기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[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.

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 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)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

[sympy] Sympy객체의 표현을 위한 함수들

Sympy객체의 표현을 위한 함수들 General simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다. import numpy as np from sympy import * x=symbols("x") a=sin(x)**2+cos(x)**2 a $\sin^{2}{\left(x \right)} + \cos^{2}{\left(x \right)}$ simplify(a) 1 simplify(b) $\frac{x^{3} + x^{2} - x - 1}{x^{2} + 2 x + 1}$ simplify(b) x - 1 c=gamma(x)/gamma(x-2) c $\frac{\Gamma\left(x\right)}{\Gamma\left(x - 2\right)}$ simplify(c) $\displaystyle \left(x - 2\right) \left(x - 1\right)$ 위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다. $$\tag{식 1}\Gamma(n) =\begin{cases}(n-1)!& n:\text{자연수}\\\int^\infty_0x^{n-1}e^{-x}\,dx& n:\text{부동소수}\end{cases}$$ x=symbols('x') gamma(x).subs(x,4) $\displaystyle 6$ factorial 계산은 math.factorial() 함수를 사용할 수 있습니다. import math math.factorial(3) 6 a=gamma(x).subs(x,4.5) a.evalf(3) 11.6 simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...

유리함수 그래프와 점근선 그리기

내용 유리함수(Rational Function) 점근선(asymptote) 유리함수 그래프와 점근선 그리기 유리함수(Rational Function) 유리함수는 분수형태의 함수를 의미합니다. 예를들어 다음 함수는 분수형태의 유리함수입니다. $$f(x)=\frac{x^{2} - 1}{x^{2} + x - 6}$$ 분수의 경우 분모가 0인 경우 정의할 수 없습니다. 이와 마찬가지로 유리함수 f(x)의 정의역은 분모가 0이 아닌 부분이어야 합니다. 그러므로 위함수의 정의역은 분모가 0인 부분을 제외한 부분들로 구성됩니다. sympt=solve(denom(f), a); asympt [-3, 2] $$-\infty \lt x \lt -3, \quad -3 \lt x \lt 2, \quad 2 \lt x \lt \infty$$ 이 정의역을 고려해 그래프를 작성을 위한 사용자 정의함수는 다음과 같습니다. def validX(x, f, symbol): ① a=[] b=[] for i in x: try: b.append(float(f.subs(symbol, i))) a.append(i) except: pass return(a, b) #x는 임의로 지정한 정의역으로 불연속선점을 기준으로 구분된 몇개의 구간으로 전달할 수 있습니다. #그러므로 인수 x는 2차원이어야 합니다. def RationalPlot(x, f, sym, dp=100): fig, ax=plt.subplots(dpi=dp) # ② for k in x: #③ x4, y4=validX(k, f, sym) ax.plot(x4, y4) ax.spines['left'].set_position(('data', 0)) ax.spines['right...