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
솟수는 1과 자신외에 나눌 수 없는 정수입니다. 즉, 1과 자신의 수외에 인수가 없는 정수입니다. 어떤 수 x가 솟수인지를 결정하기 위해 다음 생각을 코딩할 수 있습니다. 1) x=1 → 솟수 2) [2, x-1] 사이에 x를 나눌 수 있는 수 즉, 인수가 없다면 → 솟수 def CheckPrimeNumber_fun(x): if abs(x)>1: for i in range(2,x): if x % i ==0: print(x,"는 소수가 아닙니다.") break else: print(x,"는 솟수입니다.") else: print(x,"는 솟수입니다.") CheckPrimeNumber_fun(97) 97 는 솟수입니다. 위 함수(코드)를 사용하여 일정한 범위에서 솟수들을 결정하기 위한 다른 함수를 작성하기 위해서 위 코드를 class로 작성한 후 이 클래스를 상속받는 서브클래스를 작성합니다. 클래스 작성에서 초기값을 지정하기 위해 생성자(constructor)를 사용합니다. 생성자 __init__ : 클래스에 매개변수를 전달합니다. class CheckPrimeNumber: def __init__(self, x): #초기값등을 위한 생성자(__inti__) self.x=x def prime(self): re=False if abs(self.x)>1: for i in range(2,self.x): if self.x % i ==0: re=False