A B C d E F G H I K L M N O P Q R S T U V W Z A statsmodels.ap.stats.anova_lm(x) statsmodels.formula.api.ols 에 의해 생성되는 모형 즉, 클래스 인스턴스(x)를 인수로 받아 anova를 실행합니다. np.argsort(x, axis=-1, kind=None) 객체 x를 정렬할 경우 각 값에 대응하는 인덱스를 반환합니다. Axis는 기준 축을 지정하기 위한 매개변수로서 정렬의 방향을 조정할 수 있음(-1은 기본값으로 마지막 축) pandas.Series.autocorr(lag=1) lag에 전달한 지연수에 따른 값들 사이의 자기상관을 계산 B scipy.stats.bernoulli(x, p) 베르누이분포에 관련된 통계량을 계산하기 위한 클래스를 생성합니다. x: 랜덤변수 p: 단일 시행에서의 확률 scipy.stats.binom(x, n, p) 이항분포에 관련된 통계량을 계산하기 위한 클래스를 생성합니다. x: 랜덤변수 n: 총 시행횟수 p: 단일 시행에서의 확률 C scipy.stats.chi2.pdf(x, df, loc=0, scale=1) 카이제곱분포의 확률밀도함수를 계산 $$f(x, k) =\frac{1}{2^{\frac{k}{2}−1}Γ(\frac{k}{2})}x^{k−1}\exp\left(−\frac{x^2}{2}\right)$$ x: 확률변수 df: 자유도 pd.concat(objs, axis=0, join=’outer’, …) 두 개이상의 객체를 결합한 새로운 객체를 반환. objs: Series, DataFrame 객체. Axis=0은 행단위 즉, 열 방향으로 결합, Axis=1은 열단위 즉, 행 방향으
1. 산포도(scatter plot)
plt.scatter(x, y)>>> import matplotlib.pyplot as plt
>>> import numpy as np
>>> data=np.random.rand(1024, 2)
>>> data[:3, :]
>>> plt.scatter(data[:,0], data[:,1])
>>> plt.show()
2. 막대그래프(bar chart)
plt.bar(x, hight, width, align='center')매개변수중 width에 인수를 전달하여 막대의 두께를 조절할 수 있다. 또한 align의 인수는 'center'와 'edge' 이다. 기본값은 'center'이다. 이 값은 x축의 레이블이 막대의 중간에 위치(center) 또는 왼쪽 가장자리에 위치(edge)시킨다.
코드에서 np.random.randint는 특정한 범위내에서 지정한 갯수의 랜덤수를 생성
np.unique(배열, retrun_counts=False, axis=None): 객체 내의 중복되지 않은 수들을 반환한다. return_counts=True이면 각 수에 대한 빈도수를 반환한다. axis를 통해 행(1), 열(0)을 선택한다.
>>> x=np.random.randint(1, 6, size=100)
>>> uni,count=np.unique(x, return_counts=True)
>>> uni
array([1, 2, 3, 4, 5])
>>> count
array([25, 17, 23, 16, 19], dtype=int64)
>>> plt.bar(uni, count)
>>> plt.show()
위의 막대그래프의 막대의 두께를 조절할 수 있다.
>>> plt.bar(uni, count, width=0.3)
>>> plt.show()
>>> plt.bar(uni, count, align='center')
>>> plt.show()
위의 경우는 수직 막대이다. 수평막대의 그래프는 다음 함수를 사용한다.
plt.barh(x, height)
>>> plt.barh(uni, count)
>>> plt.show()
다중막대 그래프는 매개변수 color를 변경하여 나타낼 수 있다.
>>> x=np.random.randint(1, 100, 3000).reshape((1000,3))
>>> y=np.linspace(1, 100, 5)
>>> x1={}
>>> for i in range(x.shape[1]):
x1[i]=np.histogram(x[:,i], y)
>>> plt.bar(y[:4]+0.00, x1[0][0], color='b', width=7)
>>> plt.bar(y[:4]+7.0, x1[1][0], color='g', width=7)
>>> plt.bar(y[:4]+14.0, x1[2][0], color='r', width=7)
>>> plt.show()
>>> x
array([0, 1, 2, 3])
>>> a=np.random.randint(1, 100, size=4)
>>> a
array([ 5, 35, 80, 45])
>>> b=np.random.randint(1, 100, size=4)
>>> b
array([21, 64, 22, 72])
>>> c=np.random.randint(1, 100, size=4)
>>> c
array([48, 7, 44, 22])
stack은 어떤 자료 위에 새로운 자료를 쌓는 구조이다. 그러므로 다음 코드와 같이 bar() 함수의 매개변수 bottom을 사용하여 현재 그릴 막대의 근저가 무엇인지를 지정함으로서 성취된다.
>>> plt.bar(x, a, color='b')
>>> plt.bar(x, b, color='r', bottom=a)
>>> plt.bar(x, c, color='g', bottom=a+b)
>>> plt.show()
위 코드를 반목문을 사용하여 다시 작성하여 보자. >>> plt.bar(uni, count, width=0.3)
>>> plt.show()
>>> plt.bar(uni, count, align='center')
>>> plt.show()
위의 경우는 수직 막대이다. 수평막대의 그래프는 다음 함수를 사용한다.
plt.barh(x, height)
>>> plt.barh(uni, count)
>>> plt.show()
다중막대 그래프는 매개변수 color를 변경하여 나타낼 수 있다.
>>> x=np.random.randint(1, 100, 3000).reshape((1000,3))
>>> y=np.linspace(1, 100, 5)
>>> x1={}
>>> for i in range(x.shape[1]):
x1[i]=np.histogram(x[:,i], y)
>>> plt.bar(y[:4]+0.00, x1[0][0], color='b', width=7)
>>> plt.bar(y[:4]+7.0, x1[1][0], color='g', width=7)
>>> plt.bar(y[:4]+14.0, x1[2][0], color='r', width=7)
>>> plt.show()
3. stack bar chart
>>> x=np.arange(0, 4)>>> x
array([0, 1, 2, 3])
>>> a=np.random.randint(1, 100, size=4)
>>> a
array([ 5, 35, 80, 45])
>>> b=np.random.randint(1, 100, size=4)
>>> b
array([21, 64, 22, 72])
>>> c=np.random.randint(1, 100, size=4)
>>> c
array([48, 7, 44, 22])
stack은 어떤 자료 위에 새로운 자료를 쌓는 구조이다. 그러므로 다음 코드와 같이 bar() 함수의 매개변수 bottom을 사용하여 현재 그릴 막대의 근저가 무엇인지를 지정함으로서 성취된다.
>>> plt.bar(x, a, color='b')
>>> plt.bar(x, b, color='r', bottom=a)
>>> plt.bar(x, c, color='g', bottom=a+b)
>>> plt.show()
>>> y=np.array([a,b,c])
>>> y
array([[ 5, 35, 80, 45],
[21, 64, 22, 72],
[48, 7, 44, 22]])
>>> y.shape
(3, 4)
>>> colorList=['b','r','g']
>>>for i in range(y.shape[0]):
plt.bar(np.arange(y.shape[1]), y[i], bottom=np.sum(y[:i], axis=0), color=colorList[(i % len(colorList))])
4. Back-to-Back 그래프
동일한 x 축에 각 Y축의 길이를 그래프로 나타낸 것으로 한쪽은 오른편에 다른 쪽은 왼편에 표현한 것이다. 왼편에 나타내는 것은 모두 음수로 하기 위해 '-' 부호를 사용한다.이것은 이 그래프는 데이터들이 모두 양수, 또는 음수인 경우에만 해당된다.
수직막대는 y인자는 높이이고 막대의 폭을 조절하는 것에 반해
수평막대의 y인자는 각 막대의 폭이 되며 별개로 높이를 조절하여 각 막대의 크기를 조절할 수 있다.
>>> x=np.arange(12).reshape((4, 3))
>>> x
>>>
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11]])
>>> plt.barh(x[:,0], x[:,1], color='r', height=2 )
>>> plt.barh(x[:, 0], -x[:, 2], color='b', height=2)
>>> plt.show()
5. pie chart
이 그래프는 plt.pie(data)를 사용합니다. 1차원의 데이터를 인자로 전달하면 이 함수는 데이터의 상대적 면적을 자동으로 계산하여 그래프를 그린다. data의 갯수는 1부터 100개 까지 가능하다.>>> plt.pie(x[:,1])
>>> plt.show( )
6. 히스토그램(histogram)
히스토그램은 확률분포의 그래픽적인 표현이며 막대그래프의 종류입니다. 이 그래프가 확률분포와 관계가 있으므로 통계적 요소를 나타내기 위해 많이 사용됩니다.
plt.hist(X, bins=10)함수를 사용합니다.
>>> plt.hist(x, 10)
>>> plt.show()
위 그래프의 y축은 각 구간에 해당하는 갯수이다. 빈도수 대신 확률밀도를 나타내기 위해서는 위 함수의 매개변수 normed=True로 조정하여 나타낼 수 있다. 또한 매개변수 bins의 인수를 숫자로 전달할 수 있지만 리스트 객체로 지정할 수 있다.
막대그래프의 경우와 마찬가지로 각 막대의 폭은 매개변수 width에 의해 조정된다.
>>> y=np.linspace(min(x)-1, max(x)+1, 10)
>>> y
>>>
array([-4.48810153, -3.54351935, -2.59893717, -1.65435499, -0.70977282,
0.23480936, 1.17939154, 2.12397372, 3.0685559 , 4.01313807])
>>> plt.hist(x, y, normed=True)
>>> plt.show()
댓글
댓글 쓰기