기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

Sequence- kotlin

for loop문에서 객체를 반복할 경우 각 단계마다 그 결과를 반환합니다.
val lst=listOf("rock","pagoda","plastic plant","alligator","flowerpot")
for(i in lst){println(i)}
     rock
     pagoda
     plastic plant
     alligator
    flowerpot

위와 같이 for 문으로 하나의 객체에 여러 원소를 반복하여 제출할 수 있는  객체를 iterable 객체(반복자)라고 합니다. List, Map등의 collection이나 range 객체는 이러한 반복자로 사용할 수 있습니다.
이와 유사한 객체로 코틀린 표준라이브러리에서 제공하는 시퀀스(Sequence)가 있습니다. 이 객체의 여러단계 처리는 전체 단계가 처리된 결과가 요구될 때 실제 연산이 일어납니다.
동작 수행의 순서 또한 다릅니다.
Sequence는 각각 하나의 원소(element)에 대해 모든 단계를 수행한다.
Iterable 은 전체 collection 에 대해 각 단계의 수행을 완료하고 다음 단계로 넘어간다.
따라서, sequence 는 중간 단계의 결과에 대한 처리를 피할 수 있게 해주며, collection 전체 처리에 대한 수행 성능이 향상된다.
하지만 크기가 작은 collection 이나 단순한 연산 동작에 대해서는 오히려 불필요한 오버헤드가 생길 수 있다.
그러므로 어느 경우에 Sequence 나 Iterable 중에 적절한 선택을 해야 한다.

다음은 iterable의 예입니다.


String 객체.split: 문자열을 메소드에 전달한 인수를 기준으로 분리합니다.

val words1 = "The quick brown fox jumps over the lazy dog"
words1.split(" ")
     [The, quick, brown, fox, jumps, over, the, lazy, dog]
객체.filter{인수; 조건} : 객체에서 조건에 해당하는 부분을 반환

다음 예에서 it은 객체에 속한 각각의 원소를 의미합니다.
val lengthsList = words.filter { println("filter: $it"); it.length > 3 }
lengthsList
     filter: The  //println의 반환으로 각 원소를 모두 반환
     filter: quick
     filter: brown
     filter: fox
     filter: jumps
     filter: over
     filter: the
     filter: lazy
     filter: dog
[quick, brown, jumps, over, lazy] //길이가 3이상인 부분만을 반환

객체.map{실행문}: 객체의 모든 원소들에 실행문을 적용하여 반환합니다.

val lengthsListMap=lengthsList.map{ println("length: ${it.length}"); it.length }
lengthsListMap
     length: 5
     length: 5
      length: 5
     length: 4
     length: 4
      [5, 5, 5, 4, 4]

객체.take(n): 객체의 0~n 번째 까지의 원소를 반환합니다.

lengthsListMap.take(2)
[5, 5]


위의 과정을 축소하여 다시 실행해 보면 다음과 같습니다.
val words = "The quick brown fox jumps over the lazy dog".split(" ")
val lengthsList = words.filter { println("filter: $it"); it.length > 3 }
    .map { println("length: ${it.length}"); it.length }
    .take(4)
println("Lengths of first 4 words longer than 3 chars:")
println(lengthsList)
     filter: The
     filter: quick
     filter: brown
     filter: fox
     filter: jumps
     filter: over
     filter: the
     filter: lazy
     filter: dog
     length: 5
     length: 5
     length: 5
     length: 4
     length: 4
     Lengths of first 4 words longer than 3 chars:
     [5, 5, 5, 4]

위의 경우는 객체 words에 실행되는 함수가 filter, map, take로 3개입니다. 객체의 모든 원소가 각각의 함수에 적용된 후 다음 단계로 이관됩니다. 그러나 아래의 Squence 객체는 객체의 각 원소가 3개의 함수에서 실행된후 결과를 반환합니다.
객체.asSequence() : 객체를 Squence 객체로 변환합니다.

val words = "The quick brown fox jumps over the lazy dog".split(" ").asSequence()
val lengthsList = words.filter { println("filter: $it"); it.length > 3 }
    .map { println("length: ${it.length}"); it.length }
    .take(4)
println("Lengths of first 4 words longer than 3 chars:")
println(lengthsList.toList())
Lengths of first 4 words longer than 3 chars:
     filter: The
filter: quick
length: 5
filter: brown
length: 5
filter: fox
filter: jumps
length: 5
filter: over
length: 4
[5, 5, 5, 4]
이 차이는 객체에 여러 함수를 적용할 경우 모든 조건에 부합하는 원소가 나올 경우 그 반복문을 중지시켜야 될 경우 사용될 수 있습니다. 

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...