データサイエンス Matplotlib | Pythonで綺麗な2次元散布図を描く方法2（理論編）
2次元の散布図上の点の密度をカラーで表示する方法8つをまとめてご紹介！密度カラー散布図の描き方は、密度計算の方法やスムージング、個々の点への密度の割当方法で8つに分類することができます。今回はこれらを網羅的にご紹介します。
データ解析
データサイエンス 
データサイエンス Matplotlib | Pythonで綺麗な2次元散布図を描く方法1（概要編）
Pythonで綺麗な散布図を描く方法をご紹介します！2次元の散布図を描くとき、点の数が多いと密集した場所が潰れて見えないことがあります。散布図上の点の密度をカラーや等高線で表示することで、綺麗な散布図を描くことができます。
データサイエンス NumPyレシピ | 全ての組み合わせについての計算はnp.ufunc.outerで！
NumPy配列の要素同士の全ての組み合わせについて計算を行う方法を紹介します。例えば、2つの配列の要素同士の全ての組み合わせについて差分などです。np.ufunc.outer()を使う方法、np.meshgrid()やnp.tile()で2次元化する方法を比較します。
データサイエンス NumPyレシピ | aのx乗（a^x, a**x）はどの方法が高速か？
aのx乗を高速に計算する方法を紹介します。Pythonでは、a**xやnp.power(a, x)など実装方法がいくつかあるので、計算速度を比較します。計算速度が速いnp.expを使ってa**xを計算する方法も取り入れます！
データサイエンス NumPyレシピ | np.exp(x)はe**xよりも2倍ほど高速！
Pythonでexp(x)を高速に計算する方法を紹介します。Exponential（exp(x)やeのx乗）の計算は統計学やデータ解析で頻出の計算です。Pythonでは、numpy.expやe**xなど実装方法がいくつかあるので、計算速度を比較します。
データサイエンス NumPyレシピ | 複数のベクトルのノルム(大きさ)はnp.linalg.normで高速計算できる！
今回はPythonデータ解析、複数のベクトルのノルムを高速に計算する方法です。ノルムの計算については複数のベクトルでもnp.linalg.norm()というメソッドを用いて計算することができます。速度的にもnp.linalg.norm()で十分です。
データサイエンス NumPyレシピ | 複数のベクトル同士の内積は成分計算するのが速い！
今回はPythonデータ解析、複数のベクトル同士の内積を高速に計算する方法です。一つのベクトル同士の内積はNumPyのnp.dot()でできますが、np.dot()では複数のベクトル同士の内積を一度に計算することはできないため、高速に計算するには工夫が必要です。
アラサーOLのためのpython入門講座 Macレシピ | M2 Macの日本語入力セットアップ（入力ソース切替のショートカット設定）
MacBook Pro (M2チップ)で日本語入力をセットアップする方法を紹介します！入力ソースのショートカット設定でつまずき、入力ソースの切り替えができなくなる問題が発生しましたので解決方法と合わせて紹介します！
データサイエンス 統計学&pythonレシピ | 任意の確率分布からのサンプリング4(NumPy棄却サンプリング編)
本シリーズでは、任意の確率分布からランダムサンプルを得る方法をご紹介します！シリーズ第4回の今回は、棄却サンプリングをNumPyで高速実装する方法をご紹介します！第2回で紹介した方法の1/100程度の計算時間に短縮できる実践で役に立つ実装方法です！お試しください！
データサイエンス 統計学&pythonレシピ | 任意の確率分布からのサンプリング3(MHサンプリング導入編)
本シリーズでは、任意の確率分布からランダムサンプルを得る方法をご紹介します！シリーズ第3回の今回は、Metropolis-Hastingsサンプリング(MHサンプリング)という手法で任意の確率分布からサンプリングを行う方法をご紹介します！MHサンプリングは目標分布や提案分布に課される条件が緩く、便利なサンプリング手法です！