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
datetime 클래스 datetime 클래스는 date 클래스 와 유사하지만 시간, 분, 초, 마이크로초, tzinfo의 정보를 담을 수 있는 차이가 있다. datetime.datetime(year, month, day, [ , hour [ , minute [ , second [ , microsecond [ , tzinfo ] ] ] ] ] 위 클래스 구조에서 보는 것과 같이 매개변수 year, month, day는 필수적으로 전달해야 하는 매개변수인데 반해 hour이하의 매개변수는 생략가능하다. 또한 각 인수는 정수형으로 다음의 범위를 가진다. - 1 <= year M= 9999 - 1<= month <= 12 - 1<= day <= 각 월의 마지막 일 (28, 29, 30, 31) - 0<= hour <24 - 0<= minute < 60 - 0<= microsecond < 1000000 datetime 클래스 메소드 datetime.today() ; 현재 date를 나타낸다. (컴퓨터에 지정된 지역 시간 기준) In [1]: from datetime import * In [2]: datetime.today() Out[2]: datetime.datetime(2017, 11, 28, 23, 30, 20, 492179) 코드 [4]과 [5]에서 나타낸 것과 같은 결과를 보인다. 특히 코드 [4]의 time.time()은 모듈 time의 클래스 메소드이다. In [3]: import time In [4]: datetime.fromtimestamp(time.time()) Out[4]: datetime.datetime(2017, 11, 28, 23, 32, 18, 585437) datetime.now([tz]) ; 지정된 지역시간대 정보를 기준으로 현재의 날짜 정보를 반환