numpy array 슬라이싱 [1][2]와 [1,2]

예전에 Python Pandas 의 DataFrame 전처리에 대해서 연재할 때 DataFrame의 행 또는 열 데이터 선택해서 가져오기 (Indexing and selection of DataFrame objects) 하는 방법에 대해서 소개했던 적이 있습니다.

이번 포스팅에서는 Python NumPy 배열의 일부분, 부분집합을 선택 (Indexing and slicing an ndarray) 하는 방법을 알아보겠습니다.  

다차원 배열 다룰 때 indexing, slicing 은 마치 밥 먹을 때 수시로 김치에 젖가락이 가듯이 그냥 일상적으로 사용하곤 하므로 정확하게 알아둘 필요가 있습니다.

1차원 배열, 2차원 배열, 3차원 배열의 순서대로 indexing 하는 방법을 간단한 예를 들어서 설명해보겠습니다.

(1-1) Indexing a subset of 1D array : a[from : to]

#%% NumPy array Indexing and Slicing In [1]: import numpy as np In [2]: a = np.arange(10) In [3]: a Out[3]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) # (1-1) Indexing a subset of 1D array In [4]: a[0] Out[4]: 0 In [5]: a[0:5] Out[5]: array([0, 1, 2, 3, 4])

(1-2) array slices are views of the original array and are not a copy

Python NumPy의 배열 indexing, slicing에서 유의해야할 것이 있습니다.  배열을 indexing 해서 얻은 객체는 복사(copy)가 된 독립된 객체가 아니며, 단지 원래 배열의 view 일 뿐이라는 점입니다.  따라서 view를 새로운 값으로 변경시키면 원래의 배열의 값도 변경이 됩니다.

아래 예에서 원래의 배열 'b'의 0, 1, 2 위치의 원소에 빨간색으로 밑줄을 그어놨습니다.  배열 b에서 0, 1, 2, 3, 4 위치의 값을 indexing 해서 만든 b_idx 배열은 원래 배열 b의 view 일 뿐이며, copy가 아닙니다. b_idx 에서 뭔가 변화가 일어나면 원래의 배열 b에도 b_idx의 변화가 반영됩니다.  b_idx의 0, 1, 2 위치의 원소 값을 '10'으로 바꿔치기 했더니 원래의 배열 b의 0, 1, 2 위치의 값도 '10'으로 바뀌어있음을 알 수 있습니다.

In [6]: b = np.arange(10) In [7]: b Out[7]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) In [8]: b_idx = b[0:5] In [9]: b_idx Out[9]: array([0, 1, 2, 3, 4]) # Assigning(Broadcasting) a scalar to a slice of 1D array In [10]: b_idx[0:3] = 10 In [11]: b_idx Out[11]: array([10, 10, 10, 3, 4]) # compare this 'b' with the original array 'b' above, it's different!!! In [12]: b Out[12]: array([10, 10, 10, 3, 4, 5, 6, 7, 8, 9])

R 사용자라면 위 상황을 보고 아주 당황스러울 것입니다.  R에서는 indexing을 하면 무조건 copy 가 되고, 원래의 배열과 indexing한 후의 배열은 전혀 별개의, 독립된 객체로 간주가 되거든요.  그래서 저 같은 경우는 크기가 매우 큰 배열의 경우 아주 작은 일부분만 indexing을 해 온후에, 작은 크기의 indexing한 배열을 가지고 데이터 조작 test를 이렇게 저렇게 다양하게 해 본 후에, 제대로 작동하는 걸 확인한 최종 R script를 원래의 크기가 큰 배열에 적용하곤 했거든요.  indexing 했던 배열에 제가 무슨 짓을 하던 그건 원래의 배열에 영향이 없었던 거지요.

반면에, Python NumPy의 배열에서는 indexing해온 배열에 제가 무슨 짓을 하면요, 그게 원래의 배열에도 반영이 되는 줄을 처음에 몰랐었습니다. 그러다 보니 indexing했던 배열에 이런, 저런 test 해보고 나서 원래 배열이 변질(?)이 된 것 보고 '이게 뭐지?  왜 이런 거지?  무슨 일이 벌어진 거지?  이거 혹시 버그?'... 뭐, 이랬습니다.  한참을 이랬습니다.  에휴... -_-;

Python NumPy가 배열 indexing 할 때 copy가 view를 반환하는데는 이유가 있겠지요?  그건 성능(performance)을 높이고 메모리(memory) 이슈를 피하기 위해서 입니다.

(1-3) indexing한 배열을 복사하기 : arr[0:5].copy()

배열을 indexing 한 후에 얻은 배열을 복사하고 싶으면, 그래서 원래의 배열과 독립된 배열로 처리하고 싶으면 copy() method 를 사용하면 됩니다.  아래 예는 c[0:5].copy() 만 다르고, 나머지는 위의 예와 동일한데요, 제일 마지막의 [19] 번 결과를 보면 원래의 배열 'c'가 indexing된 배열 'c_idx_copy'가 중간에 바뀐것에 영향을 안받고 원래의 값을 그대로 유지하고 있습니다.  빨간색으로 밑줄 그어놓은 부분을 위의 [12]번 결과와 아래의 [19]번 결과를 비교해보시기 바랍니다.

In [13]: c = np.arange(10) In [14]: c Out[14]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) In [15]: c_idx_copy = c[0:5].copy() In [16]: c_idx_copy Out[16]: array([0, 1, 2, 3, 4]) In [17]: c_idx_copy[0:3] = 10 In [18]: c_idx_copy Out[18]: array([10, 10, 10, 3, 4]) In [19]: c Out[19]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

이제 2차원 배열로 넘어가 볼까요?

(2-1) Indexing and Slicing 2D array with comma ',' : d[0:3, 1:3]

행과 열 기준으로 위치를 지정해주어서 indexing을 하며, 연속된 위치 값의 경우 '0:2' 처럼 콜론(colon) ':' 를 사용하면 편리합니다. 행과 열의 구분은 콤마(comma) ',' 를 사용합니다.

아래 몇 가지 유형별로 예시를 들어놓았으니 indexing 방법과 결과를 살펴보시기 바랍니다.

In [20]: d = np.arange(20).reshape(4, 5) In [21]: d Out[21]: array([[ 0,  1,  2,  3,  4],         [ 5,  6,  7,  8,  9],         [10, 11, 12, 13, 14],         [15, 16, 17, 18, 19]]) # indexing a row of 2D array => returning a 1D array In [22]: d[0] Out[22]: array([0, 1, 2, 3, 4]) # indexing mutiple rows in a row of 2D array : use colon ':' In [23]: d[0:2] Out[23]: array([[0, 1, 2, 3, 4],         [5, 6, 7, 8, 9]]) # indexing an element of of 2D array : use comma ',' In [24]: d[0, 4] Out[24]: 4 In [25]: d[0:3, 1:3] Out[25]: array([[ 1,  2],         [ 6,  7],         [11, 12]])

(2-2) Indexing and Slicing 2D array with square bracket '[ ][ ]' : d[0:3][1:3]

NumPy 배열을 행과 열을 기준으로 indexing 할 때 콤마(comma) ','를 사용하지 않고 아래 처럼 대괄호(square bracket)을 두개 '[ ][ ]' 처럼 사용할 수도 있습니다. 다만, indexing 하는 순서와 결과가 위에서 예를 들었던 콤마 ','를 사용하는 것과 조금 다르므로 주의하기 바랍니다.

대괄호 두개 '[ ][ ]'는 첫번째 대괄호 '[ ]'에서 indexing을 먼저 하고 나서, 그 결과를 가져다가 두번째 대괄호 '[ ]'에서 한번 더 indexing을 하게 됩니다. 

In [26]: d Out[26]: array([[ 0,  1,  2,  3,  4],         [ 5,  6,  7,  8,  9],         [10, 11, 12, 13, 14],         [15, 16, 17, 18, 19]]) In [27]: d[0][4] # the same result with the above [24] Out[27]: 4 In [28]: d[0:3][1:3] # a different result from the above [25], working sequencially Out[28]: array([[ 5,  6,  7,  8,  9],         [10, 11, 12, 13, 14]])

(2-3) array slices are views of the original array and are not a copy

위의 (1-2) 에서 NumPy 배열을 indexing해서 얻은 배열은 원래 배열의 copy가 아니라 view 라고 했었습니다.  2차원 배열도 똑같습니다.  복습하는 차원에서 2차원 배열에서 indexing한 view 'd_idx_0'에 일부 변화를 줘보겠습니다.  그랬더니 원래 배열 'd'에도 view 'd_dix_0'의 변화가 반영이 되었음을 알 수 있습니다.

# assigning a scalar value to the subset(1D array) of 2D array In [29]: d Out[29]: array([[ 0,  1,  2,  3,  4],         [ 5,  6,  7,  8,  9],         [10, 11, 12, 13, 14],         [15, 16, 17, 18, 19]]) In [30]: d_idx_0 = d[0] In [31]: d_idx_0 Out[31]: array([0, 1, 2, 3, 4]) In [32]: d_idx_0[0:2] = 100 In [33]: d_idx_0 Out[33]: array([100, 100, 2, 3, 4]) # once again, subset of array by indexing is not a copy, but a view!!! In [34]: d Out[34]: array([[100, 100,   2,   3,   4],         [  5,   6,   7,   8,   9],         [ 10,  11,  12,  13,  14],         [ 15,  16,  17,  18,  19]])

3차원 배열 indexing도 마저 알아보겠습니다. 

(3-1) Indexing and Slicing of 3D array : e[0, 0, 0:3]

방법은 위의 1차원 배열, 2차원 배열 indexing과 동일합니다.  3차원이 되면 2차원 배열이 층을 이루어서 겹겹이 쌓여서 나타나게 되어서 좀 헷갈릴 수 있는데요, 아래에 몇 개 indexing 유형별로 예를 들었으니 참고하시기 바랍니다.

층을 먼저 선택(2차원 배열 덩어리 중에서 먼저 indexing) 하는 것이 추가가 된 것이구요, 그 다음의 indexing은 위의 2차원 배열 indexing 방법과 동일합니다.

# (3-1) Indexing and Slicing 3D array In [35]: e = np.arange(24).reshape(2, 3, 4) In [36]: e Out[36]: array([[[ 0,  1,  2,  3],          [ 4,  5,  6,  7],          [ 8,  9, 10, 11]],         [[12, 13, 14, 15],          [16, 17, 18, 19],          [20, 21, 22, 23]]]) # indexing the first array with shape(3, 4) from the 3D array with shape(2, 3, 4) In [37]: e_idx_0 = e[0] In [38]: e_idx_0 Out[38]: array([[ 0,  1,  2,  3],         [ 4,  5,  6,  7],         [ 8,  9, 10, 11]]) # indexing the first row of the first array with shape(3, 4) from the 3D array with shape(2, 3, 4) In [39]: e_idx_0_0 = e[0, 0] In [40]: e_idx_0_0 Out[40]: array([0, 1, 2, 3]) # indexing the '0, 1, 2' elements from the first row of the first array with shape(3, 4) # from the 3D array with shape(2, 3, 4) In [41]: e_idx_0_0_0_2 = e[0, 0, 0:3] In [42]: e_idx_0_0_0_2 Out[42]: array([0, 1, 2])

(3-2) 축 하나를 통째로 가져오기( indexing the entire axis by using colon ':')

콜론(colon) ':' 을 사용해서 행 축(row, axis 0)을 통째로 slicing 해올 수 있습니다.

In [44]: e Out[44]: array([[[ 0,  1,  2,  3],          [ 4,  5,  6,  7],          [ 8,  9, 10, 11]],         [[12, 13, 14, 15],          [16, 17, 18, 19],          [20, 21, 22, 23]]]) # indexing the entire axis by using colon ':' In [43]: e[0, :, 0:3] Out[43]: array([[ 0,  1,  2],         [ 4,  5,  6],         [ 8,  9, 10]])

Python NumPy 배열 Indexing과 R의 행렬 Indexing 비교

마지막으로, R을 사용하면서 Python을 사용하는 분이라면 indexing이 처음에 혼란스러울 것입니다. 

저는 R indexing이 훨씬 더 쉬운데요, 여러분은 어떤지 모르겠습니다.  Python indexing은 '0'부터 시작하는 것도 어색하고, '0:3'이라고 했을 때 '3' 위치는 포함하지 않는 것도 어색합니다.  Python indexing 할 때는 항상 긴장하고, 실수 하지 않기 위해 머리 써야 해서 피곤합니다. -_-;;;  

(Java 나 C 프로그래밍 하셨던 분이라면 Python indexing이 더 쉽고 R indexing이 혼란스럽다고 하겠지요? ㅎㅎ)

아래에 Python NumPy 2차원 배열 indexing과 똑같은 결과를 얻을 수 있는 R의 행렬 indexing을 비교해보았습니다.

Python NumPy : Indexing of 2D array	R : Indexing of Matrix
In [44]: d = np.arange(20).reshape(4, 5) In [45]: d Out[45]: array([[ 0,  1,  2,  3,  4],         [ 5,  6,  7,  8,  9],         [10, 11, 12, 13, 14],         [15, 16, 17, 18, 19]]) In [46]: d[0:3, 1:3] Out[46]: array([[ 1,  2],         [ 6,  7],         [11, 12]])	> R_matrix_4_5 <- matrix(0:19, + nrow=4, + byrow=T) > >>> R_matrix_4_5 [,1] [,2] [,3] [,4] [,5][1,] 0 1 2 3 4[2,] 5 6 7 8 9[3,] 10 11 12 13 14[4,] 15 16 17 18 19> > R_matrix_4_5[1:3, 2:3] [,1] [,2][1,] 1 2[2,] 6 7[3,] 11 12

출처: https://rfriend.tistory.com/290 [R, Python 분석과 프로그래밍의 친구 (by R Friend)]

[list] 리스트 수정할 때 주의할 점

2. 리스트에서 연속된 범위의 값 수정하기

>>> a[1:2]
[2]
>>> a[1:2] = ['a', 'b', 'c']
>>> a
[1, 'a', 'b', 'c', 4]

a[1:2]는 a[1]부터 a[2]까지를 말하는데 a[2]는 포함하지 않는다고 했으므로 a = [1, 2, 4]에서 a[1]의 값인 2만을 의미한다. 즉, a[1:2]를 ['a', 'b', 'c']로 바꾸었으므로 a 리스트에서 2라는 값 대신에 ['a', 'b', 'c']라는 값이 대입되었다.

[리스트 수정할 때 주의할 점]

2번 예제에서 리스트를 a[1:2] = ['a', 'b', 'c']로 수정하는 것과 a[1] = ['a', 'b', 'c']로 수정하는 것은 전혀 다른 결과값을 갖게 되므로 주의해야 한다. a[1] = ['a', 'b', 'c']는 리스트 a의 두 번째 요소를 ['a', 'b','c']로 바꾼다는 말이고 a[1:2]는 a[1]에서 a[2] 사이의 리스트를 ['a', 'b', 'c']로 바꾼다는 말이다. 따라서 a[1] = ['a', 'b', 'c']로 수정하게 되면 위와는 달리 리스트 a가 [1, ['a', 'b', 'c'], 4]라는 값으로 변하게 된다.

>>> a[1] = ['a', 'b', 'c']
>>> a
[1, ['a', 'b', 'c'], 4]

[출처:] https://wikidocs.net/14

(mac) MySAL 암호 재설정

맥에서 MySQL 초기암호 재설정

맥에서 MySQL 설정하기

라라벨 개발환경을 세팅하기 위해 MySQL을 설치했는데, 1) 처음 발급해주는 관리자 비밀번호를 아무 생각없이 엔터치고 넘어가버렸다. 2) 무식하게 재설치해봤지만 비밀번호는 다시 알려주지 않더라 3) 비밀번호를 재설정하려고 검색하는데 옛날 버전의 내용들이 많아서 시키는게 잘 안 되더라 4) 거기다 아직 mysql에 익숙하지 않아서 버벅댔다. 다시 고생 안 하기 위해 (삽질한 내용은 괄호안에) 정리!

1. MySQL 맥버전 설치

가장 쉬운 방법은 MySQL 사이트에서 최신 버전의 .dmg 파일을 다운로드하는 것이다. 다운로드하기 위해서는 로그인을 해야 하는데 하단에 있는 No thanks …를 누르면 로그인 없이도 다운로드할 수 있다. 설치하는 과정에서 초기 비밀번호를 랜덤하게 생성해서 제공하기 때문에 무의식적으로 엔터를 누르지 않도록 한다. (사실 그 이후로 다른 맥에 MySQL을 설치할 기회가 있어서 초기 비밀번호를 메모하고 정확하게 입력했지만 여전히 로그인이 안 되어서 매번 재설정 과정을 강제 복습함) 참고로 Homebrew로도 설치할 수 있는데, 관련 내용은 여기에 잘 정리되어 있다.

2. MySQL 서버 켜기

설치가 끝나고 맥의 시스템 환경설정에 가면 하단에 MySQL 메뉴가 생긴다. 여기 들어가면 클릭 한번으로 간단하게 서버를 켜고 끌 수 있다. MySQL에 접속하기 위해 서버를 켰다. 참고로 터미널 명령어로도 서버를 켜고 끌 수 있다.

sudo /usr/local/mysql/support-files/mysql.server start
sudo /usr/local/mysql/support-files/mysql.server stop

3. 터미널에서 접속하기

MySQL 실행은 “/usr/local/mysql/bin/” 폴더에서 할 수 있다. (검색하다가 찾은 블로그에서 알려준대로 하다가 잘 안 되길래 뭐가 문제인가 봤더니 중간에 local을 빼먹어서 다른 폴더를 헤매고 있었던 것이었다!) 첫번째와 같이 경로로 이동해서 mysql을 실행하거나 또는 두번째처럼 붙여서 바로 실행할 수 있다. mysql을 실행하면 비밀번호를 물어보는데 분실한 상황이므로 새로 설정해야 한다.

cd /usr/local/mysql/bin/
sudo ./mysql

/usr/local/mysql/bin/mysql -uroot

4. 비밀번호 재설정

아래와 같이 입력하면 인증을 생략하고 안전모드로 데몬을 실행한다. 즉, 비밀번호 없이도 MySQL에 접속할 수 있게 된다. (여기서도 많이 헤맸다. 해당 경로로 이동해서 그대로 mysqld_safe –skip-grant-tables 명령어를 치면 실행할 수 없는 명령이라고 나오는데, 반드시 관리자 권한(sudo)로 실행하고 경로에도 ./를 붙여서 실행해야 한다) 그리고 이 단계에서 비밀번호를 물어보는 건 MySQL 비밀번호가 아닌 맥의 관리자 비밀번호다.

sudo /usr/local/mysql/bin/mysqld_safe --skip-grant-tables

위 명령어는 실행된 상태로 유지되므로 새로운 터미널 창을 열어서 MySQL에 접속한다. 이제 비밀번호를 묻지 않고 바로 접속이 된다. (예이!) 만약 접속이 잘 안 된다면 방금 전 실행한 명령어가 완전히 실행되었는지(=바람개비가 다 사라졌는지) 확인한다.

/usr/local/mysql/bin/mysql -uroot

접속한 뒤에는 아래와 같이 비밀번호를 root로 변경한다. password=(‘root’)에 root 대신 원하는 비밀번호를 입력해도 된다. (참고로 5.7 버전 이전에는 set password=password(‘원하는 비밀번호’)였는데 컬럼명이 바꼈다.1 굳이 바뀐 컬럼명을 직접 보고자 한다면 use mysql;을 하고 show full columnes from user;를 치면 된다.)

mysql> use mysql; 
mysql> update user set authentication_string=password('root') where user='root';

마지막으로 변경사항을 적용하기 위해 flush privileges 명령어를 실행한다.

mysql> flush privileges;

5. MySQL 접속하기

다시 MySQL에 접속하면 잘 되는 것을 확인할 수 있다. 만약 접속이 거부되면 -uroot -proot와 같이 비밀번호까지 붙여서 한번에 실행하는 것을 시도한다.

/usr/local/mysql/bin/mysql -uroot
/usr/local/mysql/bin/mysql -uroot -proot

그런데 접속 후 명령을 실행하게 되면 다음과 같은 에러가 발생한다. ERROR 1820 (HY000): You must reset your password using ALTER USER statement before executing this statement. 이 경우 아래 명령어를 실행하면 정상적으로 MySQL 명령을 실행할 수 있다.2

mysql> use mysql; 
mysql> set password = password('원하는 비밀번호');

1. Junee01 - MySQL - root 비밀번호 변경 오류 관련 포스팅(16.02.21 수정) ↩︎
2. kogun82 - MySQL 5.7.9 릴리즈 변화된 root 비밀번호 변경하기 ↩︎

출처 : https://gomdoreepooh.github.io/notes/mysql-reset-password

=================================================================================

위와 같이 설정 후 MySQL 접속 후 명령을 실행하게 되면 다음과 같은 장애가 발생한다.

mysql> SELECT 1;

ERROR 1820 (HY000): You must reset your password using ALTER USER statement before executing this statement.

위와 같은 오류가 발생하는 경우 다음과 같은 명령어를 실행한다.

mysql> SET PASSWORD = PASSWORD('2261bbs');

Query OK, 0 rows affected (0.01 sec)

mysql> SELECT 1;

+---+

| 1 |

+---+

| 1 |

출처: http://kogun82.tistory.com/122 [Ctrl+C&V 로 하는 프로그래밍]

(mac) MySQL 설치 및 시작

간단하게 MySQL 설치하기 (Mac, HomeBrew)

2018-01-29

#mysql

MacOS 재설치 후 기본적인 설정을 하면서 간단히 정리해본 MySQL 설치 과정

MySQL 설치

$ brew install mysql

brew 명령어를 위한 HomeBrew 패키지 관리자 미설치시 아래 명령어를 통해 설치 필요
$ /usr/bin/ruby -e "$(curl -fsSL https://raw.githubusercontent.com/Homebrew/install/master/install)"

MySQL 설정

아래 명령어로 mysql을 시작합니다.

$ mysql.server start

아래 명령어로 기본 설정을 시작합니다.

$ mysql_secure_installation

이제 여러 질문들이 출력됩니다.
출력에 대한 답은 본인이 한 방법으로만 간단하게 기술하겠습니다.

우선 아래의 과정에 앞서 정리해보자면 아래와 같습니다.

1. 비밀번호 복잡도 검사 과정 (n)
2. 비밀번호 입력 & 확인
3. 익명 사용자 삭제 (y)
4. 원격 접속 허용 (n)
5. test DB 삭제 (n)
6. 수정할 것이 있는가? (y or n)

아래는 위에 나타낸 과정의 자세한 내용입니다.

Securing the MySQL server deployment.

Connecting to MySQL using a blank password.

VALIDATE PASSWORD PLUGIN can be used to test passwords
and improve security. It checks the strength of password
and allows the users to set only those passwords which are
secure enough. Would you like to setup VALIDATE PASSWORD plugin?

Press y|Y for Yes, any other key for No:

위의 과정은 복잡한 비밀번호 설정을 위한 과정을 거치겠냐고 묻는 과정이며,
No로 스킵하였습니다.

Please set the password for root here.

New password:

Re-enter new password:

위의 과정은 루트 비밀번호를 입력하는 과정입니다.
비밀번호와 비밀번호 확인란을 입력하게 됩니다.

By default, a MySQL installation has an anonymous user,
allowing anyone to log into MySQL without having to have
a user account created for them. This is intended only for
testing, and to make the installation go a bit smoother.
You should remove them before moving into a production
environment.

Remove anonymous users? (Press y|Y for Yes, any other key for No) : y

익명 사용자를 삭제할 것인지 묻습니다.
y를 입력하였습니다.

Normally, root should only be allowed to connect from
'localhost'. This ensures that someone cannot guess at
the root password from the network.

Disallow root login remotely? (Press y|Y for Yes, any other key for No) : y

원격 접속을 허용할 것인지 묻습니다,
로컬에서만 개발 예정이기에 y를 입력했습니다.

By default, MySQL comes with a database named 'test' that
anyone can access. This is also intended only for testing,
and should be removed before moving into a production
environment.

Remove test database and access to it? (Press y|Y for Yes, any other key for No) :

test 데이터베이스 삭제를 묻고 있습니다.
No를 입력하였습니다.

Reload privilege tables now? (Press y|Y for Yes, any other key for No) :

수정할 것이 있다면 위의 설정 과정을 다시 거칠 수 있습니다.
No를 입력하였습니다.

All done!

위의 메세지와 함께 설정이 종료됩니다.

MySQL 사용

$ mysql -u root -p

위 명령어 입력 후 루트 비밀번호를 입력하여 mysql을 사용할 수 있게 됩니다.

출처 : https://junhobaik.github.io/mac-install-mysql/

클래스에 사용되는 "self"의 정체

클래스에 사용되는 "self"의 정체

다음과 같이 연산을 수행할 대상(4, 2)을 객체에 지정할 수 있게 만들어 보자.

>>> a.setdata(4, 2)

위의 문장이 수행되려면 다음과 같이 소스 코드를 작성해야 한다.

>>> class FourCal:
...     def setdata(self, first, second):
...         self.first = first
...         self.second = second
...
>>>

이전에 만들었던 FourCal 클래스에서 pass라는 문장을 삭제하고 class 내부에 setdata라는 함수를 만들었다. 클래스 안에 구현된 함수는 다른말로 메서드(Method)라고 부른다. 앞으로 클래스 내의 함수는 항상 메서드라고 표현할테니 용어를 기억해 두도록 하자.

일반적인 함수를 만들 때 우리는 다음과 같이 작성한다.

def 함수명(매개변수):
    수행할 문장
    ...

메서드도 클래스에 포함되어 있다는 점만 제외하면 일반함수와 다를 것이 없다.

setdata 메서드를 다시 보면 아래와 같다.

def setdata(self, first, second):   # ① 메서드의 매개변수
    self.first = first              # ② 메서드의 수행문
    self.second = second            # ② 메서드의 수행문

① setdata 메서드의 매개변수

setdata 메서드는 매개변수로 self, first, second라는 3개의 입력값을 받는다. 그런데 일반적인 함수와는 달리 메서드의 첫 번째 매개변수 self는 특별한 의미를 가지고 있다.

self에 어떤 특별한 의미가 있는지 다음의 예를 보면서 자세히 살펴보자.

>>> a = FourCal()
>>> a.setdata(4, 2)

위에서 보는 것처럼 먼저 a라는 객체를 만들었다. 그리고 a라는 객체를 통해 setdata 메서드를 호출했다.

※ 객체를 통해 클래스의 메서드를 호출하려면 a.setdata(4, 2) 와 같이 도트(.) 연산자를 이용해야 한다.

그런데 뭔가 좀 이상하지 않은가?

setdata라는 메서드는 self, first, second라는 총 3개의 매개변수를 필요로 하는데 실제로는 a.setdata(4, 2) 처럼 4와 2라는 2개의 값만 전달한 것이다.

왜 그럴까?

그 이유는 a.setdata(4, 2)처럼 호출하면 setdata 메서드의 첫 번째 매개변수 self에는 setdata메서드를 호출한 객체 a가 자동으로 전달되기 때문이다.

다음 그림을 보면 객체와 호출 입력 값들이 메서드에 어떻게 전달되는지 쉽게 이해가 갈 것이다.

파이썬 클래스에서 가장 헷갈리는 부분이 바로 이 부분이다. setdata라는 메서드는 매개변수로 3개를 필요로 하는데 왜 a.setdata(4, 2)처럼 2개만 입력해도 실행이 되는가? 이 질문에 대한 답변을 여러분도 이제는 알았을 것이다.

파이썬 메서드의 첫번째 매개변수명은 관례적으로 self라는 이름을 사용한다. 호출 시 호출한 객체 자신이 전달되기 때문에 self("self"는 자기자신이라는 뜻을 가진 영어단어이다.)라는 이름을 사용하게 된 것이다. 물론 self말고 다른 이름을 사용해도 상관은 없다.

※ 메서드의 첫번째 매개변수를 self를 명시적으로 구현해야 하는 것은 파이썬만의 독특한 특징이다. 예를들어 자바같은 언어는 첫번째 매개변수인 self가 필요없다.

[메서드의 또 다른 호출 방법]

잘 사용하지는 않지만 다음과 같이 메서드를 호출하는 것도 가능하다.

>>> a = FourCal()
>>> FourCal.setdata(a, 4, 2)

위와 같이 "클래스명.메서드" 형태로 호출할 때는 객체 a를 입력 인수로 꼭 넣어 주어야 한다. 반면에 다음처럼 "객체.메서드" 형태로 호출할 때는 첫 번째 입력 인수(self)를 반드시 생략해야 한다.

>>> a = FourCal()
>>> a.setdata(4, 2)

출처:<https://wikidocs.net/28>

lambda 식

lambda

lambda는 함수를 생성할 때 사용하는 예약어로, def와 동일한 역할을 한다. 보통 함수를 한줄로 간결하게 만들 때 사용한다. 우리말로는 "람다"라고 읽고 def를 사용해야 할 정도로 복잡하지 않거나 def를 사용할 수 없는 곳에 주로 쓰인다. 사용법은 다음과 같다.

lambda 매개변수1, 매개변수2, ... : 매개변수를 이용한 표현식

한번 직접 만들어 보자.

>>> sum = lambda a, b: a+b
>>> sum(3,4)
7

sum은 두개의 인수를 받아 서로 더한 값을 리턴하는 lambda 함수이다. 위의 예제는 def를 사용한 아래 함수와 하는 일이 완전히 동일하다.

>>> def sum(a, b):
...     return a+b
...
>>>

그렇다면 def가 있는데 왜 lambda라는 것이 나오게 되었을까? 이유는 간단하다. lambda는 def 보다 간결하게 사용할 수 있기 때문이다. 또한 lambda는 def를 사용할 수 없는 곳에도 사용할 수 있다. 다음 예제에서 리스트 내에 lambda가 들어간 경우를 살펴보자.

>>> myList = [lambda a,b:a+b, lambda a,b:a*b]
>>> myList
[at 0x811eb2c>, at 0x811eb64>]

즉, 리스트 각각의 요소에 lambda 함수를 만들어 바로 사용할 수 있다. 첫 번째 요소 myList[0]은 2개의 입력값을 받아 두 값의 합을 돌려주는 lambda 함수이다.

>>> myList[0]
at 0x811eb2c>
>>> myList[0](3,4)
7

두 번째 요소 myList[1]은 2개의 입력값을 받아 두 값의 곱을 돌려주는 lambda 함수이다.

>>> myList[1](3,4)
12

파이썬에 익숙해질수록 lambda 함수가 굉장히 편리하다는 사실을 알게 될 것이다.

출처:<https://wikidocs.net/24>

조건부 표현식

조건부 표현식

다음과 같은 코드를 보자.

if score >= 60:
    message = "success"
else:
    message = "failure"

위 코드는 score가 60 이상일 경우 message에 "success"를 아닐 경우에는 "failure"를 대입하는 코드이다.

파이썬의 조건부 표현식(conditional expression)을 이용하면 위 코드를 다음과 같이 간단히 표현할 수 있다.

message = "success" if score >= 60 else "failure"

조건부 표현식은 다음과 같이 정의된다.

조건문이_참인_경우 if 조건문 else 조건문이_거짓인_경우

조건부 표현식은 가독성에 유리하고 한 라인으로 작성할 수 있어 활용성이 좋다.

출처:<https://wikidocs.net/20>