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
>>> import numpy as np >>> import scipy.linalg as LA >>> from sympy import * >>> import matplotlib.pyplot as plt 1. 다음은 N 모양을 좌표로 인식하여 작성된 행렬입니다. >>> x=np.array([0, 0.5, 0.5, 6, 6, 5.5, 5.5, 0]).reshape(1,8) >>> y=np.array([0,0,6.42, 0, 8,8,1.58,8]).reshape(1,8) >>> D=np.r_[x, y];D array([[ 0. , 0.5 , 0.5 , 6. , 6. , 5.5 , 5.5 , 0. ], [ 0. , 0. , 6.42, 0. , 8. , 8. , 1.58, 8. ]]) 위의 좌표를 그래프로 그리면 다음과 같습니다. 위 그래프의 작성 코드는 다음과 같습니다. id=[[7,0], [2,1], [1,0], [3,2], [6, 7], [5,6], [4,3], [4,5]] plt.figure(figsize=(10, 5)) plt.xlim(-1, 10) plt.ylim(-1,15) for i in id: plt.arrow(D[0,i[0]], D[1,i[0]], D[0,i[1]]-D[0,i[0]], D[1,i[1]]-D[1,i[0]]) plt.savefig("C:\\ubuntu_docu\\선형대수\\blogFig\\trans1.png" ) plt.show() 위의 N 형태의 변형에 대한 그래프를 작성하기 위해 함수로 작성하여 사용합니다. def NplotS(M, path): id=[[7,0], [2,1], [1,0], [3,2], [6, 7], [5,6], [4,3], [4,5]] plt.figure(figsize=(