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...

[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...