多次元データ解析ライブラリ xarray - Qiita
多次元データ解析ライブラリ xarray この記事では、多次元データ解析を支援するPythonのライブラリxarrayを紹介します。 さらに詳しい情報は本家の情報を参照してください。 xarrayの特徴 背景 科学計測データは往々にして多次元になります。 例えば、複数の位置に設置したセンサで時系列データを計測する場合、 計測データは 空間チャンネル方向 × 時間方向 の二次元データになります。 さらにそのデータに短時間フーリエ変換を施す場合は 空間チャンネル方向 × 時間方向 × 周波数方向 の三次元データになったりします。 一般的にこういうデータを扱う場合、numpy の np.ndarray を使うことが多いと思います。 しかし、np.ndarray は単純な行列（もしくはテンソル）なので他の情報は別途置いておく必要があります。 上の例だと、 次元の順番：二次元データのうち1次元目が空
101 Numpy Exercises for Data Analysis
The goal of the numpy exercises is to serve as a reference as well as to get you to apply numpy beyond the basics. The questions are of 4 levels of difficulties with L1 being the easiest to L4 being the hardest. 101 Numpy Exercises for Data Analysis. Photo by Ana Justin Luebke. If you want a quick refresher on numpy, the following tutorial is best: Numpy Tutorial Part 1: Introduction Numpy Tutoria
【einsum】アインシュタインの縮約記法のように使えるnumpyの関数。性能と使い方を解説。 - プロクラシスト
こんにちは、ほけきよです。 大学で物理*1を嗜んだ方ならわかるであろうEinsteinの縮約記号。 計算の上で色々省略できるしとにかく慣れれば色々便利な記法です！ 物理学者以外には馴染みがなく微妙かもしれませんが、「便利そうだな〜〜」と思って使ってみたり試してみたりしたので、メモとしてまとめておきます。誰かの参考になれば幸いです。 einsum 縮約記法とは 例 文法 行列(単体) 行列演算その① ベクトル演算その② レビチビタ記号とその応用(行列式、逆行列、外積) 外積(Cross Product) 行列式(Determinant) 逆行列 高階/高次への拡張 性能比較 内積計算 コード*5 行列演算1 : 要素が1のN×N行列の積 行列演算2 : 要素が1のN×Nの行列の(AB)C(3つの積) 外積 : (1,1,1)×(1,1,1) 行列式 : np.arange(9).reshap
From Python to Numpy
There are already a fair number of books about Numpy (see Bibliography) and a legitimate question is to wonder if another book is really necessary. As you may have guessed by reading these lines, my personal answer is yes, mostly because I think there is room for a different approach concentrating on the migration from Python to Numpy through vectorization. There are a lot of techniques that you d
numpy-100/100 Numpy exercises.md at master · rougier/numpy-100 · GitHub
100 numpy exercises This is a collection of exercises that have been collected in the numpy mailing list, on stack overflow and in the numpy documentation. The goal of this collection is to offer a quick reference for both old and new users but also to provide a set of exercises for those who teach. If you find an error or think you've a better way to solve some of them, feel free to open an issue
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
