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

연산자(operators)

내용

연산자(Operators)

데이터들 사이에 연산이 필요한 경우 연산의 종류를 구분하기 위한 약속이 존재합니다. 이 약속된 규칙 또는 표현을 연산자(operator)라고 합니다. 연산자는 특정한 명령(들)을 수행하기 위한 여러 코드들을 그룹화하는 함수입니다.

파이썬은 산술, True 또는 False의 결과를 반환하는 논리 연산을 수행하기 위한 다양한 연산자들을 제공하고 있으며 이 연산에 참여하는 값들을 피연산자(operand)라고 합니다. 예를 들어 다음의 덧셈의 경우를 봅니다.

5+8
13

두 정수의 덧셈연산으로 '+'가 덧셈 연산자이고 연산에 관계된 5와 8이 피연산자가 됩니다. 그 연산의 결과는 13입니다.

산술 연산자(Arithmatic operators)

연산자 의미
x + y 단일 또는 두개의 피연사자의 덧셈
x - y 단일 또는 두개의 피연사자의 뺄셈
x * y 두개의 피연사자의 곱셈
x / y 두개의 피연사자의 나눗셈으로 결과는 실수형
x % y 두개의 피연사자의 나눗셈의 나머지를 반환
x // y 두개의 피연사자의 나눗셈의 몫을 반환
x**y 피연산자의 거듭제곱 (power)
x=5; y=2
 print(f"덧셈: x+y = {x+y}")
덧셈: x+y = 7
 print(f"뺄셈: x-y = {x-y}")
뺄셈: x-y = 3
 print(f"곱셈: x*y = {x*y}")
곱셈: x*y = 10
 print(f"나눗셈: x/y = {x/y}")
나눗셈: x/y = 2.5
 print(f"나머지: x%y = {x%y}")
나머지: x%y = 1
 print(f"몫: x//y = {x//y}")
몫: x//y = 2
print(f"거듭제곱: x**y = {x**y}")
거듭제곱: x**y = 25

비교연산자(comparison operatores)

값들을 비교하기 위해 사용되며 True/False를 반환합니다.

연산자 의미
x > y x가 y 보다 크면 True
x< y x가 y 보다 작으면 True
x == y x와 y가 같으면 True
x != y x, y가 같지 않으면 True
x >= y x가 y보다 크거나 같은면 True
x <= y x가 y보다 작거나 같은면 True
x=5; y=2
 print(f"x > y: {x>y}")
x>y: True
print(f"x<y: {x<y}")
x<y: False
 print(f"x==y: {x==y}")
x==y: False
 print(f"x != y: {x != y}")
x != y: True
 print(f"x>=y: {x>=y}")
x>=y: True
 print(f"x<=y: {x<=y}")
x<=y: False

논리연산자(logical operators)

연산자 의미
x and y x, y중 하나가 true이면 True
not x x가 False이면 True
x=True; y=False
 print(f"x and y: {x and y}")
x and y: False
print(f"x or y: {x or y}")
x or y: True
 print(f"not x: { not x}")
not x: False

비트 연산자(Bitwise operators)

컴퓨터 연산은 2진법에 의해 진행됩니다. 비트 연산자는 입력한 숫자를 2진수를 변환되며 각 수는 메모리 상에서 1 비트 단위로 저장되며 동일한 비트를 차지하는 값들 사이에 연산을 진행합니다. 예를 들어 십진수 2, 10의 경우 2진수로 b0010, b1010이 됩니다. 두수의 각 비트의 연산은 다음과 같습니다.

연산자 의미
2 0 0 1 0
10 1 0 1 0
2(AND) 0 0 1 0

다양한 비트 연산자 존재합니다.

연산자 의미
x&y 비트 단위로 AND
x|y 비트 단위로 OR
~x 비트 단위로 NOT
x^y 비트 단위로 XOR
(다른 값이면 True 즉,, 1)
x >> a 비트 x를 오른쪽으로 a 비트 이동
x << a 비트 x를 왼쪽으로 a 비트 이동
x=2; y=10
 bin(x), bin(y)
('0b10', '0b1010')
print(f"x & y:{x&;y}")
x & y:2
print(f"x | y:{x|y}")
x | y:10
print(f"~x:{~x}")
~x:-3
#2: 0010
#10: 1010
#^ : 1000 &rarrow; 8
print(f"x ^ y:{x^y}")
x ^ y:8
#0010을 오른쪽으로 한칸이동 &rarrow; 0001
 print(f"x 7>>1:{x>>1}")
x >>1:1
#0010을 왼쪽으로 2칸 이동 &rarrow; 1000
 print(f"x <<2:{x<<2}")
x <<2:8

할당연산자

위에서 소개한 연산의 결과를 피연산자 객체에 다시 할당하기 위해 사용합니다.

연산자 x = 5 x += 5 x -= 5 x *= 5 x /= 5
의미 x = 5 x = x+5 x = x-5 x = x*5 x = x/5
연산자 x %= 5 x //= 5 x **= 5 x &= 5 x |= 5
의미 x = x%5 x = x//5 x = x**5 x = x &; 5 x = x | 5
연산자 x ^= 5 x >>= 5  x <<= 5
의미 x = x^5 x = x>>5  x = x<<5

python에서는 여러가지 객체에 각 값을 동시에 할당할 수 있습니다.

a, b, c=1,2,3
	(a, b, c)
(1, 2, 3)
a, b, c=b, c, a+b+c
	(a, b, c)
(2, 3, 6)

위와 같이 다중 할당의 경우 각 변수별로 순차 할당은 아닙니다. 즉, 위의 두번째 실행에서 변수 a에 먼저 할당되고 그 변화된 a값이 c에 적용되는 것은 아닙니다. 그러므로 다음의 실행과는 다른 결과를 보입니다.

a=b; b=c; c=a+b+c
 (a, b, c)
(3, 6, 15)

in, is 연산자

객체들의 일치여부와 원소의 확인을 위해 다음 연산자를 사용합니다.

연산자 의미
x is not y x,y가 동일하면 False
x is y x,y가 동일하면 True
x in y x가 y의 원소이면 True
x not in y x가 y의 원소가 아니면 True
x='python'
 y='python practice'
 x is y
False
x is not y
True
x=[1,2, 'apple', 7]
 'apple' in x
True
10 in x
False
7 not in x
False

가변연산자('*')

연산자 '*객체'는 크기가 고정되지 않음을 의미합니다. 다음코드는 객체로 부터 요소들을 할당하는 할당문으로 그 요소를 할당받는 객체 수와 요소의 수가 일치하지 않은 경우입니다.

for i in range(2, 6):
    a, b, *c=range(i)
    print(a, b, c)
0 1 []
0 1 [2]
0 1 [2, 3]
0 1 [2, 3, 4]

위 결과로 부터 *c는 a와 b에 할당받고 남은 요소들을 모두 할당받습니다. 이것은 연산자 '*객체'으로 인한 결과입니다. 위 코드와 같지만 '*객체'의 위치를 달리해보면 다음과 같습니다.

for i in range(2, 6):
    a, *b, c=range(i)
    print(a, b, c)
0 [] 1
0 [1] 2
0 [1, 2] 3
0 [1, 2, 3] 4

즉, 연산자 '*객체'지정된 변수는 다른 변수 모두가 할당된 후 마지막으로 할당받습니다. 결과적으로 '*객체'는 요소의 수가 고정되지 않으며 마지막으로 실행됩니다. 이러한 의미로 가변인수라고 합니다.

댓글

이 블로그의 인기 게시물

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

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

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