기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

[python] 함수(Function): 가변인수

함수

관련내용

가변인수

*인수와 **인수

파이썬에서 'Asterisk(*)' 연산자는 곱셈 뿐만 아니라 지정된 아이템 외에 나머지를 할당하기 위해 사용하며 가변 연산자(*)라고 합니다.

a, b, *rest=range(9)
a, b
(0, 1)
rest
[2, 3, 4, 5, 6, 7, 8]
*head, a,b=range(10)
head, a, b
([0, 1, 2, 3, 4, 5, 6, 7], 8, 9)

다음 코드는 3개의 객체에 2개만이 할당됩니다. 그러므로 가변 연산자로 연결된 객체 *rest는 받을 값이 없으므로 빈리스트(empty list)가 됩니다.

a, b, *rest=range(2)
a, b, rest
(0, 1, [])

식 1에서 나타낸 것과 같이 함수에 전달할 인수의 수가 고정되지 않은 경우 가변연산자(*)와 인수를 연결하여 사용할 수 있으며 가변 인수라고 합니다.

def 함수이름(*인수)(식 1)
⇒ 실행: 함수이름(인수값1, 인수값2, …)

1개 이상의 인수값들을 전달하기 위해 리스트, 튜플과 같은 콜렉션 형태를 사용할 수 있습니다. 가변인자 역시 같은 역할을 하며 인수전달 유형을 고정하지 않기 때문에 보다 유연한 적용이 가능합니다. 다음 사용자 정의한 함수 order()에 전달하는 인수 poduct에 리스트 객체를 전달할 수 있습니다. 이 경우는 인수전달시 리스트 유형을 명시하여야 합니다.

def order(order, num=1, product="coffee"):
	print(f"주문번호: {order}, 테이블번호: {num}, 품목:{product}")
order(1, 2, ["스파게티", "돈까스", "피자", "커피", "콜라"])
주문번호: 1, 테이블번호: 2, 품목:['스파게티', '돈까스', '피자', '커피', '콜라']

함수 생성시 가변인수를 지정하는 것으로 위 함수와 같은 효과를 나타낼 수 있습니다. 그러나 가변인수의 형식으로 전달할 경우 각 인수값은 리터럴입니다.

def order(order, num, *product):
    prod=[]
    for i in product:
        prod.append(i)
    print(f"주문번호: {order}, 테이블번호: {num}, 품목:{prod}")
order(2, 10, "스파게티", "돈까스", "피자", "커피", "콜라")
주문번호: 2, 테이블번호: 10, 품목:['스파게티', '돈까스', '피자', '커피', '콜라']

위의 가변인자는 각 인수의 값만을 전달합니다. 그러나 전달하는 인수의 이름을 명확히 하기 위해서는 "인수이름 = 인수값"의 형태를 취해야 하는 경우도 존재합니다. 이 경우 연산자 "**"와 인수를 연결한 키워드 가변인자(keyword variable argument)를 사용합니다(식 2).

def 함수이름(**인수)(식 2)
⇒ 실행: 함수이름(인수1=값1, 인수2=값2, …)
def order(**food):
   print(f"테이블 번호 {food['num']}에 {food['name']}")
order(num=2, name="돈까스")
테이블 번호 2에 돈까스
order(num=[2,3], name=['돈까스', '커피'])
테이블 번호 [2, 3]에 ['돈까스', '커피']

객체의 언패킹(unpacking)

가변연산자(*)는 길이가 정해지지 않은 인수 값을 전달하기 위해 사용할 뿐만 아니라 리스트, 튜플과 같은 객체의 각 요소를 호출하기 위해 사용할 수 있습니다. 예를 들어 다음 코드의 리스트 객체 x의 요소는 가변 연산자를 사용하여 각 요소를 출력할 수 있습니다. 이 과정은 밀집된 데이터 유형에서 내용을 개별적으로 푸는 것으로 언팩킹(unpacking)이라 합니다.

x=[1, 2, 3, 4, 5]
print(*x)
1 2 3 4 5

가변 연산자를 사용한 언팩킹은 함수의 인수 전달과정에서 적용할 수 있습니다. 예를 들어 다음 함수는 3개의 리터럴 숫자들을 전달하여 리스트 형태로 출력하기 위한 함수입니다.

def printList(x, y, z):
    print(f'[{x},{y},{z}]') 
printList(0, 1, 0)
[0,1,0]

다음 코드와 같이 3개 요소로 구성된 튜플 객체를 printList() 함수에 적용하기 위해 가변 연산자에 의해 언패킹을 사용할 수 있습니다.

ls=(0,1,0)
printList(*ls)
[0,1,0]

'*' 연산자는 시퀀스 객체를 요소 단위로 분해할 수 있는 것과 같이 '**' 연산자(키워드 가변인수)를 사용하여 사전(dictionary) 객체에서 값(value)를 추출할 수 있습니다.

dic={'y':0, 'x':1, 'z':1}
printList(**dic)
[1,0,1]

사전은 순서가 지정되지 않기 때문에 사전 키(key)를 기반으로 사전 값과 함수 인수를 일치시킵니다. x 인수는 사전의 'x' 키와 관련된 값을 받습니다. 단일 별표(*) 연산자를 사용하여 사전의 압축을 풀면 key가 원시자료에 입력된 순서대로 함수에 전달됩니다.

printList(*dic)
[y,x,z]

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...

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...

turtle로 정오각형 그리기

정오각형 그리기  오각형을 그리는 것 역시 정사각형 , 정삼각형 을 그리는 것과 유사한 과정을 거칩니다. 단지 각 꼭지점의 각도만이 다르지요. 그러면 정오각형의 각 모서리의 각도는 어떻게 될까요? 이를 생각하기에 앞서 각 도형의 내각을 먼저 생각해보죠. 우리는 삼각형의 내각의 합을 알고 있습니다. 이를 이용하면 각 도형에서 삼각형이 몇개가 존재하는지를 알아보고 "삼각형의 갯수×180"로 그 도형의 내각의 합을 구할 수 있을 것입니다. 다음 그림을 볼까요? 위 그림의 사각형은 1개의 대각선으로 2개의 삼각형으로 구성됩니다. 오각형의 경우 2개의 대각선으로 3개의 삼각형으로 구성됩니다. 즉, 다음의 관계를 보이지요. 사각형의 내각 : 삼각형 2개 2×180=360 한각의 값  360/4=90 오각형의 내각 : 삼각형 3개 3×180=540 한각의 값  540/5=108 육각형의 내각 : 삼각형 4개 4×180=720 한각의 값  720/6=120 ... 위 그림에서 내각과 외각의 관계를 보면 위 그림의 검은색은 각 모서리의 내각이고 빨간색은 외각을 나타냅니다. 외각은 내각을 이루는 하나의 선을 연장했을 경우 상대되는 각도이라고 했습니다. 그러므로 오각형의 경우 내각 108도에 대한 외각은 72도입니다. 특이할 사항은 사각형이나 오각형이나 외각의 합은 360입니다. 즉, 모든 도형의 외각의 합은 360도입니다. (삼각형의 외각의 합을 구해보세요.) 그러므로 모든 정다각형에서 하나의 외각은 다음과 같이 계산될 수 있겠지요. 360/변수의 수=다각형에서 하나의 외각 위에서 회전을 할 경우 내각이 아닌 외각을 사용해야 함을 알았습니다. 그러므로 오각형을 그리는 계획은 다음과 같이 작성할 수 있겠죠. 1) 지정한 길이만큼 앞으로 이동합니다. 2) 오른쪽 또는 왼쪽으로 72도를 회전합니다. 3) 앞으로 동일한 길이만큼 이동합니다. 4) 오른쪽 또는 왼쪽으로 72도 만큼 이동합니다. 5)1번부터 4번 ...