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。
python
データサイエンス 
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 python入門講座｜python環境構築(python3.9をIntel Macにインストールしよう！)[番外編]
Ciao！みなさんこんにちは！このブログでは主に(1)pythonデータ解析,(2)DTM音楽作成,(3)お料理,(4)博士転職の4つのトピックについて発信しています。
今回は「アラサーOLのためのpython入門講座」です！この講...
アラサーOLのためのpython入門講座 python入門講座 | pythonを使ってみよう3-4(pythonのルール・フォーマットの基礎知識: PEP-8)[第9回]
pythonのスクリプト(ソースコード)を書く方法をご紹介します！今回からは関数を定義して使ってみるなど複雑な処理をやってみましょう！まずはpythonで本格的にスクリプトを書く際に意識すると良いことを知識としてご紹介します！
アラサーOLのためのpython入門講座 python入門講座｜python環境構築(python3.9をM1 Macにインストールしよう！)[第3回]
pythonを始める前の準備として「環境構築」を行います。パソコン上に「仮想環境」と呼ばれるpython用の作業場を作ります。この記事では、M1チップ搭載のMacにおける環境構築の方法をお伝えします！今日のゴールはM1 Macでpythonを使えるように環境を整えることです！一緒にやってみましょう！
アラサーOLのためのpython入門講座 アラサーOLのためのpython入門講座、開設！[第1回]
「アラサーOLのためのpython入門講座」を開設します！この講座では、実在するアラサーOLのMi坊さんに、pythonを学習していく上でのアドバイスを行います！「パソコンもプログラミングも初心者だけど、プログラミングができるようになりたい！」本講座では、そのようなみなさまがpythonを習得できるような豆知識をお伝えします！
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！
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2(棄却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2回の今回は、棄却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！棄却サンプリングは実装が簡単で、仕組みも直感的に理解できるため実用性が高い方法です！
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1(問題設定編)
本シリーズでは、任意の確率分布から任意の個数のランダムサンプルを得る方法をご紹介します！シリーズ初回の今回は、任意の確率分布からサンプリングを行う必要がある場面の例をご紹介します！実世界のデータは、一様分布や正規分布などの一般的な確率分布に従わない場合があります。そのような場合には、任意の確率分布からサンプリングする手法を用いる必要があります。