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
내용 클래스 클래스 객체의 생성, 인스턴스 생성자(constructor) 인스턴스와 속성의 삭제 Class 클래스 두 수의 사칙연산을 한 함수에서 계산하기 위해 다음과 같이 작성할 수 있습니다. def addFunc(x, y): return(x+y) def subFunc(x, y): return(x-y) def mulFunc(x, y): return(x*y) def divFunc(x,y): if y != 0: return(x/y) else: raise ZeroDivisionError("y must not be zero.") def mathOperFunc(x, y): tot=addFunc(x,y) sub=subFunc(x,y) mul=mulFunc(x,y) div=divFunc(x,y) return(tot, sub, mul, div) mathOperFunc(3, 4) (7, -1, 12, 0.75) mathOperFunc(10, 0) ~~ZeroDivisionError: y must not be zero. 위의 다양한 함수들을 다음과 같이 하나의 틀(frame)에 구성할 수 있습니다. class Oper: def __init__(self, x, y): #(1) self.x=x #(2) self.y=y #(3) def addC(self): return(self.x+self.y) def subC(self): return(self.x-self.y) def mulC(self): return(self.x*self.y) def divC(self): if self.y != 0: return(self.x/self.y) else: