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
shallow copy와 deep copy 파이썬의 대입문은 객체의 복사본을 생성하지 않고 객체에 이름을 참조할 뿐입니다. 문자열과 같은 불변 객체의 경우 일반적으로 차이가 없습니다. 그러나 변경 가능한 개체 또는 변경 가능한 개체의 컬렉션으로 작업하려면 이러한 개체의 "실제 복사본" 또는 "복제"를 만드는 방법이 필요할 수 있습니다. 기본적으로 원본을 동시에 자동으로 수정하지 않고 수정할 수 있는 복사본이 필요한 경우가 있습니다. 이 장에서는 개체를 복사하거나 "복제"하는 방법과 관련된 몇가지 주의 사항이 필요합니다. 먼저 Python의 내장 컬렉션을 복사하는 방법을 살펴보겠습니다. 리스트(list), 사전(dictionary) 및 집합(set)과 같은 Python의 내장 변경 가능한 컬렉션은 기존 컬렉션에서 각각 list(), dict(), set()와 같은 팩토리 함수를 호출하여 복사할 수 있습니다. 목록, 사전 및 집합과 같은 복합 개체의 경우 복사는 얕은 복사 (shallow copy)와 깊은 복사 (deep copy)로 구분합니다. 사용자 정의에 의한 객체에 팩토리함수를 적용하면 얕은 복사만 이루어집니다. 이 둘의 차이를 보겠습니다. 얕은 복사 동일한 참조점에 있는 요소들을 포함 원본의 자손개체(요소)들을 참조 즉, 그들의 id와 연결 x=[1,2,3]를 얕은복사한 y=[1,2,3] $$\begin{align}&\text{id of x} \neq \text{id of y}\\&\text{id of x[0]} = \text{id of y[0]}\\&\text{id of x[1]} = \text{id of y[1]}\\&\text{id of x[2]} = \text{id of y[2]}\end{align}$$ 깊은 복사 동일한 형태의 새로운 객체를 생성 원본의 자손개체들과