🔷 プログラミング言語－C，JavaScript，Python－

応用例
無作為抽出	extracted = random.sample(data, 10)
平均	average = statistics.mean(data) average = np.mean(data)
標準偏差	std = statistics.stdev(data) std = np.std(data) std = np.std(data, ddof=1) # 標本標準偏差
散布図 *	import numpy as np import matplotlib.pyplot as plt # 乱数を生成 x = np.random.rand(100) y = np.random.rand(100) # 散布図を描画 plt.scatter(x, y)
ヒストグラム	import matplotlib.pyplot as plt ax1 = fig.add_subplot(211) ax1.hist(x1, bins=bins)
画像 (matplotlib) の例：

ともひろてすと

可読性重視の科学計算向け。 ^{10 ) 11 )}

Phthon (パイソン）は、多様なデータ構造が組み込まれているので、データ処理しやすい 言語です。 Anaconda（アナコンダ）や、 Google Colaboratoy などの開発環境があります。 Phthonには、数値計算ライブラリNumPyがあります。 NumPyは、CやふFORTRANで、実装されていて、高速で実行できます。 ほかにも、Matplotlib(グラフ描画ライブラリ） pandas(データ分析ライブラリ） TensorFlow(機械学習ライブラリ）　OpenCV（画像処理ライブラリ） など便利なライブラリが多数あります。

pymatgenライブラリは、まだあまり普及していない。 *

Webアプリ を書くには、 django プラットフォームがあったほうがいいかも。

# ■■■　 ★星形　■■■
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as patches
import math
from google.colab import files

xy = [ (math.sin(p), math.cos(p))  for p in \
      np.arange(start = 0, stop = 4 * math.pi, step = 4 * math.pi/5)]

fig, ax = plt.subplots(figsize=(5.8, 4.2)) 
plt.axis("off") 
ax.set_aspect('equal');ax.set_xlim([-1,1]);ax.set_ylim([-1,1])
ax.add_patch(patches.Polygon(xy, \
                             closed=True,facecolor="y",edgecolor="none"))

plt.savefig('star.SVG');files.download("star.SVG")
plt.savefig('star.PNG');files.download("star.PNG")
plt.show()
# ■■■　 ★星形　■■■

# ■■■　 ♥ハート形　■■■
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as patches
import math
from google.colab import files

xy = [(math.cos(p), math.sin(p)+math.sqrt(math.fabs(math.cos(p)))) \
      for p in np.arange(start = 0, stop = 2 * math.pi, step = 0.02)]

fig, ax = plt.subplots(figsize=(5.8, 4.2)) 
plt.axis("off")
ax.set_aspect('equal');ax.set_xlim([-1,1]);ax.set_ylim([-1,2])
ax.add_patch(patches.Polygon(xy, \
                             closed=True,facecolor="r",edgecolor="m"))

plt.savefig('heart.SVG');files.download("heart.SVG")
plt.savefig('heart.PNG');files.download("heart.PNG")
plt.show()

# ■■■　 ♥ハート形　■■■

# ■■■　 コッホ曲線　Koch curve　■■■
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.patches as patches
import math
import sys
from google.colab import files

sys.setrecursionlimit(100)

#関数定義
def func(xy,p1,p2,i):
  if i < 0:
    xy.append(p1)
    xy.append(p2)
    return
  else:
    x1 = p1[0];             y1 = p1[1]
    x2 = p2[0];             y2 = p2[1]
    x3 = (x1 * 2 + x2) / 3; y3 = (y1 * 2 + y2) / 3
    x4 = (x1 + x2 * 2) / 3; y4 = (y1 + y2 * 2) / 3
    xx1 = x4 - x3
    yy1 = y4 - y3
    xx2 = 0.5*xx1 + math.sqrt(3)/2* yy1
    yy2 = -math.sqrt(3)/2*xx1 + 1/2* yy1
    x5 = xx2 + x3;          y5 = yy2 + y3
    xy.append(p1)
    func(xy, p1, [x3,y3], i - 1)
    func(xy,[x3,y3], [x5, y5], i - 1)
    func(xy,[x5,y5], [x4, y4], i - 1)
    func(xy,[x4,y4], p2, i - 1)
    xy.append(p2)
    return

xy = []

n=4
func(xy,[0,0],[1,0],n)
func(xy,[1,0],[0.5,math.sqrt(3)/2],n)
func(xy,[0.5,math.sqrt(3)/2],[0,0],n)

fig, ax = plt.subplots(figsize=(5.8, 4.2)) 
plt.axis("off") 
ax.set_aspect('equal');ax.set_xlim([0,1]);ax.set_ylim([-0.5,1])
ax.add_patch(patches.Polygon(xy, closed=True,facecolor="c",edgecolor="b",lw=0.1))

plt.savefig('Koch.SVG');files.download("Koch.SVG")
plt.savefig('Koch.PNG');files.download("Koch.PNG")
plt.show()

# ■■■　 コッホ曲線　Koch curve　■■■

# ■■■　ワイブル分布　■■■
import math
import numpy as np
import matplotlib.pyplot as plt

alpha = 0.5 # 尺度パラメータ、放射能では半減期、プロセス制御では時定数と呼ばれる
beta = 2 # 形状パラメータ（ワイブル係数）
gamma = 0 # 位置パラメータ

t = np.arange(0, 3, 0.1)
f = [ (beta/alpha)*pow((p-gamma)/alpha,beta-1) * \
     math.exp(-pow((p-gamma),beta)/alpha)  for p in t]
plt.plot(t, f)

# ■■■　ワイブル分布　■■■

寿命時間の 確率分布として ワイブル分布が知られています ^{12 )} 。

散布図を描くには、値域と定義域のそれぞれの集合を準備します。 pythonで、たとえば、0<t<3の定義域のそれぞれの値t_iを 設定するには、

t = np.arange(0, 3, 0.1)

とすれば、定義域が0から3、公差0.1の数列が集合として、リスト型の変数に格納できます。

pythonは、このような数学的な概念が、文法として言語に組み込まれているので、 Basic 、 C、 JavaScriptのように forループで繰り返し処理を書く必要がなく、すっきりとしたエレガントなコードを書くことができます。

◇ 参考文献

はじめに
• 1 . 🔷 工業の歴史と現代の生活
  • 日本国憲法
• 2 . 🔷 技術倫理－環境，知的財産，事故，安全－
• 3 . 🔷 モノづくりのための材料、加工法、図面－寸法，ノギス，第三角法－
• 4 . 🔷 デジタルファブリケーションとＣＡＤ
  • デジタルファブリケーション
  • 🔷 三面図の模擬授業
• 5 . 🔷 機械加工－工具，刃物，旋盤，フライス盤，ボール盤－
  • 工具
  • 旋盤の扱いかた
  • フライス盤の扱いかた
• 6 . 🔷 接合－溶接，鋳造，はんだ付け，接着－
  • 紙飛行機の製作
• 7 . 🔷 電気回路－回路計，プリント配線，電気回路図－
  • 実用電子工作としての FMワイヤレス マイク
  • FMワイヤレス マイクの製作
  • FMワイヤレス マイクの製作
  • FMワイヤレス マイクの動作テスト
  • まとめと動作不良品の最終補修・完成
• 8 . 🔷 コンピュータ制御－センサ，アナログ，デジタル－
  • 木材加工とスピーカーボックス
  • スピーカーボックスの製作
  • スピーカーの音出し
• 9 . 🔷 プログラミング言語－C，JavaScript，Python－
  • C
  • JavaScript
  • Python
  • BASIC
• 10 . 🔷 化学工業－質量，容積，液面，温度，ｐＨ，制御，プラント記号－
  • 制御
  • プラント記号
• 11 . 🔷 高分子材料－プラスチック，ガラス，繊維－
• 12 . 🔷 建築材料－木材，コンクリート， 形，力－
  • 木材
  • コンクリート
• 13 . 🔷 測量―敷地平面図，配置計画－
• 14 . 🔷 住宅 －住宅平面図，透視図（パース），内観パース
• 15 . 🔷 意匠 －デザイン，色彩，インテリア－

• 工業の歴史と現代の生活
  • 講義ノート
  • 米沢高等工業学校本館
• 工業技術基礎（加工技術と測定技術）
  • 精度と有効数字
• 工業と理科（物理、化学、生物、地学）
  • 工学と理科の違い
• 工業数理基礎（工業数学、数値と単位）
• 工業技術英語（工業英語、科学英語）
• 工業と物理（物理化学、分析化学）
• 工業と化学（工業化学、化学工学）
• 材料技術基礎（材料製造、材料加工）
• 工業と機械（機械加工と製図、ＣＡＤ、プラント記号）
• 工業と電気（電気回路と記号）
• 工業と土木（測量と建築）
• 情報技術基礎（情報処理、ディジタル回路、マイコン制御）
• 工業所有権（特許権、実用新案権、意匠権、商標権、著作権）
• 工業管理技術（安全管理、品質管理、規格、生産管理）
• 技術者倫理（リサイクル、廃棄物、環境）