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
두 수의 공약수 구하기 def commomFactor(x, y): re=[1] if x < y : smaller =x else: smaller=y for i in range(2, smaller+1): if (x % i ==0) and (y %i==0): re.append(i) return(re) commomFactor(54, 24) [1, 2, 3, 6] 두 수의 최대공약수는 사용자 정의함수 commomFactor()의 결과 중 최대수를 반환하는 방식으로는계산할 수 있습니다. 이러한 방식은 큰 수 일수록 반복문의 횟수가 증가합니다. 이러한 문제는 유클리드 호제법을 적용하여 개선할 수 있습니다. 두 수 a, b 로부터 다음 알고리즘에서 a%b=0이 될 때까지 반복하면 a가 최대공약수가 됩니다. a, b = b, a % b 예를들어 76, 24의 최대공약수의 계산과정은 다음과 같습니다. a=76, b=24 a=24, b=76%24=4 a=4, b=4%4=0 최대공약수: 4 def gcd(x, y): while(y): x , y = y, x % y return x commonFactor(76, 24) [1, 2, 4] gcd(76, 24) 4 두 수의 최소공배수 다음 코드와 같이 두 수중 큰수 결정하고 그 수를 시작으로 1씩 증가하면서 두 수에 의한 나눗셈의 나머지가 모두 0인 최초의 수를 결정합니다. def lcm1(a, b): if a > b: greater = a else: greater = b while(True): if (greater %