기본 콘텐츠로 건너뛰기

[Linear Algebra] 직교적 투영(Orthogonal Projection)

[python] 다형성(polymorphism)

다형성(polymorphism)

다형성은 한 형태가 다른 형태로 발생하는 조건을 의미합니다. 이 다형성은 프로그래밍에서 매우 중요한 개념으로 단일 유형의 연산자, 개체등을 다른 조건이나 시나리오에서 다른 형태로 사용하는 것을 의미합니다. 예를 들어 덧셈 연산자인 +는 숫자형 뿐만 아니라 문자형에서도 사용될 수 있으며 각 사용처에 따라 그 용도 역시 차이가 납니다.

  • 숫자 : 덧셈
  • 문자 : 연결
x, y=2, 3
x+y
5
str1="pyhton"
str2="polymorphism"
str1+" "+str2
'pyhton polymorphism'

위와 같이 동일 대상의 사용의 차이를 다형성(polymorphism)이라고 합니다.

거의 모든 python 객체에서 사용되는 len()함수는 대상의 길이를 반환합니다. 그러나 그 함수의 대상이 되는 인수가 문자열, 리스트, 사전에 따라 반환하는 결과에 차이를 나타냅니다.


11
y=[1, 2,"apple", "computer"] #리스트를 구성하는 원소 수를 반환
len(y)
4
z={"computer": 2, "apple":1} #사전 형식의 key:value의 pair의 수를 반환
len(z)
2

위와같이 다형성은 함수를 다양한 조건에서 사용할 수 있게 합니다. 이러한 용도는 클래스로 확대할 수 있습니다.

class staff1:
    def __init__(self, name, age, grade):
        self.name=name
        self.age=age
        self.grade=grade
    def info(self):
        print(f"성명: {self.name}")
        print(f"나이: {self.age}")
        print(f"수준: {self.grade}")     

class staff2:
    def __init__(self, name, age, grade):
        self.name=name
        self.age=age
        self.grade=grade
    def info(self):
        print(f"성명: {self.name}")
        print(f"나이: {self.age}")
        print(f"수준: {self.grade}") 
x=staff1("Ali", 27, 3)
y=staff2("Brian", 49, 1)

for i in (x, y):
    i.info()
성명: Ali
나이: 27
수준: 3
성명: Brian
나이: 49
수준: 1

위 두개의 클래스는 같은 형식과 내용을 가집니다. 물론 같은 형식의 수퍼클래스와 그 클래스를 상속받는 서브클래스를 작성할 수 있습니다.그러나 위와같이 다른 클래스내에 존재하는 동일한 이름의 함수를 다음과 같이 튜플 형식으로 그룹화하여 반복자로 적용할 수 있습니다. 이것 역시 튜플을 다른 조건에서 다른 형태로 사용할 수 있는 다형성의 예입니다.

위 코드에서 print() 형식으로 포멧문자열 리터럴을 사용하였습니다. 이는 문자열 앞 부분에 f 또는 F 와 함께 {표현식}을 사용한 것입니다.

print(f"4의 제곱근은 {4**0.5}과 {-4**0.5} 입니다.")
4의 제곱근은 2.0과 -2.0 입니다.

클래스의 함수 재정의(overriding) 역시 다형성이 적용된 것입니다.

from math import pi

class Shape:
    def __init__(self, name):
        self.name=name
    def totLength(self):
        pass
    def area(self):
        pass
    def fact(self):
        return("2차원 도형을 나타냅니다.")
    def __str__(self):  #자료형에 연산을 실시하기 위한 형식: __메소드__
        return (self.name) 
    
class Square(Shape):
    def __init__(self, length):
        super().__init__("Square")
#super()는 수퍼클래스를 의미하는 것으로 상속하는 클래스의 변수의 초기값을 설정.
        self.length=length
    def totLength(self):
        return (4*self.length)
    def area(self):
        return(self.length**2)
    def fact(self):
        return("정사각형은 4변이 같고 각 변의 사잇각은 90도 입니다.")

class Circle(Shape):
    def __init__(self, radius):
        super().__init__("Circle")
        self.radius=radius
    def totLength(self):
        return (2*pi*self.radius)
    def area(self):
        return(pi*self.radius**2)
    def fact(self):
        return(f"반지름 {self.radius}인 원입니다.") 
a=Square(5)
b=Circle(10)
print(a, b)
Square Circle
print(a.totLength(), b.totLength())
20 62.83185307179586
print(a.area(), b.area())
25 314.1592653589793
print(a.fact())
정사각형은 4변이 같고 각 변의 사잇각은 90도 입니다.
print(b.fact())
반지름 10인 원입니다.

위 코드에서 클래스 Square와 Circle는 Shape를 상속받지만 수퍼클래스의 함수들을 재정의 합니다. 이것은 같은 이름의 객체를 조건을 변경하여 사용하는 것으로서 다형성의 예입니다.

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