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 숫자 연산자 형변환 진수변환 부동소수의 문제 분수(Fraction) 숫자형(Number type) 숫자 사용자가 입력한 값은 컴퓨터 저장 장치에 비트 단위로 저장되며 1비트에 입력되는 값은 0, 1 뿐입니다. 결과적으로 컴퓨터 연산은 2진수로 이루어집니다. 그러므로 사용자가 숫자를 입력하면 컴퓨터 내부에서는 0 또는 1로 변환합니다. 컴퓨터의 용량이 커지면서 기본 저장단위가 1바이트(8비트), 2바이트(16비트)로 증가되고 있습니다. 이러한 경우 연산은 8진수, 16진수를 사용합니다. 표 1. 숫자형과 진수의 표기 항목 예 십진수 정수(int) 0, 2, -3, 123 실수(부동소수, float) 0.754, 3.4E10 복소수(complex) 0+2j, 10-3j 2진수(접두어로 'b' 사용) b01, b0110 8진수(접두어로 '0o' 사용) 0o34, 0o25 16진수(접두어로 '0x' 사용) 0x2A, 0xFF 정수형은 int와 long형으로 구분하여 큰 정수를 long 형으로 할당합니다. 그러나 파이썬 3.x 부터는 더 이상 두 자료형을 구분하지 않습니다. 실수형은 소수점을 포함하는 자료형태로서 정수부와 소수부로 구분하여 메모리에 다음과 같이 저장됩니다. 예를들어 3.14의 경우는 다음과 같이 나타냅니다. 3.14 → 314 × 10 -2 이 경우는 314를 정수로 -2를 소수부로 저장합니다. 이러한 방식에는 다음과 같이 그 저장 형태가 다양합니다. 3140 x 10 -3 위의 경우는 소수점의 자리는 -2에서 -3과 같이 변형됩니다. 그러므로 정수부와 소수부의 구분은 유동적으로 이루어 집니다. 그러나 어떤식으로 저장하든지 실수로 표현할 경우 소수점의 위치는 고정됩니다. 이러한 의미로 부동소수라 하며 영어로