기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

[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

[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