palefaceman's digital repository

단 방향 ANOVA(one-way ANOVA)는 3개 이상의 독립적인 그룹의 평균 간에 유의미한 차이가 있는지 판별하는 검정 방법이다. 단 방향 ANOVA(one-way ANOVA)에서 사용된 가설은 귀무가설(null hypothesis), H0: μ1= μ2=μ3=...=μk (각각 그룹에 평균은 같다.)이다. 대립 가설(alternative hypothesis), Ha: 적어도 하나의 평균의 값이 다르다, 이다. ANOVA에서 구해진 p-value가 유의 수준(siginificance level)보다 작으면, 귀무가설(null hypothesis)을 기각할 수 있다. 그리고, 적어도 하나의 평균이 다르다고 볼 수 있는 충분한 통계적 근거가 있다고 말할 수 있다. 그러나, ANOVA로 어느 그룹에 평균..

파이썬에서 기하평균(geometric mean)을 구하는 방법은 2가지가 있다. 방법 1: Scipy 라이브러리를 이용한 기하평균(geometric mean) 구하기 from scipy.stats import gmean #기하평균(geometric mean) 구하기 gmean([value1, value2, value3, ...]) 방법 2: Numpy 라이브러리를 이용하여 기하평균(geometric mean) 구하기 import numpy as np #함수 생성 def g_mean(x): a = np.log(x) return np.exp(a.mean()) #기하평균(geometric mean) 구하기 g_mean)[value1, value2, value3, ...]) 두 방법은 동일한 값을 반환한다. 실..

단 방향 ANOVA(Analysis Of Variance)는 3개 이상의 독립적인 그룹에 평균값이 통계적으로 유의미한 차이가 있는지 판별할 때 사용한다. 이번 포스팅에서 단 방향 ANOVA(one-way ANOVA)를 해본다. 예시: 엑셀에서 단 방향 ANOVA(one-way ANOVA) 실습하기 30명의 학생이 연구에 참여한다고 가정해본다. 각각의 학생들은 무작위로 3개 중 하나의 그룹에 배치되었다. 각각의 그룹은 각기 다른 학습법으로 3주 동안 학생들을 학습시키고 3주 후에 동일한 시각에 시험을 본다. 시험 점수가 다음과 같이 나왔다. 실험 연구자들은 이제 시험 점수를 바탕으로 단 방향 ANOVA(one-way ANOVA)을 실시한다. 그리하여, 3개 그룹의 평균이 통계적으로 같다고 할 수 있는지 판..

한 번씩 파이썬에서 리스트(list)의 값을 변경해야 하는 경우가 있다. 다행히도, 파이썬은 이에대해 강력한 편리성을 제공하고 있다. 아래 예시와 함께 리스트(list)에 변수를 변경하는 다양한 방법을 실습해본다. 예시 1: 하나의 리스트(list) 값 변경하기 아래 문법은 하나의 리스트(list) 값을 변경한다. #4개 크기 리스트(list) 만들기 x = ['a', 'b', 'c', 'd'] #첫 번째 리스트 값 변경하기 x[0] = 'z' #업데이트된 값 확인 x ['z', 'b', 'c', 'd'] 예시 2: 하나 이상의 리스트(list) 값 변경하기 아래 문법은 하나 이상의 리스트(list) 값을 변경한다. #4 크기의 리스트(list) 생성 x = ['a', 'b', 'c', 'd'] # 첫 ..

회귀분석(regression analysis)에서 최소자승법(meothod of least squares)은 이용하여 데이터에 가장 적합한 직선을 찾아내는 데 사용한다. 넘파이(Numpy)에 linalg.lstsq() 함수를 사용하여 최소자승법(meothod of least squares)을 실행할 수 있다. 아래 순차적 예시에서 최소자승법(meothod of least squares)을 실행 해본다. 단계 1: 독립변수(independent variables)와 종속변수(dependent variables)를 입력한다. 첫째로, 넘파이(Numpy) 배열로 데이터를 생성한다. import numpy as np #x,y 변수 배열 변수 생성 x = np.array([6, 7, 7, 8, 12, 14, 15..

넘파이(Numpy)에서 if-else 로직을 이용하여 배열(array)에 빠르게 값을 업데이트할 수 있었다. 예를 들어, 아래코드와 같이 넘파이(Numpy) where() 함수를 사용하여 배열(array)을 업데이트한다. import numpy as np #Numpy 배열 값 x = np.arraY([1,3,3,6,7,9]) #새로운 값 배열에 넣기 x = np.where((x 8), x/2, x) #새로운 배열 값 보기 array([0.5, 1.5, 1.5, 6. , 7. , 4.5]) If, 기존 배열에 값이 5보다 작거나 8보다 크면, 그 값을 2로 나눈 값을 새로 저장한다. Else, 나머지는 그대로 둔다. 판다스 데이터 프레임(pandas DataFrame)에서도 판다스(p..

문자열(string)에서 아래 간단한 코드로 판다스 데이터프레임을 생성할 수 있다. import pandas as pd import io df = pd.read_csv(io.StringIO(string_data),sep=",") 위의 문법은 'string_data'라는 문자열에서 입력된 값(value)으로 판다스 데이터프레임을 생성한다. 아래 예시에서 어떻게 문법을 사용하는 지 알아본다. 예시 1: 콤마로 문자열 값 나눠 데이터 프레임 생성하기 아래 코드에서 문자열(string)에 입력된 값으로부터 어떻게 ','로 구분하여 판다스 데이터프레임을 생성하는지 보여 준다. import pandas as pd import io #define string string_data="""points, assists, ..

시퀀스(sequence)를 생성하는 NumPy에 linspace와 arange가 가장 널리 사용되는 함수다. 두 함수 사이에 조금 다른 점이 있다. linspace: 간격의 크기를 결정할 수 있다. arange: 간격 안에서 생성되는 수의 개수를 결정할 수 있다. 아래 예제를 통해서 함수들이 어떻게 작동하는지 알 수 있다. 예시 1: np.linspace 사용하기 np.linspace()의 함수는 아래 기본 신텍스(syntax)로 구성된다. np.linspace(start, stop, num,...) start: 시작하는 수 stop: 마지막 수 num: 생성하는 수 아래 코드에 np.inspace()를 이용해서 0~20까지 11개 변수를 생성하는 코드를 입력했다. import numpy as np # ..

파이썬에서 np.mean(), np.average()로 배열(array)에 평균을 구할 수 있다. 두 함수에서는 작은 차이가 있다. np.mean(): 산술평균을 계산한다. np.average(): 가중치가 옵션으로 추가 입력할 수 있어 가중평균을 구할 수 있다. 예시 1: np.mean(), np.average() 가중치 옵션 없이 사용하기 아래의 배열이 있다. # 배열 생성 data = [1, 4, 5, 7, 8, 8, 10] np.mean()과 np.average()를 사용하여 평균을 구해본다. import numpy as np # 평균 구하기 np.mean(data) 6.142857142857143 # 평균 구하기 2 np.average(data) 6.142857142857143 두 함수가 같은 ..

NumPy는 Numberical python의 약어다. 파이썬 프로그래밍 언어에 만들어진 과학적 컴퓨팅 업무를 할 때 사용하는 라이브러리(library)다. 가장 쉬운 작동 방법은 import numpy as np import numpy 코드는 파이썬에서 Numpy 라이브러리를 불러오는 명령을 수행한다. as np 코드는 파이썬에서 Numpy에 np라는 명칭을 부여한다. 그럼으로써, Numpy 함수를 np.function_name으로 사용 할 수 있다. (그렇지 않을 경우 numpy.funciton_name) Numpy를 improt하고 나면 Numpy에 내장된 함수를 자유롭게 사용가능하다. Numpy 기본 어레이(array) 작성 Numpy에서 가장 흔히 쓰게될 데이터 타입은 array다. np.arr..