기본 콘텐츠로 건너뛰기

[matplotlib] 등고선(Contour)

[python]문(Statement)과 식(Expressions)

문(Statement)과 식(Expressions)

파이썬 인터프리터(해석기)가 실행할 수 있는 명령을 문(statement)이라고 합니다. 문의 실행에 어떤 결과도 반환되지 않습니다.

x=3

x라는 객체에 3을 할당하는 것으로 할당문(assignment statement)라고 하며 객체 x는 3을 참조한다는 것을 암묵적으로 선언하는 것으로 그 자체로는 어떤 결과를 나타내지 않습니다. 결과를 확인하기 위해서는 x를 다시 호출하여야 합니다.

x
3

위 코드와 같이 문은 결과를 직접적으로 반환(return)하지 않습니다. 그러나 print() 함수를 사용하여 같이 결과를 출력할 수는 있습니다. 파이썬에서 결과를 나타내는 방법을 두가지 용어("반환", "출력")로 표현합니다. 반환과 출력은 모니터에서 그 결과를 확인한다는 공통점이 있지만 반환(return)은 결과를 반환시키는 객체를 참조하는 등 재사용할 수 있지만 출력의 경우 그 객체를 다시 사용할 수 없습니다.

반환은 내장함수인 return(결과)를 사용합니다.

다음 코드들에서 y는 3과 7의 더하기 연산의 결과로 객체 z이 참조할 수 있는 객체가 됩니다. 반대로 print()문의 결과를 객체 a에 할당하는 명령에서 a는 어떤 결과도 갖지 않습니다. 즉, print() 문에 의한 결과는 출력된 후에 메모리에 저장되지 않고 사라집니다. 이러한 결과의 발생을 출력이라고 합니다.

y=3+7
y
10
z=13+y
z
23
a=print("이것은 출력입니다.")
이것은 출력입니다.
a

결과적으로 문에 의한 결과의 반환은 명시적으로 이루어지지 않습니다. 반면에 식(expression)은 결과를 명시적으로 나타냅니다.

단일한 값을 반환하는 명령(코드)을 식(expression)이라고 합니다. 위 코드 'y=3+7'에서 '3+7'은 다음과 같이 단일한 결과를 반환하므로 식이됩니다.

3+7
10

결국 'y=3+7'는 개체 y에 '3+7'식을 할당한 것으로 전체적으로 식을 포함한 할당문이 됩니다.

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. (1)A=PBP1P1AP=B 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. (식 2)BλI=P1APλP1P=P1(APλP)=P1(AλI)P 식 2의 행렬식은 식 3과 같이 정리됩니다. det(BλI)=det(P1(APλP))=det(P1)det((AλI))det(P)=det(P1)det(P)det((AλI))=det(AλI)det(P1)det(P)=det(P1P)=det(I) 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 sin2(x)+cos2(x) simplify(a) 1 simplify(b) x3+x2x1x2+2x+1 simplify(b) x - 1 c=gamma(x)/gamma(x-2) c Γ(x)Γ(x2) simplify(c) (x2)(x1) 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. (식 1)Γ(n)={(n1)!n:자연수0xn1exdxn:부동소수 x=symbols('x') gamma(x).subs(x,4) 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...

sympy.solvers로 방정식해 구하기

sympy.solvers로 방정식해 구하기 대수 방정식을 해를 계산하기 위해 다음 함수를 사용합니다. sympy.solvers.solve(f, *symbols, **flags) f=0, 즉 동차방정식에 대해 지정한 변수의 해를 계산 f : 식 또는 함수 symbols: 식의 해를 계산하기 위한 변수, 변수가 하나인 경우는 생략가능(자동으로 인식) flags: 계산 또는 결과의 방식을 지정하기 위한 인수들 dict=True: {x:3, y:1}같이 사전형식, 기본값 = False set=True :{(x,3),(y,1)}같이 집합형식, 기본값 = False ratioal=True : 실수를 유리수로 반환, 기본값 = False positive=True: 해들 중에 양수만을 반환, 기본값 = False 예 x2=1의 해를 결정합니다. solve() 함수에 적용하기 위해서는 다음과 같이 식의 한쪽이 0이 되는 형태인 동차식으로 구성되어야 합니다. x21=0 import numpy as np from sympy import * x = symbols('x') solve(x**2-1, x) [-1, 1] 위 식은 계산 과정은 다음과 같습니다. x21=0(x+1)(x1)=0x=1or1x4=1의 해를 결정합니다. solve() 함수의 인수 set=True를 지정하였으므로 결과는 집합(set)형으로 반환됩니다. eq=x**4-1 solve(eq, set=True) ([x], {(-1,), (-I,), (1,), (I,)}) 위의 경우 I는 복소수입니다.즉 위 결과의 과정은 다음과 같습니다. x41=(x2+1)(x+1)(x1)=0x=±1,±1=±i,±1 실수...