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
진수 변환 10진수를 각 진수로 전환하기 위해 나머지를 연결합니다. 예를들어 7를 2진수 (binary)로 전환하는 과정은 다음과 같습니다. x=7 1) x를 2로 나누어 몫과 나머지를 계산합니다. q, r=divmod(x, 2)#2로 나눈 몫과 나머지 q, r (3, 1) 2) 위 결과의 몫을 다시 나눕니다. q2, r2=divmod(q, 2) q2, r2 (1, 1) 3) 2)과정을 몫이 0이 될때까지 반복합니다. q3,r3=divmod(q2, 2) q3, r3 (0, 1) 4) 각 과정에서 나머지를 순서적으로 결합합니다. result: 111 2진수 -> 10진수는 2진수의 각자리의 값x2 자리수수 와 같이 계산한 값들의 합입니다. y=111 위 수의 각각을 분리하기 위해 문자열로 전환합니다. y=str(y) for i in y: print(i) 1 1 1 위 결과 문자열의 길이가 3입니다. 그러므로 첫 원소부터 2 2 , 2 1 ,2 0 을 곱하여 모두 합해 줍니다. 1*2**2 + 1*2**1 + 1*2**0 7 8진수와 16진수 변환도 같은 과정으로 진행됩니다. 단지 16진수의 경우는 10, 11, ..., 15를 a, b, ..., f로 나타냅니다. 그러므로 다음의 변화 코드가 필요합니다. ref={'a':10, 'b':11, 'c':12, 'd':13, 'e':14, 'f':15} ref['b'] 11 ref.get("b") 11 ref1={10:'a',11:'b', 12:'c', 13:'d', 14:'e', 15:'f'} ref1.get(15)#==ref1[15] '