기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

[python] 컬렉션(Collection)

컬렉션(Collection)

관련내용

1개 이상의 여러 객체를 포함하는 자료형을 컬렉션(collection)이라 합니다. 컬렉션에 포함된 각 값을 요소(element)라고 하며 각 요소의 자료형은 다른 것일 수도 있고 같은 형태로만 구성될 수도 있습니다. 그리고 요소(들)을 수정할 수 있는가변(mutable) 타입과 수정할 수 없는 불변(immutable) 타입으로 구분합니다.

불변형(immutable)
  • 값을 수정할 수 없음
  • 자료형: number, string, tuple, frozen set, range, byte
가변형(mutable)
  • 값을 수정할 수 있음
  • 자료형: list, set, dictionary, bytearray

다음은 정수 객체 10에 이름 x를 부여한 것입니다. 즉, x에 10을 할당한 것입니다.

x=10
id(x)
2409664506448
hex(id(x))
'0x2310b326a50'

위 결과는 10진수 값을 16진수로 나타내기 위해 내장함수 hex(x)을 사용한 것으로 x는 메모리 '0x2310b326a50'에 위치한 객체 10을 참조하는 상태입니다. 이 객체에 20을 할당하면 x의 참조위치는 달라집니다.

x=20
hex(id(x))
'0x2310b326b90'

위 과정은 x의 참조점을 변경한 것으로 객체를 수정한 것이 아닙니다. 반면에 다음의 리스트 객체는 요소의 수정과 첨가 후에도 참조 위치가 같습니다.

다음 코드의 인덱스를 사용한 리스트 객체의 요소 수정, 메소드 append()를 사용한 새로운 요소의 첨가 등은 리스트의 특성으로 기사 "리스트"에서 소개합니다.

y=[1,2,3]
hex(id(y))
'0x23110180400'
y[1]=20
y
[1, 20, 3]
hex(id(y))
'0x23110180400'
y.append(5)
y
[1, 20, 3, 5]
hex(id(y))
'0x23110180400'

숫자형은 불변형인데 반해 리스트는 가변형 객체입니다.

파이썬은 컬렉션으로 리스트(list), 튜플(tuple), 사전(dictionary), 집합(set) 등의 자료형을 가집니다.

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