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 값의 비교 비교는 이중등호(==)와 삼중 등호(===)를 사용합니다. 이중등호(==): 값을 비교합니다. 삼중등호(===): 참조 주소를 비교합니다. 코틀린의 자료형은 기본적으로 참조형이며 Int, Double 등의 기본 자료형은 컴파일 단계에서 기본형을 전환됩니다. val a: Int = 128 val b: Int = 128 println(a == b) true //위 두 객체의 값이 같으므로 true println(a === b) true 컴파일 후 두 객체 a와 b는 기본형으로 전환되어 stack 메모리에 저장된다. 그러므로 그들의 저장위치는 같습니다. val a: Int = 128 val c: Int? = 128 println(a == c) true println(a === c) false 위의 두 객체 a, c의 자료형은 각각 Int과 nullable Int입니다. 컴파일 단계에서 Int는 기본형으로 전환되지만 nullable Int는 참조형으로 유지됩니다. 그러므로 Int는 stack 메모리에, nullable Int는 heap에 저장됩니다. 즉, 둘의 참조주소는 다릅니다. 다음 코드는 참조형과 기본형의 구분을 위한 것입니다. fun main() { val a: Double = 1e15 val b = a println(a === b) // 자료형이 기본형인 int가 되어 값이 동일 true val c: Double? = a val d: Double? = a val e: Double? = c println(c == d) // 값의 내용만 비교하는 경우 동일하므로 true println(c === d) // 값의 내용은 같지만 참조를 비교해 다른 객체(주소 다름)이므로 false println(c === e) // 값의 내용도 같고 참조된 객체도 동일(주소 동일)하므로 tr