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
context managers와 with statement Python의 with 문은 깨끗하고 읽기 쉬운 Python 코드를 작성하는 데 도움이 될 수 있는 구문입니다. 특성(변수)을 추상화하고 팩토링하여 재사용할 수 있도록 하여 일부 일반적인 리소스(resource) 관리 패턴을 단순화하는 데 도움이 됩니다. 다음 코드의 내장함수인 open(경로/파일명.확장자, 'w') 함수를 사용하여 텍스트 파일을 호출하여 일정한 문구를 쓰기 위한 명령을 with 문을 사용하여 작성한 것입니다. with open('test.txt', 'w') as f: f.write('Hello, World!') with문을 사용하지 않을 경우 동일한 결과를 위한 코드는 다음과 같습니다. f=open('test.txt','w') f.write('Hellow, World!') f.close() 위 코드는 f.write() 함수에 예외가 발생할 경우 f.close()함수는 실행되지 않습니다. 즉 파일이 열린 상태에서 더 이상의 명령은 작동되지 않습니다. 이를 예방하기 위해 try문 을 적용할 수 있습니다. f=open('test.txt', 'w') try: f.write('Hellow, World!') finally: f.close() with 문은 try~finally 문을 포함한 위 코드와 같습니다. 즉 with 구문은 컨텍스트 관리자 (context manager)를 구현하여 고유한 클래스 및 함수에서 동일한 기능을 제공할 수 있습니다. 컨텍스트 관리자는 with 문을 지원하기 위해 객체가 따라야 하는 간단한 프로토콜 또는 인터페이스 입니다. 기본적으로 객체가 컨텍스트 관리자로 작동하도록 하려면 객체에 __enter__ 및 __exit__ 메서드를 추가하기만 하면 됩니다. Python은 리소스 관