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
python에서 행렬 객체를 생성하기 위해서는 numpy, pandas 모듈을 사용합니다. numpy 모듈에서 array()함수는 다른 행렬 객체를 생성하는 대부분 함수의 기반이 되는 함수입니다. 이 함수는 기본적으로 자료들의 순서가 자동으로 정해지는 배열을 생성하는 함수입니다. 그러므로데이터의 위치가 행 또는 열만이 표시되는 벡터, 여러행과 열을 가지는 행렬 모두 생성할 수 있습니다. >>> import numpy as np >>> x=np.array([1,2,3]);x array([1, 2, 3]) 위 객체 x는 1행 3열의 행렬과 같이 보이지만 python은 3행인 열벡터로 인식합니다. 다음에 사용한 np객체.shape 는 객체의 차원을 알려주는 속성입니다. 이 함수를 적용하여 객체 x의 차원을 나타내면 다음과 같습니다. 속성: 클래스 내에서 객체의 생성하면 그 클래스의 기본 성질을 가집니다. 이러한 특성은 클래스 객체의 속성으로 나타낼 수 있습니다. 함수와 유사하지만 전달할 인수값이 없습니다. >>> x.shape (3,) 위의 결과는 열 표시가 없습니다. 즉, 객체 x는 3행으로 이루어진 열벡터임을 나타냅니다. python에서는 벡터와 행렬을 구분하고 또한 벡터는 1열로 이루어진 열벡터 1행으로 이루어진 행벡터로 구분할 수 있습니다. python에서는 모든 벡터는 열벡터로 취급합니다. 그러므로 x의 경우 열표시가 없습니다. python에서 벡터와 행렬을 구분한다는 것은 매우 중요합니다. 벡터, 행렬 연산의 경우 기본적으로 차원을 조정해야 하기 때문입니다. 예를 들어 행과 열이 바꾸는 것을 전치(transpose)라고 하며 객체.T 로 실행됩니다. 그러나 벡터일 경우는 실행되지 않습니다. >>> x1=x.T;x1 array([1, 2, 3]) >>> x1.shape (3,) 위 객체 x를 행렬로 변경하여 전치해 보면 다른 결과를 얻을 수