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 객체의 참조 이름공간(Namespace) 콜렉션 객체의 참조 객체의 참조(reference)와 이름공간(namespace) 객체의 참조 컴퓨터 메모리는 숫자이든 문자이든 모든 입력하는 부분을 2진수 즉, 0과 1로 변환하여 저장합니다. 파이썬은 이렇게 저장된 데이터를 모두 객체로 간주합니다. 파이썬은 객체를 다음의 자료형에 따라 분류합니다. 정수형(int), 실수형(float), 문자형(character), 문자열형(string), 리스트형(list), 튜플형(tuple), 사전형(dictionary) 이 중에 string, list, tuple, dictionary는 1개 이상의 하위객체 (sub object or child object)를 포함하는 콜렉션 객체 (collection object)입니다. 먼저 한개의 하위객체를 가지는 객체에 대해 생각해 봅니다. 이러한 객체들 역시 이름을 가질 수 있습니다. 물론 이름 없는 객체도 생성할 수 있지만 이것은 한번 사용 후 바로 휘발되기 때문에 일반적으로 객체로 명칭하지는 않습니다. 3 3 'f' 'f' 그러므로 일반적으로 객체는 재사용이 가능한 것으로 각 값들에 부여되는 이름을 가집니다. 이러한 이름 (Name)을 즉, 인식자 (idnetifier)라고 합니다. 이렇게 부여된 이름은 그 이름내의 코드들과 연결 (binding)되어 그 이름을 호출할 경우 연결된 코드(객체)들을 참조 합니다. 즉, 사용자가 실질적으로 실행을 위한 코드(들)에 접근할 수 있는 방법입니다. python함수인 다음 id() 를 사용하여 객체의 저장위치를 추적할 수 있습니다. id(x): 메모리상에 객체 x의 위치를 반환 a=10 print(f'a의 저장위치:{id(a)}') a의 저장위치:94793889349376 print(f'10의 저장위치:{id(10)}') 10의 저장위치:94793889349376 객체 a에