기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

댓글 쓰기

관찰치에 대응되는 참조그룹의 보고

이전 포스트에서 DataFrame을 list로 전환:rand(), list comprehension 와 DataFrame을 list로 전환:rand(), list comprehension 를 통해 참조 그룹을 설정하고 관찰치가 어느 그룹에 속하는지를 반환하는 함수를 작성하였다.
이번에는 그 결과를 DataFrame 형식으로 테이블을 만들어 보자.
우선 표의 한 열에 각행에 구간의 (시작값과 마지막 값]을 표시하고 다른 열에는 대상 데이터가 어느 구간에 속함을 대상데이터의 이름을 입력한다.
다음 함수는 DataFrame 형식으로 각 행에 (시작값과 마지막 값]을 표시한다.

def DisplayPreIntervalS(inter):
    inter1=[]
    for i in range(1, len(inter)):
        inter2="("+str(inter[i-1])+','+str(inter[i])+']'
        inter1.append(inter2)
    inter1=np.array(inter1)
    return(inter1)

위 함수에서 문자열의 '+' 연산자는 각 문자(열) 사이를 이어주는 역할을 적용한다.

In [1]: import numpy as np
In [2]: import pandas as pd

In [3]: x=np.round(np.random.rand(3, 4)*10, 1)
In [4]: xdf=pd.DataFrame(x)
In [5]: refd=mkRefdS(xdf, 2) In [6]: print(refd)
[ 3.5 1. 3.6 0.3 5.4 2.5 5.9 5.7 6.9 9.6 8.3 3.3]

 In [7]: obs=pd.DataFrame(obs, index=["a","b","c","d"]) In [8]: obs
Out[8]:
0
a4.2
b1.0
c8.8
d7.8


In [9]: inter, re=matchingObsS(obs.ix[:,0], refd)
In [10]: inter
Out[10]:array([ 0.3, 1.3, 2.4, 3.4, 4.4, 5.5, 6.5, 7.5, 8.6, 9.6])
In [11]: re
Out[11]:{'a': 3, 'b': 0, 'c': 8, 'd': 7}

In [12]: re1=DisplayPreIntervalS(inter)
In [13]: re1
Out[13]: array(['(0.3,1.3]', '(1.3,2.4]', '(2.4,3.4]', '(3.4,4.4]', '(4.4,5.5]',
'(5.5,6.5]', '(6.5,7.5]', '(7.5,8.6]', '(8.6,9.6]'],
dtype='<U9')

위의 결과와 코드 11의 결과를 하나의 테이블로 나타내기 위해 다음 함수를 작성하였다.
이 함수의 인수 inter는 위의 re1이고 mch는 re이다.

def DisplayMatchPreObsS(inter, mch): re=[0]*len(inter) key=list(mch.keys()) val=list(mch.values()) m=0 for i in val: if re[i] !=0: re[i]=re[i]+','+key[m] else: re[i]=key[m] m=m+1 re1=pd.DataFrame(np.c_[inter,re]) re1.columns=['Interval','obs'] return(re1)

위 함수의 기본 생각은 길이가 inter의 행의 수만큼인 각 값이 0인 리스트를 생성한다.
각 행의 번호(이름)과 위 결과 re의 values와 같은 인덱스를 나타낸다. 그러므로 모든 값이 0인 리스트의 인덱스와 values가 같은 위치에 그에 대응하는 keys값을 입력한다.
예를 들어 위의 결과 re에서 values=3에 대응하는 keys='a'이다. 그러므로
리스트[3]='a'를 입력한다.
또한 다른 별개의 re의 원소중 values가 같으면 그에 해당하는 문자가 결합되도록 if 조건문을 사용하였다.
In [14]: re2=DisplayMatchPreObsS(re1, re) In [15]: re2
Out[15]: 
Intervalobs
0(0.3,1.3]b
1(1.3,2.4]0
2(2.4,3.4]0
3(3.4,4.4]a
4(4.4,5.5]0
5(5.5,6.5]0
6(6.5,7.5]0
7(7.5,8.6]d
8(8.6,9.6]c



Labels:

댓글

댓글 쓰기

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...
댓글 쓰기
Read more »

[sympy] Sympy객체의 표현을 위한 함수들

Sympy객체의 표현을 위한 함수들 General simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다. import numpy as np from sympy import * x=symbols("x") a=sin(x)**2+cos(x)**2 a $\sin^{2}{\left(x \right)} + \cos^{2}{\left(x \right)}$ simplify(a) 1 simplify(b) $\frac{x^{3} + x^{2} - x - 1}{x^{2} + 2 x + 1}$ simplify(b) x - 1 c=gamma(x)/gamma(x-2) c $\frac{\Gamma\left(x\right)}{\Gamma\left(x - 2\right)}$ simplify(c) $\displaystyle \left(x - 2\right) \left(x - 1\right)$ 위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다. $$\tag{식 1}\Gamma(n) =\begin{cases}(n-1)!& n:\text{자연수}\\\int^\infty_0x^{n-1}e^{-x}\,dx& n:\text{부동소수}\end{cases}$$ x=symbols('x') gamma(x).subs(x,4) $\displaystyle 6$ factorial 계산은 math.factorial() 함수를 사용할 수 있습니다. import math math.factorial(3) 6 a=gamma(x).subs(x,4.5) a.evalf(3) 11.6 simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...
댓글 쓰기
Read more »

유리함수 그래프와 점근선 그리기

내용 유리함수(Rational Function) 점근선(asymptote) 유리함수 그래프와 점근선 그리기 유리함수(Rational Function) 유리함수는 분수형태의 함수를 의미합니다. 예를들어 다음 함수는 분수형태의 유리함수입니다. $$f(x)=\frac{x^{2} - 1}{x^{2} + x - 6}$$ 분수의 경우 분모가 0인 경우 정의할 수 없습니다. 이와 마찬가지로 유리함수 f(x)의 정의역은 분모가 0이 아닌 부분이어야 합니다. 그러므로 위함수의 정의역은 분모가 0인 부분을 제외한 부분들로 구성됩니다. sympt=solve(denom(f), a); asympt [-3, 2] $$-\infty \lt x \lt -3, \quad -3 \lt x \lt 2, \quad 2 \lt x \lt \infty$$ 이 정의역을 고려해 그래프를 작성을 위한 사용자 정의함수는 다음과 같습니다. def validX(x, f, symbol): ① a=[] b=[] for i in x: try: b.append(float(f.subs(symbol, i))) a.append(i) except: pass return(a, b) #x는 임의로 지정한 정의역으로 불연속선점을 기준으로 구분된 몇개의 구간으로 전달할 수 있습니다. #그러므로 인수 x는 2차원이어야 합니다. def RationalPlot(x, f, sym, dp=100): fig, ax=plt.subplots(dpi=dp) # ② for k in x: #③ x4, y4=validX(k, f, sym) ax.plot(x4, y4) ax.spines['left'].set_position(('data', 0)) ax.spines['right...
댓글 쓰기
Read more »