scipy.stats のパラメータ loc と scale について

scipy.stats の各種オブジェクトには locおよびscale というパラメータがあります．

これらは結構混乱のもとなので，(自分向けに)まとめてみました．

任意の標準的な分布 があるとき，
パラメータ loc=mu, scale=sigma と指定することで，
が にしたがうようになる．

具体的には，例えば正規分布なら，scipy.stats.norm(loc=mu, scale=sigma) とすると， 確率変数 が標準正規分布にしたがう． よって，もとの がどうなるかというと，計算してみるとこの場合 となる． つまり平均 ，分散 なる正規分布である．

分布なら，scipy.stats.chi2(df=n, loc=mu, scale=sigma)とすると， 確率変数 が自由度nの分布に従う． よって，もとの がどうなるかというと，自由度nの分布に従う確率変数を 倍して を足したものとなる．

【numpy】viewとcopy

配列のviewとは、もとの配列と同じデータを指している。 一方、copyは、もとの配列と同じデータのコピーを指している。

つまり、配列aのviewであるvが存在するとして、vの要素を書き換えるとaの値も同時に書き換わる。 しかし、aのcopyであるcの要素を書き換えてもaの値は影響を受けない。

例えば、

NumPyから最高のパフォーマンスを得る方法

2018/12/27 追記

この記事はかなり昔の情報が混じっている可能性があります。 元の記事にもいくつか修正が入っているようですが、この翻訳記事では特に修正を実施していません。ご注意ください。 正確な情報は元記事を参照してください。

記事

この記事の和訳です。
色々間違っている可能性があるのでご注意ください。

---

NumPyはPythonの科学計算ソフトフェア群の基礎となるものです。 NumPyはndarrayというベクトル計算に最適化された特別なデータ構造を提供します。 このオブジェクトは、科学数値計算の中の多くのアルゴリズムの核となっています。

特に計算がひとつの命令で多くのデータを操作する (SIMD) パラダイムに沿っている時、Numpy array (配列)を使うことでネイティブなPythonよりもかなりのパフォーマンスの高速化が達成できます。 しかし、最適化されていないNumPyのコードを何気なく書いてしまうこともありえます。

この記事では、あなたが最適化されたNumPyのコードを書くことを助けるいくつかのトリックを紹介します。 時間とメモリを節約するために、不必要な配列のコピーを避ける方法から見ていきましょう。 そのために、NumPyの内部に分け入る必要があるでしょう。

scipy.stats - scipyの統計関数群のAPI

scipyにはstatsという統計関数をまとめたモジュールがあります． statsにはいろいろな統計関数が用意されていますが，APIは統一されていますので，それについてちょっとまとめてみます．

【matplotlib】日本語の設定

Matplotlibで日本語を出力するのにかなり手間取ったのでメモ。 Windows, Python3を想定しています。

Markdown test - LaTeX, footnote

$$ abc $$

inline tex is $ y \sim \text{N}(\mu, \sigma) $ ok?

inline tex is ok?

inline tex is (y \sim \text{N}(\mu, \sigma) ) ok?

$$ e^{i\pi} = -1 $$

broken footnote sample^1

【Python】 progressbar

進捗を示すためにshell上にプログレスバーを表示したいことがよくあります．

50% (200 of 400) |############            |

こんなやつです．

Pythonでも，重い処理をforループで回すときに欲しくなります． 当然同じことを考える人がいるので，すでにパッケージがあります．

「python progressbar」で検索して一番上に出てくるパッケージ(progressbar)はpython3に対応してない上，開発がだいぶ前に止まっているので，今回は別のパッケージ(progressbar2)を使います．