pythonに関係する記事
データサイエンス Matplotlib | 自作のスケールを定義する方法: Custom scale（Python軸スケール5）
Matplotlib、軸のスケールシリーズ第5回！Custom scaleという枠組みをつかって、自作のスケールを定義する方法を解説します！Matplotlibであらかじめ用意されていないスケールを定義し、軸のスケールを設定することができるようになります。
データサイエンス Matplotlib | LogScale classとLog変換（Python軸スケール4）
Matplotlib軸のスケールシリーズ第4回、LogScale classの概要解説です！LogScale、LogTransform、InvetedLogTransformという3つのClassの使い方をセットで解説します！
データサイエンス Matplotlib | Scale Classの概要（Python軸スケール3）
Pythonで作図する際、軸のスケールはScaleオブジェクトを使って変更することもできます。Scaleオブジェクトの使い方を知っておくと、オリジナルのスケールを定義したり、変換・逆変換関数を簡単に呼び出せるようになります。
データサイエンス Matplotlib | 予め用意された7種類のスケール（Python軸スケール2）
Matplotlib側で予め用意されている7種類のスケールをご紹介します！今回の記事は「Pythonの作図で軸のスケールを変えたいけどどうやる？負の値も対数スケールでプロットできないの？散布図のデータ点が潰れて見にくいのはどうしたら良い？」といったお悩み解決に役立つはずです！
データサイエンス Matplotlib | Python作図での軸のスケール設定の必要性（Python軸スケール 1. 知識編）
作図において軸のスケールを設定する必要性についてお話します！データによっては線形スケールではなくLogスケールなどに設定する必要があります。今回は線形、Log、Symlogスケールを使うべき場面を例をあげて解説します！
データサイエンス Matplotlib | Pythonで散布図を1次元ヒストグラムと同時にプロットする方法（Python散布図 4. 応用編）
Pythonで綺麗な散布図を描く方法の第4回です！2次元の散布図上の点の密度をカラーで表示する「密度カラー散布図」の描画方法をご紹介します。今回は密度カラー散布図と同時にx, y各軸の1次元ヒストグラムをプロットします！
データサイエンス Matplotlib | Pythonで綺麗な2次元散布図の実装方法（Python散布図 3. 基礎編）
2次元の散布図上の点の密度をカラーで表示する「密度カラー散布図」の実装方法をご紹介します。まずは基礎編として、前回紹介した8つの描画方法を関数として実装します。
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。