기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

댓글 쓰기

[html]목록 태그

html에서 목록을 만들기 위해 <ul>, <ol>, <li>, <dl> 태그를 사용합니다.
ul
unodered list의 약자로서 순서가 없는 목록 작성
ol
ordered list의 약자로서 순서가 있는 목록 작성
순서를 나타내기 위해 번호(1,2...), 소문자 (a, b, ...), 대문자(A, B,...), 작은 로마자, 큰 로마자 등을 사용할 수 있습니다.
이 순서 표시는 속성 type로 지정할 수 있습니다. 위의 순서대로 1, 2, 3, 4,5이며 기본값은 1입니다.
순서의 시작은 start 속성으로 지정할 수 있습니다. 5번 부터 시작하면 start=5
reversed 속성을 명시하면 항목의 순서가 역순으로 지정됩니다.
li
<ul>, <ol>에 포함된 항목들을 나열할 경우 사용합니다.
dl
definition list의 약자로서 용어를 설명하기 위해 사용하는데 <dt>, <dd> 태그를 포함
<dl>
<dt>: 용어 제목 </dt>
<dd>: 용어 설명 </dd> </dl>
실제 사용은 다음과 같습니다.
    <ul>unorder list
      <li>서울</li>
      <li>경기</li>
      <li>광주</li></ul>
    <ul>array([[1,2,3]
      <ol style="text_indent: 2em;">[4,5,6]])</ol></ul>
    <ol type=5>
      <li>math</li>
      <li>Korean</li>
      <li>English</li>
      <li>Science</li>
      <li>History</li></ol>
    <ol start=3>
      <li>math</li>
      <li>Korean</li>
      <li>English</li>
      <li>Science</li>
      <li>History</li></ol>
<dl>
<dt> 용어 제목 </dt>
<dd> 용어 설명 </dd></dl>
⇓
    unorder list
  • 서울
  • 경기
  • 광주
    array([[1,2,3]
      [4,5,6]])
  1. math
  2. Korean
  3. English
  4. Science
  5. History
  1. math
  2. Korean
  3. English
  4. Science
  5. History
용어 제목
용어 설명
위의 예에서 보는 것과 같이 각 태그에 따라 들여쓰기가 됩니다. 들여쓰기의 간격을 조정하기 위해서는 다음 속성을 적용합니다.
    text-indent: 20px;
    margin-left: 20 px;
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 »