기본 콘텐츠로 건너뛰기

통계관련 함수와 메서드 사전

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

Sympy Introduction


개요

Symbolic 계산은 심벌로 이루어진 수학적 객체의 계산을 다룹니다
즉, 특정한 값이 전달되지 않은 변수들을 심벌로 표현하는 수학식을 나타낼 수 있다는 것을 의미합니다. 
9의 제곱근은 3인 정확한 수입니다.
>>> import math
>>> math.sqrt(9)
3.0
>>> 9**0.5
3.0
>>> pow(9, 0.5)
3.0
그러나 8의 제곱근은 다음과 같이 근사값이 반환되지요.
>>> math.sqrt(8)
2.8284271247461903
이러한 경우 sympy 모듈의 함수를 사용하면 정확히 반환되는 부분외의 다른 부분은 심벌을 사용하여 나타냅니다. , $\sqrt{8}=2 \sqrt{2}$의 형태로 나타냅니다.
>>> from sympy import *
>>> sqrt(8)
2*sqrt(2)

보다 정확한 표현을 위해 일정한 기호(심벌)을 사용하는 방식으로 다양한 변수들의 표현에 사용됩니다
이러한 수학적 표현을 형성하기 위해서는 일반적으로 문자로 인식되는 x, y등을 문자가 아닌 수학적 심벌(기호)로 사용한다는 것을 symbols()를 사용하여 미리 선언합니다. 

from sympy import symbol
>>> x, y=symbols('x y')#x,y는 문자가 아닌 심벌임을 선언 
>>> x
x
>>> y
y
>>> expr=x+2*y
>>> expr
x + 2*y
>>> type(x)
<class 'sympy.core.symbol.Symbol'>
위에서 expr 객체는 심벌 x, y를 지닌 객체이며 이 객체들과 심벌들 사이의 연산은 가능합니다.
>>> expr+1
x + 2*y + 1
>>> type(expr)
<class 'sympy.core.add.Add'>
>>> expr-x
2*y
>>> x*expr
x*(x + 2*y)
위의 결과는 $x^2+2xy$와 같이 모두 전개된 형태로 반환되지 않습니다. 이러한 형태로 반환하기 위해서는
expand 클래스의 expand() 함수를 사용하고 역으로 전개된 형태를 정리된 형태로 만들기 위해서는 factor.factor()함수를 사용합니다.
from sympy import expand, factor
>>> exEq=expand(x*expr)
>>> exEq
x**2 + 2*x*y
>>> factor(exEq)
x*(x + 2*y)

sympy 모듈하에서의 계산은 포함하는 심벌들을 중심으로 이루어 집니다. 즉, 심벌을 포함하는 방정식, 미분, 적분, 극한등의 식들은 단순화 또는 확장형태로 전개할 수 있습니다. 이러한 기능에 의해 심벌의 값이나 범위를 지정하여 식을 계산할 수 있으며 그 계산과정을 나타낼 수 있습니다. 
>>> from sympy import *
>>> x, t,z, nu=symbols("x t z nu")

unicode characters를 사용하여 반환하기 위해 print 조건을 다음과 같이 지정할 수 있습니다.
>>> init_printing(use_unicode=True)
sin(x)exp(x)의 미분
>>> diff(sin(x)*exp(x), x)#함수 sin(x)*exp(x)를 변수 x에 대해 미분 
exp(x) ⋅sin(x) + exp(x)⋅cos(x)
>>> dex=diff(sin(x)*exp(x), x)#미분된 식을 객체에 저장할 수 있습니다. 
>>> dex

exp(x)*sin(x) + exp(x)*cos(x)
위 결과를 다시 적분하면 원래의 함수가 반환됩니다.
$$\int^\infty_{-\infty} sin(x^2) dx$$
>>> integrate(dex, x)
exp(x)*sin(x)
무한대를 나타내는 $\infty$는 알파벳 소문자 o를 두개 이어서 표시합니다. "oo"
>>> integrate(sin(x**2), (x, -oo, oo))

sqrt(2)*sqrt(pi)/2
$\lim_{x \rightarrow 0} \frac{sin(x)}{x}$의 계산
>>> limit(sin(x)/x, x, 0)
1
$x^2-2=0$의 해를 구하기
>>> solve(x**2-2)
[-√2, √2]
$y^{\prime\prime}-y=e^t$ 의 미분방적식 풀기
>>> x, y, t,z, nu=symbols("x y t z nu")

>>> dsolve(Eq(y(t).diff(t, t) - y(t), exp(t)), y(t))
Eq(y(t), C2*exp(-t) + (C1 + t/2)*exp(t))
$\left[\begin{array}{rr} 1 & 2 \\ 2 & 2 \end{array}\right]$의 고유값
>>> m1= Matrix([[1,2], [2,2]]).eigenvals()
>>> m1

{-sqrt(17)/2 + 3/2: 1, 3/2 + sqrt(17)/2: 1}
 위의 sympy에 의한 값은 사전(dictionary)형식으로 반환되는데 고유값은 사전의 key로 반환합니다.
>>> type(m1)
<class 'dict'>
>>> m1.keys()
dict_keys([-sqrt(17)/2 + 3/2, 3/2 + sqrt(17)/2])
>>> list(m1.keys())
[-sqrt(17)/2 + 3/2, 3/2 + sqrt(17)/2]
>>> -(17**0.5/2)+1.5
-0.5615528128088303
위 식을 numpy.linalg.eig()함수를 사용하여 계산하면 다음과 같이 반환합니다. 
>>>  from numpy import linalg as LA
>>> LA.eigvals(np.array([[1,2], [2,2]]))#고유값만 반환 
array([-0.56155281,  3.56155281])
>>> LA.eig(np.array([[1,2], [2,2]]))#고유값과 고유벡터를 모두 반환 
(array([-0.56155281,  3.56155281]), array([[-0.78820544, -0.61541221],
       [ 0.61541221, -0.78820544]]))

심벌로 표현된 식을 LATEX 형식으로 출력.
>>> latex(Integral(cos(x)**2, (x, 0, pi)))
\int_{0}^{\pi} \cos^{2}{\left (x \right )}\, dx
$$\int_{0}^{\pi} cos^2(x)\, dx$$

댓글

이 블로그의 인기 게시물

matplotlib의 그래프 종류

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.randint 는 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

유사변환과 대각화

내용 유사변환 유사행렬의 특성 대각화(Diagonalization) 유사변환(Similarity transformation) 유사변환 n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사하다고 하며 이 변환을 유사 변환 (similarity transformation)이라고 합니다. $$\begin{equation}\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B \end{equation}$$ 식 1의 유사 변환은 다음과 같이 고유값을 적용하여 특성 방정식 형태로 정리할 수 있습니다. $$\begin{align} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align}$$ 위 식의 행렬식은 다음과 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)\\ &= \t

sympy.solvers로 방정식해 구하기

sympy.solvers로 방정식해 구하기 대수 방정식을 해를 계산하기 위해 다음 함수를 사용합니다. sympy.solvers.solve(f, *symbols, **flags) f=0, 즉 동차방정식에 대해 지정한 변수의 해를 계산 f : 식 또는 함수 symbols: 식의 해를 계산하기 위한 변수, 변수가 하나인 경우는 생략가능(자동으로 인식) flags: 계산 또는 결과의 방식을 지정하기 위한 인수들 dict=True: {x:3, y:1}같이 사전형식, 기본값 = False set=True :{(x,3),(y,1)}같이 집합형식, 기본값 = False ratioal=True : 실수를 유리수로 반환, 기본값 = False positive=True: 해들 중에 양수만을 반환, 기본값 = False 예 $x^2=1$의 해를 결정합니다. solve() 함수에 적용하기 위해서는 다음과 같이 식의 한쪽이 0이 되는 형태인 동차식으로 구성되어야 합니다. $$x^2-1=0$$ import numpy as np from sympy import * x = symbols('x') solve(x**2-1, x) [-1, 1] 위 식은 계산 과정은 다음과 같습니다. $$\begin{aligned}x^2-1=0 \rightarrow (x+1)(x-1)=0 \\ x=1 \; \text{or}\; -1\end{aligned}$$ 예 $x^4=1$의 해를 결정합니다. solve() 함수의 인수 set=True를 지정하였으므로 결과는 집합(set)형으로 반환됩니다. eq=x**4-1 solve(eq, set=True) ([x], {(-1,), (-I,), (1,), (I,)}) 위의 경우 I는 복소수입니다.즉 위 결과의 과정은 다음과 같습니다. $$x^4-1=(x^2+1)(x+1)(x-1)=0 \rightarrow x=\pm \sqrt{-1}, \; \pm 1=\pm i,\; \pm1$$ 실수