기본 콘텐츠로 건너뛰기

라벨이 variable인 게시물 표시

통계관련 함수와 메서드 사전

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

객체의 작동범위

내용 전역(global) 전역변수와 지역변수 1급 객체와 변수의 영역 객체의 작동범위 전역(global) 파이썬에서 객체의 이름에 객체를 할당하면 객체의 주소가 할당되어 이름공간에 저장됩니다. 저장된 객체이름이 객체를 참조하는 것으로 이 상태를 연결(binding)되었다고 표현합니다. 기본적으로 바인딩은 모듈단위로 이루어집니다. 파이썬은 다양한 라이브러리(패키지, 모듈)들이 존재합니다. 파이썬 자체가 가지는 내장함수, 속성을 제외하고 모듈의 속성, 함수들은 그 모듈내에서만 작동됩니다. 예를 들어 numpy는 배열을 다루기 위해 특화된 파이썬 패키지입니다. 이 패키지의 array()함수는 배열을 생성하기 위한 함수로서 다음과 같이 그 패키지를 장착한 뒤에 함수가 작동할 영역을 지정해 주어야 합니다. import numpy as np x=np.array([1,2,3]);x array([1, 2, 3]) 다음과 같이 지정하지 않을 경우 동작하지 않습니다. -y=array([1,2,3]); y NameError: name 'array' is not defined 이러한 모듈을 장착할 수 있는 기본 파이썬을 파이썬 코어(core)라고 하며 파이썬 내장함수라고 하면 이 파이썬 코어에 포함된 함수를 의미합니다. 다음 코드와 같이 내장 함수 len()은 특별히 작용영역을 지정하지 않고 사용할 수 있으며 다른 모듈에서 생성된 객체에 대해서도 작동합니다. 즉, 내장함수는 파이썬 코어가 작동하는 모든 범위에서 작동합니다. 위 그림과 같이 파이썬의 각 객체는 모듈 단위로 이루어지며 기본적으로 객체는 모듈 안에서 동작합니다. 이러한 범위를 전역(global)범위라고 합니다. 각 모듈에 포함되어 있는 함수, 메서드, 속성등은 전역범위에서 작동합니다. -len(x) 3 전역변수와 지역변수 객체에 이름을 부여하는 변수의 경우는 어떨까요? 특히 함수나 클래스에서의 특정한 변수는 일정한 범위에서만 작동 가능하도록 설정할 수 있습니

변수의 종류와 비율

내용 변수의 종류 테이블 구조 기술통계량 찾기 목록변수의 인코딩(encoding) 비율 변수의 종류 측정, 설문, 연구 등에 의해 생성되는 모든 자료들이 변수가 될 수 있으며 기계학습에서 특징 이라는 용어를 사용하기도 합니다. 한 사건은 여러 변수 값들을 포함하고 있으며 인스턴스(instance) 또는 샘플 이라고 합니다. 다음 표는 이름, 나이, 성별, 키(height)라는 3개의 변수와 3개의 사건 즉, 인스턴스들을 포함하고 있습니다. 일반적인 자료의 형식이며 각 변수는 열(column), 인스턴스는 행(row) 으로 구성되며 이러한 자료를 데이터 셋(data set)이라고 합니다. 이름 나이 성별 키 철수 10 남 153 영희 15 여 161 길동 21 남 181 데이터 셋을 구성하는데 있어 질문의 수는 변수의 수와 같으며 응답자의 수는 관측치의 수에 영향을 줍니다. 그러나 응답자의 수가 변수의 수에 영향을 주지 않습니다. 표 1과 같이 모든 변수들은 목록변수 와 양적변수 로 구분하며 또한 변수는 측정 수준에 따라 명목형, 순위형, 이산형, 연속형 로 구분합니다. 표 1. 변수의 종류 변수 내용 측정수준 목록변수(Categorical variables)} 그룹/목록 표시 명목형(Nominal) 순위형(Ordinal) 양적변수(Quantitative variables)} 수량/크기 표시 이산형(Discrete) 연속형(Continuous) 명목형 변수 는 논리적 순서가 없는 질적 분류만이 가능한 변수입니다. 예로서 과일에 대한 데이터 셋의 경우 1=사과, 2=배, 3=수박의 경우 각 과일은 1, 2, 3의 번호로 지정하였지만 과일은 논리적으로 순위나 다른 값들 사이에 관련성이 없습니다. 단지 이름만을 부여할 수 있

변수(variable), 상수(constant), 리터럴(literal) 그리고 컬렉션(collection)

내용 변수와 상수 Literals(리터럴) 숫자형 리터럴 Int 형의 진법변환 format(x, 진수) String(문자형 리터럴) Boolean literals None literals 컬렉션(Collections) 변수, 상수, 그리고 literals 변수와 상수 변수 메모리에 할당된 데이터를 참조하기 위한 이름입니다. 변수의 내용은 수정이나 치환이 가능합니다. 실제로 참조경로가 수정되는 것입니다. 상수 변수와 같지만 수정이나 치환되지 않습니다. 변수나 상수에 값을 할당하기 위해 ' = ' 를 사용합니다. x="apple";x 'apple' x=32 #변수이므로 값의 수정이 가능함 x 32 여러 변수에 각 값을 동시에 할당할 수 있습니다. a, b, c=5, 3.14, "Python" a 5 b 3.14 c 'Python' python에서는 상수와 변수를 엄격히 구분하지 않습니다. 그러나 변형할 수 없는 수를 포함하는 파일을 작성하고 이 파일을 가져오기 하여 상수로 사용할 수 있습니다. 즉, 상수를 포함하는 파일을 모듈로 사용하는 것입니다. 특정한 수를 상수로 사용해야 할 경우 별도의 파일로 작성하여 모듈로 사용하는 방법을 적용할 수 있습니다. 다음 코드는 일정한 수준에서 반올림한 π 값을 상수로 사용하기 위해 python 파일(contant.py)을 작성한 후 모듈로 임포팅 하여 사용한 예입니다. 현 파이썬 인터프리터에 임포팅한 값을 수정하더라고 특정한 수를 포함한 원시파일(raw file)의 값을 변경되지 않습니다. import constant pi=constant.PI pi 3.14 constant.PI=3.