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
연산자 코틀린에서는 +, * 등의 일반적인 연산자 구현이 가능하며 dot(.) 연산자의 형태로 적용 될 수 있습니다. dot 연산자들은 operator 함수를 사용하여 재정의(overloading) 할 수 있습니다. 단항 연산자 연산자 dot 연산자 내용 +a a.unaryPlus() a*(+1) -a a.unaryMinus() a*(-1) fun main() { val a = -3 println("a.unaryPlus(): "+a.unaryPlus()) println("a.unaryMinus(): "+a.unaryMinus()) } a.unaryPlus(): -3 a.unaryMinus(): 3 dot 연산자의 동작은 operator 함수를 사용하여 재정의된 것입니다. operator fun Double.unaryMinus():Double=-this -3.0.unaryMinus() res11: kotlin.Double = 3.0 증감 연산자 연산자 dot 연산자 내용 a++ a 자체 1 증가 (a값 변화) ++a a.inc() 1증가(a값은 변화 없음) a-- 1감소 (a값 변화) --a a.dec() 1 감소(a값은 변화없음) a++, a--의 경우는 a 자체가 1증가 또는 감소를 의미하는 것에 반해 ++a, --a의 경우는 증가 또는 감소된 값들이 반환되지만 객체 a 자체의 변화는 없습니다. fun main() { var a =1 println("a++: $\$${++a}") println("a 자체 증가: $\$$a") var b=a.inc() println("a=++a: $\$${b}")