기본 콘텐츠로 건너뛰기

[data analysis]로그-노말 분포(Log-normal distribution)

[python] 얕은 복사(shallow copy)와 깊은 복사(deep copy)

얕은 복사(shallow copy)와 깊은 복사(deep copy)

관련내용

객체들의 참조나 요소의 같음과 다름은 두 값이 같음의 여부를 판정하는 연산자 ==와 키워드 is로 확인할 수 있습니다.

a=[1, 2, 3]
b=a; b
[1, 2, 3]
a==b
True

위 결과는 두 객체의 값이 같음을 의미합니다. 그러나 이 결과가 두 객체의 참조점의 위치를 같음을 의미하지는 않습니다. 즉, 위 결과는 다음의 결과를 보장하지 않습니다.

id(a[1])==id(b[1])
True

위 두 코드와 같이 값과 참조점의 위치가 같음은 키워드 is에 의해 확인할 수 있습니다.

a is b
True

위 코드의 객체 b는 a를 할당한 것으로 동일한 위치에 있는 요소들을 참조합니다. 다음 코드의 list()는 리스트 자료형의 객체를 생성하는 내장함수입니다. 이 함수에 의해 생성된 객체는 같은 값을 포함하지만 다른 참조점을 가집니다. 즉, 다른 객체입니다.

c=list(a); c
[1, 2, 3]
a==c
True
a is c
False

위의 객체들 중에 b의 첫 번째 요소값을 변경시키면 같은 참조점을 가지는 a 역시 수정됩니다. 그러나 다른 객체인 c에는 영향을 주지 않습니다.

b[0]=100; b
[100, 2, 3]
a
[100, 2, 3]
c
[1, 2, 3]

결과적으로 위의 객체 b와 c는 a를 복사한 것입니다. 그러나 b와 c는 다른 객체입니다. 이와 같이 파이썬은 객체가 객체를 복사하는 2가지 방법을 가지고 있습니다(그림 1)

얕은 복사(shallow copy)
  • 위 a와 b 객체의 관계
  • 동일한 참조점에 있는 요소들을 포함
  • 얕은 복사에 있는 객체는 서로 연결되어 있음
깊은 복사(deep copy)
  • 위 a와 c 객체의 관계
  • 동일한 요소들을 가지지만 각 요소의 참조점은 다릅니다.
  • 다른 객체로서 서로 영향을 주지 않음

이 관계를 그림 1과 같이 나타낼 수 있습니다.

그림 1. 얕은복사와 깊은복사.

파이썬에서 객체가 참조하는 대상이 단일한 수 즉, 리터럴인 경우 깊은복사만 이루어집니다. 다시말하면 같은 이름의 객체에 다른 값을 전달하면 참조 위치가 달라지므로 앝은 복사가 이루어 질 수 없습니다.

a=3
b=a; b
15
b=2
a, b
(3, 2)

그러므로 얕은 복사는 여러객체를 포함하는 가변 콜렉션 객체인 리스트에서 이루어 집니다. 이 자료형에서 복사의 조정은 기사 리스트 객체의 복사를 참조합니다.

댓글

이 블로그의 인기 게시물

유사변환과 대각화

내용 유사변환 유사행렬의 특성 대각화(Diagonalization) 유사변환(Similarity transformation) 유사변환 n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사하다고 하며 이 변환을 유사 변환 (similarity transformation)이라고 합니다. $$\begin{equation}\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B \end{equation}$$ 식 1의 유사 변환은 다음과 같이 고유값을 적용하여 특성 방정식 형태로 정리할 수 있습니다. $$\begin{align} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align}$$ 위 식의 행렬식은 다음과 같이 정리됩니다. $$\begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \t

[matplotlib] 히스토그램(Histogram)

히스토그램(Histogram) 히스토그램은 확률분포의 그래픽적인 표현이며 막대그래프의 종류입니다. 이 그래프가 확률분포와 관계가 있으므로 통계적 요소를 나타내기 위해 많이 사용됩니다. plt.hist(X, bins=10)함수를 사용합니다. x=np.random.randn(1000) plt.hist(x, 10) plt.show() 위 그래프의 y축은 각 구간에 해당하는 갯수이다. 빈도수 대신 확률밀도를 나타내기 위해서는 위 함수의 매개변수 normed=True로 조정하여 나타낼 수 있다. 또한 매개변수 bins의 인수를 숫자로 전달할 수 있지만 리스트 객체로 지정할 수 있다. 막대그래프의 경우와 마찬가지로 각 막대의 폭은 매개변수 width에 의해 조정된다. y=np.linspace(min(x)-1, max(x)+1, 10) y array([-4.48810153, -3.54351935, -2.59893717, -1.65435499, -0.70977282, 0.23480936, 1.17939154, 2.12397372, 3.0685559 , 4.01313807]) plt.hist(x, y, normed=True) plt.show()

R 미분과 적분

내용 expression 미분 2차 미분 mosaic를 사용한 미분 적분 미분과 적분 R에서의 미분과 적분 함수는 expression()함수에 의해 생성된 표현식을 대상으로 합니다. expression expression(문자, 또는 식) 이 표현식의 평가는 eval() 함수에 의해 실행됩니다. > ex1<-expression(1+0:9) > ex1 expression(1 + 0:9) > eval(ex1) [1] 1 2 3 4 5 6 7 8 9 10 > ex2<-expression(u, 2, u+0:9) > ex2 expression(u, 2, u + 0:9) > ex2[1] expression(u) > ex2[2] expression(2) > ex2[3] expression(u + 0:9) > u<-0.9 > eval(ex2[3]) [1] 0.9 1.9 2.9 3.9 4.9 5.9 6.9 7.9 8.9 9.9 미분 D(표현식, 미분 변수) 함수로 미분을 실행합니다. 이 함수의 표현식은 expression() 함수로 생성된 객체이며 미분 변수는 다음 식의 분모의 변수를 의미합니다. $$\frac{d}{d \text{변수}}\text{표현식}$$ 이 함수는 어떤 함수의 미분의 결과를 표현식으로 반환합니다. > D(expression(2*x^3), "x") 2 * (3 * x^2) > eq<-expression(log(x)) > eq expression(log(x)) > D(eq, "x") 1/x > eq2<-expression(a/(1+b*exp(-d*x))); eq2 expression(a/(1 + b * exp(-d * x))) > D(eq2, "x") a * (b * (exp(-d * x) * d))/(1 + b