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 container iterable과 interator(반복자) sequence와 iterable의 차이 generator(발생자) Iterator ans Generator container container는 데이터를 담을 수 있는 그릇의 역할을 하는 것으로 list, tuple, dic, set, string등의 데이터 구조를 의미합니다. 다음 코드에서 사용한 연산자 in 를 사용하여 각 구조에 포함되는 요소들을 검사할 수 있습니다. assert 1 in [1,2,3] assert 4 in [1,2,3] AssertionError Traceback (most recent call last) c:\Users\sonhs\Documents\note\python\산책\pyNote2.ipynb Cell 2' in <cell line: 1>() ----> 1 assert 4 in [1,2,3] AssertionError: 위 코드에서 사용한 assert는 if와 같은 조건문으로서 조건이 False일 경우만 에러를 반환합니다. 그러므로 조건의 판단만을 결정할 경우 유용하게 사용할 수 있습니다. iterable과 interator(반복자) iterable 객체의 요소들을 한번에 하나씩 나타낼 수 있는 객체 list, turple, set, dictionary와 같은 collection이나 string등의 자료형 객체 iterator; 값을 차례대로 꺼낼 수 있는 객체 python에서 반복가능한 객체인 iterable의 대표적인 예로 range()에 의한 객체 인스턴스입니다. 다음은 0~9까지 정수를 생성하는 것입니다. for i in range(10): print(i, end=',') 0,1,2,3,4,5,6,7,8,9, 위 코드는 실제로 0~9까지의 수를 모든 데이터를