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 사전 객체의 생성 요소의 조정과 호출 대표적인 메서드(Methods) 사전(Dictionary) 사전 객체의 생성 리스트나 튜플 객체와 같이 파이썬의 대표적인 복합 자료형입니다. 이 자료형에서 각 요소는 그 요소의 이름(key)과 값(value)이 동시에 존재합니다. 사전객체의 기본 구조: {이름(key): 값(value)} 사전에서 이름이 대응하는 값의 인식자 역할을 합니다. 그러므로 별도의 인덱스가 필요하지 않는 구조입니다. 실제로 사전형 객체의 각 요소는 인덱스가 할당되지 않기 때문에 요소들의 순서는 지정되지 않습니다. 그러므로 사전객체는 시퀀스가 아닙니다 . 사전 객체는 특징은 다음과 같습니다. 중괄호({ }) 또는 dict()함수를 사용하여 생성 합니다. 사전 내의 원소들은 순서가 없으며 {key:value}의 형식으로 입력합니다. key는 리스트, 튜플 형의 인덱스와 같은 역할을 합니다. 즉, 사전 객체의 원소를 호출하기 위해서 key를 사용합니다. value는 자료형의 제한이 없으며 반복 할 수 있습니다. 그러나 key는 고유한 값이어야 하며 변경할 수 없습니다. 비어있는 중괄호로 객체를 선언한 후 키에 값을 할당 dic1={}#빈객체 dic1 {} dic1[1]='one' # 1:key, 'one':value dic1[2]="two" # 2:key, 'two':value dic1 {1: 'one', 2: 'two'} 중괄호 내에 {key: value} 형식으로 직접 입력 dic2={"one":1, "two":2} ;dic2 {'one': 1, 'two': 2} dic({key: value})와 같이 dic() 함수 적용 dic3=dict({"apple"