI’s Diary
Programming, Python行列の冪乗求めてて気づいた。超長いです。タルいです。←先日のこのエントリフィボナッチ数列に関する2つのアルゴリズムの速度比較のRubyとPythonでの比較＠Python, Ruby - CanI’s Diaryで、こんなこと書きました。※fib_log(n)は行列演算で、Matrixクラスとかいう便利クラスはPythonにはないので、numpyとかで計算しようとしました。が、うまくいかなかったので(原因調査中)今回は比較してません。そのうち比較記事あげるつもりです。その原因がわかったので、まとめ。(が、解決はできていない(ぁとりあえず、逐語訳@Pythonのfib_log(n) #!/usr/bin/env python import numpy import time def fib_log(n) : return (numpy.mat([[1,1
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
サービス終了のお知らせ
サービス終了のお知らせ
http://www.ike-dyn.ritsumei.ac.jp/~uchida/scipy-lecture-notes/intro/help/help.html
Scipy Lecture Notes — Scipy lecture notes