Python 3 | K-TechLaboゼミ用学習ノート
Python3のテキストができました． Python3のテキスト（ミラーサイト） 無料で差し上げますので，意見や感想をくださいませ． → katsu_wm%mukogawa-u.ac.jp （’%’を’@’に変えるとメールアドレスになります） ページ末尾のコメント入力欄（非公開形式）も使えます．（名前，メールアドレスなどは無しで大丈夫です） 公開されている情報が豊富なPythonですが，アプリづくりのための一通りの入門ができる書籍などが見当たらない上，Kivyの日本語の情報も少ないのでテキストを自前で作ることにしました． 特に，既に別の言語を習得している人が，手っ取り早くPythonに取り掛かるのに役立つと考えています． Pythonには有用なライブラリ（モジュール）がたくさん公開されているので，いろんなモジュールの使い方を簡単に説明した「ライブラリブック」みたいな本も書いています．（ミラ
線形二次レギュレータ(Linear-Quadratic Regulator:LQR)の概要とPythonサンプルコード - MyEnigma
はじめての現代制御理論 (KS理工学専門書)posted with カエレバ佐藤 和也,下本 陽一,熊澤 典良 講談社 2012-09-07 Amazonで探す楽天市場で探すYahooショッピングで探す 目次 目次 はじめに LQRの概要 PythonによるLQRの制御シミュレーション Githubリポジトリ LQRのパラメータのチューニング方法 チューニング方法１ チューニング方法２ チューニング方法3 参考資料 MyEnigma Supporters はじめに 最近、ロボットの制御や経路生成の勉強をしているのですが、 しばしば出てくる技術として、 線形二次レギュレータ(Linear-Quadratic Regulator:LQR)があります。 今回はこのLQRの概要とLQRによる 簡単なPython制御シミュレーションコードを紹介したいと思います。 LQRの概要 LQRは最適制御と呼ば
3.3. Scikit-image: 画像処理 — Scipy lecture notes
3.3. Scikit-image: 画像処理¶ 著者: Emmanuelle Gouillart scikit-image は画像処理に特化した Python 画像ライブラリで、 NumPy 配列を画像オブジェクトをネイティブに扱います。この章では scikit-image を多様な画像処理タスクにどう利用するかや NumPy や Scipy などの他の Python の科学技術モジュールとの連携についても扱います。 参考 基本的な画像操作、たとえば画像の切り抜きや単純なフィルタリングなど、多くの単純な操作は NumPy や SciPy でも実現できます Numpy と Scipy を利用した画像の操作と処理 を参照して下さい。 この章を読む前に前の章の内容について慣れておく必要があります、マスクやラベルといった基本操作は準備として必要です。
[GUIDE] Numpy+Scipy for Maya Windows 64 bit
I’ve seen a lot of queries about getting scipy working in Maya (Windows 64 bit) with a few not 100% reproducible answers. So after a long personal struggle with the problem, here’s my solution which will hopefully end the madness for all Windows Maya users: TL;DR version Click here to grab Maya 2014-2015-2016 tested versions of numpy ,scipy, numexpr and other useful packages… unzip them somewhere
![[GUIDE] Numpy+Scipy for Maya Windows 64 bit](https://cdn-ak-scissors.b.st-hatena.com/image/square/279e67a6bf916f72d09105505fd332de6518d152/height=288;version=1;width=512/https%3A%2F%2Fwww.tech-artists.org%2Fuploads%2Fdefault%2Foriginal%2F2X%2F8%2F80ad2f1f2f8dc629519b276e78cf78cc4701cde8.jpg)
非公開サイト
サイトの構築。作品の販売。ブログの投稿。この他にもさまざまな機能があります。 ログイン サイトをはじめよう 非公開サイト このサイトは現在プライベート設定になっています。
Pythonで数値計算のコツ：for文書いたら負けかなと思っている – はむかず！
転職してから1年とちょっとが経ち、Pythonをメイン言語としてからも同じくらいが経った。最近やっとnumpy/scipyの使い方のコツがわかってきたと思うので、マサカリ飛んでくるのを覚悟でなんか書いてみようと思う。 転職して初めてPythonを使ったというわけではない（実際wafのwscriptとかは書いたことある）が、まあでもほぼ初心者同然だった。学習曲線でいうとPythonはすごく良い言語だと思う。Python本体の言語仕様については、わりとすぐに覚えることができた。だが一方、numpy/scipyについては、そう簡単ではなく習得するにはそれなりに時間がかかったと思う。 ケーススタディ たとえば\(N\times M\)行列\(B\), \( M\times L \)行列\( C \), \( M \)次元ベクトル\(a=(a_k)_{1\leq k \leq M}\)が与えられて
f2pyを使ってfortranでpythonのモジュールを書く - Qiita
python書きやすいけど速度がね〜 → ボトルネックをfortranのモジュール化 ！！！速い！！！ Fortranの練習も兼ねて前書いた素数表示のプログラムをモジュール化してみる。 環境 f2py（scipyに付属） gfortran4.7.2 スクリプト モジュール化したいサブルーチンを記述したファイルを用意する。 サブルーチンの引数はCf2pyでinを宣言する。 サブルーチンの戻り値（つまりpython側で受け取る戻り値）はCf2pyでoutを宣言する。 Cf2pyの宣言は行頭から、スクリプト本体はスペース6個開けてから書かないとコンパイルエラーになる。どうやらCf2pyよりもインデント的に後ろに書かないといけないっぽい（めんどくさい！！） subroutine prime_number(max_num, ret) implicit none integer max_num int
Numpy and Scipy Documentation — Numpy and Scipy documentation
For newer versions see https://www.numpy.org/doc Numpy (development version) Reference Guide Numpy (development version) User Guide Numpy 1.17.0 Reference Guide, [HTML+zip], [PDF] Numpy 1.17.0 User Guide, [PDF] Numpy 1.16.1 Reference Guide, [HTML+zip], [PDF] Numpy 1.16.1 User Guide, [PDF] Numpy 1.16.0 Reference Guide, [HTML+zip], [PDF] Numpy 1.16.0 User Guide, [PDF] Numpy 1.15.4 Reference Guide, [
Introduction to NumPy & SciPy
2. Contents NumPy & Scipy の機能紹介 → ndarrayクラスの操作を中心に説明 NumPy & SciPy を使ったプログラミング → 線形回帰、 主成分分析, K-Means → Pythonの特徴であるOOPも取り入れる ndarrayのviewと参照渡し 3. Contents NumPy & Scipy の機能紹介 → ndarrayクラスの操作を中心に説明 NumPy & SciPy を使ったプログラミング → 線形回帰、 主成分分析, K-Means → Pythonの特徴であるOOPも取り入れる ndarrayのviewと参照渡し 4. What is NumPy/SciPy? Pythonで数値計算 数値計算 ≒ 繰り返し作業、ループ Pyhton : ループが遅い、その他諸々は書きやすい。 C,Fortran : ループが速い、冗長な表現が多い
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
Google グループ
Google グループでは、オンライン フォーラムやメール ベースのグループを作成したり、こうしたフォーラムやグループに参加したりすることで、大勢のユーザーと情報の共有やディスカッションを行うことができます。
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
GitHub - JohannesBuchner/imagehash: A Python Perceptual Image Hashing Module
GitHub - google/burst-denoising
carlkl :: Anaconda.org
scikit-learn: machine learning in Python
tokyo-scipy (Tokyo.Scipy) · GitHub
SciPy - SciPy wiki dump