기본 콘텐츠로 건너뛰기

pandas_ta를 적용한 통계적 인덱스 지표

댓글 쓰기

[python] 함수: 인수의 전달

함수

관련내용

인수의 전달

함수에 매개변수(인수)를 전달은 기본적으로 "인수이름 = 값"의 형식에 따르며 이 값은 인수의 초기값이 됩니다. 물론 함수 내에서 이 값은 수정될 수 있으며 초기값을 지정하지 않을 수 있습니다. 즉, 인수이름만 지정할 수 있습니다. 일반적으로 식 1의 규칙을 따릅니다.

def 함수이름(인수1, 인수2, 인수3 = 값3, 인수4 = 값4)(식 1)
⇒ 함수 실행: 함수이름(값1, 값2, 인수3 = 값3, 인수4 = 값4)
  • 이름과 함께 전달한 값은 그 인수의 초기값이 됩니다.
  • 초기값이 지정된 인수는 그렇지 않은 인수 뒤에 위치합니다.
  • 초기값이 지정되지 않은 인수는 순서를 지켜야됨
  • 함수 실행시 초기값이 지정된 인수는 생략할 수 있음
  • 초기값이 지정된 인수는 전달 순서에 무관
    • 함수(인수2, 인수1, …) → 에러 발생
    • 함수(인수1, 인수3=값3, 인수2, …) → 에러 발생
    • 함수(인수1,인수2, 인수4 = 값4, 인수3 = 값3) → 실행
    • 함수(인수2=값2, 인수4 = 값4, 인수3 = 값3, 인수1=값1 ) → 실행

다음 함수 order()는 세개의 인수를 요구합니다. 

def order(order, num=1, product="coffee"):
	print(f"주문번호: {order}, 테이블번호: {num}, 품목:{product}")

초기값 지정 없는 인수를 전달할 경우는 순서대로 입력하여야 합니다. 

order(2, 10, "spaghetti")
주문번호: 2, 테이블번호: 10, 품목:spaghetti

초기값이 지정된 인수(들)은 생략할 수 있습니다.

order(order=2)
주문번호: 2, 테이블번호: 1, 품목:coffee

인수의 이름을 전달하지 않은 상태에서 인수의 생략 순서는 배열의 마지막부터 시작합니다. 그러므로 다음은 마지막 인수인 "product"가 생략된 것입니다.

order(2, "tea")
주문번호: 2, 테이블번호: tea, 품목:coffee

인수명과 함께 전달된 경우 인수의 전달 순서나 생략 순서는 무시됩니다. 

order(product="tea", order=2, num=1)
주문번호: 2, 테이블번호: 1, 품목:tea

다음은 인수명과 함께 인수가 전달된 경우로서 생략된 인수의 경우는 초기값을 사용합니다. 이것은 이 함수가 사용할 인수값이 함수 생성과 동시에 주어졌음을 의미합니다. 그러므로 초기값이 설정되지 않은 인수는 생략할 수 없습니다. 

order(order=2, product="tea")
주문번호: 2, 테이블번호: 1, 품목:tea
Labels:

댓글

댓글 쓰기

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...
댓글 쓰기
Read more »

[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...
댓글 쓰기
Read more »

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...
댓글 쓰기
Read more »