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
행렬의 생성 객체 슬라이싱(Object slicing) 사칙 연산(Arithmetic operations) 행렬 곱(Matrix product) 전치 행렬(Transposed matrix) 정방 행렬 (Square matrix) 항등 행렬 (Identity Matrix) 트레이스(Trace) 대각행렬(Diagonal matrix) 삼각 행렬(Triangular matrix) 대칭행렬(Symmetric matrix) 행렬(Matrix) 행렬의 생성 행렬은 여러 개의 벡터를 결합하여 행과 열로 정리된 사각형 구조를 나타냅니다. 다음 코드에서 3행, 2열(3×2)의 행렬 A는 두 벡터 a, b를 열 방향으로 결합한 것입니다. $$a=\begin{bmatrix}2\\1\\-1\end{bmatrix} \quad b=\begin{bmatrix}-3\\4\\1\end{bmatrix}$$ import numpy as np import numpy.linalg as la import matplotlib.pyplot as plt a=np.array([[2], [1],[-1]]) b=np.array([[-3],[4], [1]]) A=np.hstack((a, b)) A array([[ 2, -3], [ 1, 4], [-1, 1]]) 위 코드에서 사용한 np.hstack(a, b) 는 두 객체를 열의 방향으로 연결하기 위해 사용된 numpy 함수입니다. 다음 행렬 B는 np.array() 를 사용하여 여러 개의 리스트 객체를 사용하여 행렬 객체를 생성한 것입니다. B=np.array([[1,2,3], [4,5,6],[7,8,9]]) B array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) 객체 슬라이싱(Object slicing) 벡터나 행렬을 생성할 경우 각 요소(el