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
람다함수(Lambda function) 함수를 작성하기 위해 def 키워드를 사용할 경우 반드시 함수의 이름을 선언해야 합니다. 이에 반해 특정한 이름의 선언 없이 함수를 작성할 수 있습니다. 이러한 함수를 익명함수라고 합니다. 파이썬에서 키워드 람다(lambda)는 익명함수를 정의하기 위해 제공됩니다. 함수 개체가 필요할 때마다 사용할 수 있습니다. 예를 들어, 다음은 덧셈을 수행하는 간단한 람다 함수를 정의하는 방법입니다. add=lambda x, y:x+y add(5, 4) 9 위 익명함수를 def를 사용하여 작성하면 다음과 같습니다. def add1(x, y): return x+y add1(5, 4) 9 익명함수는 def에 의한 함수보다 간결하게 사용할 수 있습니다. 이 간결성은 다음과 같이 다른 객체로 할당 없이 직접적으로 사용할 수 있는 표현식(expression)이라는 점 때문입니다. (lambda x, y:x+y)(5, 4) 9 람다와 일반 함수 정의 사이에는 또 다른 구문상의 차이점이 있습니다. Lambda 함수는 단일 표현식으로 제한됩니다. 이는 람다 함수가 명령문이나 주석이나 return과 같이 반환명령문을 사용할 수 없음을 의미합니다. 그러나 반환명령문을 사용할 수 없음에도 불구하고 람다 함수는 표현식을 평가한 다음 표현식의 결과를 자동으로 반환하므로 항상 암시적 return 문이 있습니다. 이 때문에 단일 표현식인 lambda는 함수로 명명될 수 있는 것입니다. 람다의 가장 빈번한 사용 사례는 대체 키로 iterable을 정렬하기 위한 짧고 간결한 키(key) 함수를 작성하는 것입니다. 예를 들어 sorted(iterable, key, reverse=False) 은 반복가능한 객체(iterable)를 정렬하기 위한 파이썬 내장함수 입니다. 이 함수에서 key는 객체의 적용되는 함수를 지정하는 매개변수로서 lambda 함수를 사용할 수 있습니다. student= [('john', &