기본 콘텐츠로 건너뛰기

[ML] 결정트리(Decision Tree) 모델

[python] 발생자(generator)

함수

관련내용

발생자(generator)

발생자(generator)이터레이터(iterator)를 생성하는 함수로서 return() 함수 대신 yield 구문을 사용하여 결과를 반환합니다. 발생자의 기본 구조는 식 1와 같습니다.

def 함수이름(인수):
    본 문
    yield 결과
(식 1)

다음 함수는 가변인자를 전달하여 리스트 객체를 반환합니다.

def mkList(*x):
    re=[]
    for i in x:
        re.append(i*i)
    return re
b=mkList(1,2,3);b
[1, 4, 9]

위 함수에 의해 생성된 객체는 리스트로서 요소를 하나씩 호출할 수 있는 이터러블(iterable)이지만 게으른 평가에 의해 이루어지는 이터레이터는 아닙니다. 즉, 내장 메소드 __next__() 또는 내장 함수 next()에 의해 실행되지 않습니다.

내장 메소드 또는 속성은 이름 앞뒤로 이중 밑줄(under score)를 함유하고 있으며 파이썬에서 객체를 생성할 경우 자동적으로 부여되는 메소드입니다.

  • next(x)
    • 이터레이터 객체인 x의 성분을 하나씩 호출
    • 모든 성분이 호출된 후 next()의 실행은 예외StopIteration이 발생
  • iter(x)
    • x: 내장 메소드인 __iter__()를 포함한 클래스 객체, 즉, 이터러블(iterable) 객체
    • x를 이터레이터(iterator)로 전환
next(b)
TypeError: 'list' object is not an iterator

위 객체 b를 iterator로 만들기 위해 내장함수 iter()를 실행합니다.

b1=iter(b)
b1
<list_iterator at 0x2066b72dbd0>
b1=iter(b)
for i in range(len(b)):
    print(next(b1))
1
4
9

객체 b1은 함수에 의해 생성된 객체를 이터레이터로 전환한 것입니다. 이와 유사하게 함수 자체를 이터레이터로 만들기 위해서는 일반적인 함수를 발생자로 작성해야 합니다. 발생자에 의해 생성된 객체는 내장메소드 __iter__()와 __next__()을 포함해야 합니다. 다음 함수와 같이 결과의 반환을 위해 yield 문을 적용하는 것으로 이 두 매소드들이 부여됩니다.

def mkList1(*x):
    for i in x:
        yield i
a=mkList1(1,2,3)
a
<generator object mkList1 at 0x7f3299a680b0>
type(a)
generator
[i in dir(a) for i in ["__iter__", "__next__"]]
[True, True]

객체 a는 이터레이터이므로 내장함수 next()를 실행할 수 있습니다.

next(a)
1
next(a)
2
next(a)
3

yield 문을 사용하는 발생자를 대신하여 내장 메소드 __iter__() 또는 내장 함수 iter()를 사용하여 결과를 return()에 전달하는 것으로 이터레이터를 만들 수 있습니다. 그러나 이렇게 수정된 함수에 의해 생성된 객체는 발생자가 아닌 이터레이터입니다.

발생자와 이터레이터는 상당히 유사하지만 각기 다른 클래스에 포함되며 이터레이터 클래스로 좀더 복잡한 동작을 구현할 수 있습니다.

def mkList3(*x):
    re=[]
    for i in x:
        re.append(i*i)
    return iter(re)
c=mkList3(1,2,3)
"__next__" in dir(c)
True
c
<list_iterator at 0x2066b729420>
type(c)
list_iterator
for i in range(3):
    print(next(c))
1
4
9

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