기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[python] str과 repr

str과 repr

내용

str(), repr()

파이썬 내장함수 str()과 repr() 함수는 문자열을 반환합니다.

a='python'
str(a)
'python'
repr(a)
"'python'"

위와 같이 두 함수의 결과는 같지만 repr(a)는 결과는 따옴표 내에 포함된 형태입니다. 이것은 결과를 재사용할 수 있는 객체임을 나타냅니다. 결과를 평가하기 위한 내장함수인 eval()을 사용하여 위 두 함수의 차이를 명확히 해 봅니다.

b=str(a)
eval(b)
NameError: name 'python' is not defined"
print(b)
python

str()의 결과는 평가되지 않은 상태입니다. 그러나 print()에 의한 출력은 가능합니다. 다시말하면 이 함수에 의한 결과는 객체가 아닌 단순히 결과의 출력입니다. 이에 반해 유사한 결과를 나타내는 repr()은 평가된 결과를 반환합니다.

c=repr(a)
eval(c)
'python'

내장함수 repr()에 의한 결과는 평가 가능한 객체로서 다시 재사용이 가능합니다.

이 내장함수들은 내장 메소드(매직 메소드)인 __str__과 __repr__로 클래스에 적용할 수 있습니다.

__str__, __repr__

다음 클래스 Book1에는 초기값을 전달하는 매직메서드 __init__만을 포함하고 있습니다. 이 경우는 클래스 인스턴스 자체는 평가되지 않은 상태로서 다음과 같이 속성을 호출할 경우만 결과를 반환합니다.

class Book1:
    def __init__(self, kind, vol):
        self.kind=kind
        self.vol=vol
book1=Book1('소설', 300)
book1
<__main__.Book1 at 0x7f53400bb790>
print(book1)
<__main__.Book1 object at 0x7f53400bb790>
book1.kind, book1.vol
('소설', 300)

위 전개에서 kind, vol은 클래스 인스턴스 book1에 전달된 인수 입니다. 이 인수들은 self를 통해 인스턴스의 특성 즉, 속성이 된것입니다.

위 클래스에 문자열을 반환하는 매직메소드인 __str__ 또는 __repr__을 첨가하여 인스턴스에 전달되는 속성을 나타낼 수 있습니다. 다음 클래스 book2의 경우 내장 메소드인 __str__를 포함하고 있습니다. 이는 print() 함수에 응답하는 것으로 입력된 문자열을 인쇄되지만 평가되지 않습니다. 즉 return 문과 같이 결과를 반환하지 않습니다. 그러므로 그 객체의 단순 호출로 반환하는 결과는 없는 상태입니다.

매직메소드 __str__은 문자열을 반환하는 메서드로서 일반 객체에 대한 str()함수와 같은 내용을 반환합니다.

class Book2:
    def __init__(self, kind, vol):
        self.kind=kind
        self.vol=vol
    def __str__(self):
        return f'그 책은 {self.kind} 입니다.'
book2=Book2('비소설', 500)
book2
<__main__.Book2 at 0x7f533155fcd0>
print(book2)
그 책은 비소설 입니다.
str(book2)
'그 책은 비소설 입니다.'

__repr__는 __str__과 같이 문자열을 반환하는 매직메소드이며 평가되는 것으로 return() 함수에 결과를 반환합니다. 또한 print()함수로 결과를 인쇄하지는 않습니다.

class Book3:
    def __init__(self, kind, vol):
        self.kind=kind
        self.vol=vol
    def __str__(self):
        return (f'그 책은 {self.kind} 입니다.')
    def __repr__(self):
        return f'그 책의 페이지 수는 {self.vol}p 입니다.'
book3=Book3('fiction', '1000')
book3
그 책의 페이지 수는 1000p 입니다.
print(book3)
그 책은 fiction 입니다.

위 결과와 같이 인스턴스 book3에서 반환되는 문자열은 __repr__() 메소드에 대응되는 결과입니다. 반면에 print() 함수는 __str__() 메소드에 대응합니다.

__repr__()의 경우 __str__()를 내포합니다. 그러므로 다음 클래스 Book4와 같이 __repr__() 메소드 만을 가진 경우에도 str() 함수에 반응합니다.

class Book4:
    def __init__(self, kind, vol):
        self.kind=kind
        self.vol=vol
    def __repr__(self):
        return f'그 책의 페이지 수는 {self.vol}p 입니다.'
book4=Book4('fiction', '1000')
book4
그 책의 페이지 수는 1000p 입니다.
str(book4)
'그 책의 페이지 수는 1000p 입니다.'

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...