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
내용 최대값과 최소값 차이 계산 중간값과 평균 표준편차와 분산 상관행렬과 공분산 빈도수와 히스토그램 Numpy statistics 최대값과 최소값 배열의 최대, 최소등의 통계량을 계산하기 위한 함수들 함수 내용 np.max(객체, axis=None) 지정한 축을 기준으로 최대값 axis=0: 열기준 axis=1: 행기준 axis=None:객체를 1차원으로 전환하여 최대값을 계산 np.amax(객체, axis=None) 지정한 축을 기준으로 최대값 np.nanmax(객체, axis=None) 요소들 중 Nan를 무시 np.argmax(객체, axis=None) 최대값의 인덱스를 반환 np.min(객체, axis=None) 지정한 축을 기준으로 최소값 np.amin(객체, axis=None) 지정한 축을 기준으로 최소값 np.nanmin(객체, axis=None) 요소들 중 Nan를 무시 np.argmin(객체, axis=None) 최소값의 인덱스를 반환 np.maximun(배열1, 배열2...) 각 배열의 동일한 인덱스를 가진 원소들을 비교하여 최대값을 반환 np.fmax(배열1, 배열2,...) 배열간 동일한 인덱스의 원소들 사이의 nan값을 무시하고 최대값 계산 np.minimun(배열1, 배열2...) 각 배열의 동일한 인덱스를 가진 원소들을 비교하여 최소값을 반환 np.fmin(배열1, 배열2,...) 배열간 동일한 인덱스의 원소들 사이의 nan값을 무시하고 최대값 계산 import numpy as np import pandas as pd import FinanceDataReader as fdr np.random.seed(1) arr=np.around(np.random.rand(5, 4), 3) arr array([[0.417, 0.72 , 0. , 0.302], [0.147, 0.092, 0.186, 0.346], [0.397, 0.53