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
비트 연산자 연산자 의미 and, .and(bits) and, 모두 true일경우만 true or, .or(bits) or, 모두 false일경우만 false xor, .xor(bits) 배타적 OR, 두 값이 다르면 true .inv(bits) not, 보수 연산으로 반전 .shr(bits) not, 지정한 비트수 만큼 오른쪽으로 이동 .shl(bits) not, 지정한 비트수 만큼 왼쪽으로 이동 .ushr(bits) not, 부호 고려하지 않고 지정한 비트수 만큼 오른쪽으로 이동 fun main() { val a = 1 val b = 0 println("and: ${a and b}, or: ${a or b}, xor: ${a.xor(b)}, inv: ${a.inv()}") } and: 0, or: 1, xor: 1, inv: -2 1 shl 2 //1을 왼쪽으로 2 비트 이동 res1: kotlin.Int = 4 4 shr 2 //4를 오른쪽으로 2비트 이동 res2: kotlin.Int = 1 10진수를 2진수로 변환하기 위해 다음 메소드를 적용합니다. 객체.toString(2) : 10 진수인 객체를 2진수로 변환 다음과 같이 1과 4를 이진수로 변환하면 다음과 같습니다. 1.toString(2) res3: kotlin.String = 1 // ....001 4.toString(2) res4: kotlin.String = 100 // ....100 위에서 하나의 수는 1비트를 나타내며 1을 왼쪽으로 2비트 이동시키면 4가 됩니다. 이와같이 비트를 이동시키기 위해 shr(shift right) 또는 shl(shift left) 연산자를 적용합니다. or, and 연산