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
$\Delta x, \; \Delta y$ 그리기 $\Delta x, \; \Delta y$ 그리기 다음 그림과 같이 곡선 그래프에 대한 일정한 구간에서 x축과 y축에서의 변화량을 나타내기 위한 그림을 작성합니다. 위 그림에서 곡선의 함수는 sympy 패키지를 사용하여 생성합니다. 다음은 $y=x^3$를 생성하기 위한 코드입니다. x=symbols('x') f=x**3; f $\quad \color{navy}{\scriptstyle x^3}$ 이 함수의 그래프를 작성하면 다음과 같습니다. a=np.linspace(-3, 3, 100) b=[float(f.subs(x, i)) for i in a] plt.figure(dpi=100) plt.plot(a, b, label=r'$\mathbf{x^3}$') plt.show() 위 함수에서 소구간들을 구분하고 각 구간에서 다음 그림과 같이 작성합니다. plt.figure(dpi=100) a1=np.linspace(-3, 3, 10) b1=[float(f.subs(x, i)) for i in a] for i in range(1, 10): plt.plot([a1[i-1], a1[i]], [b1[i-1], b1[i-1]]) plt.plot([a1[i], a1[i]], [b1[i-1], b1[i]]) plt.show() 위 두 그래프를 결합하기 위해 다음 함수를 작성합니다. 이 결과는 첫번째 그래프가 됩니다. def deltaFigure(x, x1, func, symbol): x=x y=[float(func.subs(symbol, i)) for i in x] x1=x1 y1=[float(func.subs(symbol, i)) for i in x1] plt.plot(x, y) n=0 for i in range(1, len(x1)): if i==1: plt.p