Python을 잘 다루기 위한 기초 문법 정리용 포스트
Immutable, Mutable (중요)
동일한 객체를 여러 변수들에 할당하는 경우에는 immutable, mutable 모두 동일한 주소값을 갖는다. 그러나 mutable 객체를 가리키는 변수를 이용해 여러 변수에 동시에 영향을 주게끔 객체 수정이 가능하다. immutable의 경우에는 수정이 불가하기에 같은 객체를 가리키는 여러변수에 동시에 영향을 줄 수 없다.
- b 변수의 값을 100으로 변경하여도! 메모리에 할당되었으며 99 라는 값을 가진 Immutable 객체의
값이 바뀌지 않음- 단지 b라는 변수는 이제부터 새로운 주소의 99라는 값을 가진 Immutable 객체를 참조함
- arr2 변수의 값을 변경하면! 메모리에 할당되었으며 [1,2,3] 이라는 값을 가진 Mutable 객체의
값이 변경됨
아래 코드를 통해 정확히 이해해보자.
print("Immutable 객체")
a = 99
b = 99
c = 99
d = 99
e = 99
print(hex(id(a)))
print(hex(id(b)))
print(hex(id(c)))
print(hex(id(d)))
print(hex(id(e))) # 99 라는 객체 하나를 모든 변수가 바라보고 있다
a = 100
print(a, hex(id(a)))
print(b, hex(id(b)))
print(c, hex(id(c)))
print(d, hex(id(d)))
print(e, hex(id(e))) # a 변수만 100이라는 객체를 바라보기 시작하며 나머지는 그대로 99를 바라보고 있다.
Immutable 객체
0x7fffbafb6740
0x7fffbafb6740
0x7fffbafb6740
0x7fffbafb6740
0x7fffbafb6740
100 0x7fffbafb6760
99 0x7fffbafb6740
99 0x7fffbafb6740
99 0x7fffbafb6740
99 0x7fffbafb6740
print("Mutable 객체")
arr1 = [1, 2, 3]
arr2 = [1, 2, 3]
arr3 = [1, 2, 3]
arr4 = [1, 2, 3]
print(hex(id(arr1)))
print(hex(id(arr2)))
print(hex(id(arr3)))
print(hex(id(arr4))) # 각각의 변수에 각기 다른 리스트 객체를 바라보고 있다.
arr1 = [1,2,3,4,5]
print(arr1, hex(id(arr1)))
print(arr2, hex(id(arr2)))
print(arr3, hex(id(arr3)))
print(arr4, hex(id(arr4))) # 모든 변수가 여전히 각기 다른 리스트 객체를 바라보고 있다.
Mutable 객체
0x1d7d16d89c0
0x1d7d324b340
0x1d7d328f1c0
0x1d7d3227c80
[1, 2, 3, 4, 5] 0x1d7d3227f00
[1, 2, 3] 0x1d7d324b340
[1, 2, 3] 0x1d7d328f1c0
[1, 2, 3] 0x1d7d3227c80
하지만 매우 중요한 점은 아래에 있다.
arr1 = arr2
print(hex(id(arr1)))
print(hex(id(arr2)))
arr1[2] = 9
print("arr1의 원소만 바꿨을 때")
print(arr1, hex(id(arr1)))
print(arr2, hex(id(arr2))) # arr1, arr2가 동일한 주소를 바라보고 있다.
arr1 = [1,2,3,4,5]
print("arr1에 새로운 mutable 객체를 줬을 때")
print(arr1, hex(id(arr1)))
print(arr2, hex(id(arr2))) # arr1, arr2가 다른 주소를 바라보게 된다.
0x1d7d324b340
0x1d7d324b340
arr1의 원소만 바꿨을 때
[1, 2, 9] 0x1d7d324b340
[1, 2, 9] 0x1d7d324b340
arr1에 새로운 mutable 객체를 줬을 때
[1, 2, 3, 4, 5] 0x1d7d32b3ac0
[1, 2, 9] 0x1d7d324b340
새로운 Mutable 객체를 할당했을 때는 arr1, arr2의 주소값이 분리된다는 것이다. (나는 여태까지 arr1, arr2의 값이 동시에 바뀔 것으로 예상하고 있었다…)
즉, 완전히 다른 변수가 된다.
얕은 복사, 깊은 복사
a = [[1], [2]]
b = a[:]
b[0][0] = 5
print(id(a), id(b)) # 다른 주소가 찍힌다
print(a) # 하지만 a 객체의 내부 객체들이 변경된다.
print(b)
1673804360192 1673804361344
[[5], [2]]
[[5], [2]]
나는 처음에 a[:]를 통해 b 변수에 할당하면 깊은 복사가 되서 b 변수에 할당 되는 것인줄 알았다. 그러나 완전히 잘못 알고 있었다. 핵심은 list안의 객체가 mutable인지 immutable인지를 구분해야 한다. 위 코드와 같이 리스트 안에 리스트로 mutable 객체가 들어있는 경우 그 안의 값들은 원본 객체(a 리스트)안의 객체들을 참조하고 있다.
아직 해결해야할 고민
- arr1의 원소만 바꾼다면, arr1, arr2의 두 변수는 동일한 리스트 객체를 바라보고 있어서 값이 같이 바뀌는 것으로 이해가 된다. 그렇다면 여러 객체를 담을 수 있는 array 성향의 타입이라면 모두 mutable로 봐야 하는가?
- Tuple이 있어서 그렇지는 않다.
- mutable과 call by reference가 어떻게 다른가?
- Mutable의 의미는
수정 가능한이라는 뜻이다. 즉, 객체가 수정 가능하면 mutable 객체라고 불린다. - Python은 call-by-reference, call-by-value와 달리 call-by-assignment(call-by-object-reference) 이다.
- 그 이유는 Python은 모든 것을
객체로 판단한다는 데에 있다.a = 'alpaca' # 'alpaca'라는 객체에 a라는 이름표가 붙은 것 # 변수 a가 특정 메모리 공간을 할당받은 컨테이너 개념이 아니라, just 이름표 - 위 알파카 객체를 합정역 31번 사물함에 뒀다고 하자
- 위 알파카 객체에 a라는 이름표를 붙인것이며, b, c등의 여러 이름표가 붙을 수 있지만 알파카 객체의 위치(주소값)은 변하지 않는다.
- Python에는 global, local로 나눈 2개의 namespace가 존재한다.
- 즉, 전역 변수를 함수에서 인자로 받아오더라도 함수 내에서는 지역변수(이름표)에 불과하며, 함수 내에서 이름표를 떼서 다른 객체에 붙인다고 한들, 그 이름표는 함수 내에서만 사용하는 이름표일 뿐이다.
def func(arr1): arr1 = [1,2,3,4] # arr1[1] = 9 li = [1,2] func(li) li[1, 2] - li의 값이 [1, 2]로 유지되는 것을 볼 수 있다. 이는 call by reference였다면 주소값이 가지고 있는 값을 변경시킨 것이기 때문에 위와 같은 출력이 불가능하다.
- 인자로 가져온 arr1의 mutable 속성 (수정 가능한 속성)을 이용하지 않고 새로운 객체를 할당시킨 것이기 때문에 arr = [1,2,3,4]를 하는순간 li 변수와, arr1 변수의 주소값이 달라진다.
- 그 이유는 Python은 모든 것을
- Mutable의 의미는
리스트 다루기
리스트 초기화
리스트는 다음과 같은 형태로 초기화가 가능하다.
print([0, 1] * 10)
[0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1]
하지만 numpy, Tensor 와 같은 타입은 브로드 캐스팅이 적용된다. 주의하자
print(np.array([0, 1]) * 10)
print(torch.Tensor([0, 1]) * 10)
print([0, 1] * 10)
[ 0 10]
tensor([ 0., 10.])
[0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1, 0, 1]
리스트 슬라이싱
- [start : end : step]
- 주의해야 할 사항
- step이 작동하는 것은 항상 start에서 시작하며, 방향은 부호로 정해진다. (+: 오른쪽, -: 왼쪽)
stack = ['a', 'b', 'c', 'd', 'e']
print(stack[0:3:-1]) # step이 음의 부호여서 왼쪽 방향으로 진행하는 것인데 start가 0, end가 3까지 이므로 시작하자마자 끝난다.
# 그래서 null 반환한다.
print(stack[:3:-1]) # 얘는 step이 음의 부호이기 때문에 잠재적으로 start를 4로 둔다.(뒤에서 부터 시작) 즉, stack[4:3:-1]
[]
['e']
그러므로 step을 활용할 때는 위와같은 코드로 작성하지 않고 아래와 같이 작성하도록 하자.
stack = ['a', 'b', 'c', 'd', 'e']
print(stack[0:3:1])
print(stack[4:-1:-1])
['a', 'b', 'c']
['e', 'd', 'c', 'b']
numpy 슬라이싱, 인덱싱
단어에 주의해야 한다.
슬라이싱: 여러개 원소를 동시에 가져오는 과정. : 부호가 사용된다
인덱싱: 원소 1개를 골라 추출하는 과정. 정수가 쓰인다
- 인덱싱
import numpy as np
a = np.array([[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12],
[13, 14, 15, 16]])
a[1, 3] # 8
a[1][3] # 8
위 처럼 두가지 방법의 인덱싱이 가능하나 a[1, 3]이 수행시간면에서 빠르기에 권장된다고 한다. (개인적으로 사용하기도 더 쉽다)
numpy는 리스트와 흡사하기 때문에 슬라이싱, 인덱싱이 모두 가능하다.
중요한 차이점은 슬라이싱은 차원을 유지하면서 결과를 반환하지만, 인덱싱은 차원을 자동으로 낮춰서 반환함
import numpy as np
a = np.array([[1, 2, 3, 4],
[5, 6, 7, 8],
[9, 10, 11, 12],
[13, 14, 15, 16]])
print(a[0, 1]) # 인덱싱 2번 적용. 즉 차원이 2번 줄음
print(a[0, 1:2]) # 인덱싱 1번, 슬라이싱 1번 적용. 즉 차원이 1번 줄음
2
[2]
하지만 아래처럼 리스트 안에서 인덱싱을 할때는 차원 해석을 어떻게 해야하는지 아직 판단이 안섬.
왜 저렇게 나오는지는 감으로 알겠지만.. 차원이 하나씩 낮아진다던지 등으로 깔끔하게 정리하고 싶은데..
print(a[[1,2], [3,3]]) # 인덱싱 2번 적용으로 생각하고 싶으나 차원은 1번만 줄음
print(a[[1,2], [3]])
print(a[[1,2], 3])
[ 8 12]
[ 8 12]
[ 8 12]
리스트 컴프리헨션
- if문은 for문의 오른쪽, if-else문은 for문의 왼쪽에서 사용해야 함
- if문 사용
a = [1,2,3,4,5,6,7,8,9,10] b = [i for i in a if i%2==0] # if 조건을 and/or로 두 개 이상 쓸 수 있음 c = [i for i in a if i%2==0 and i%3==0] print(b) >>> [2, 4, 6, 8, 10] print(c) >>> [6]- if-else문 사용
a = [1,2,3,4,5,6,7,8,9,10] b = [i if i%2==0 else '홀수' for i in a ] print(b) >>> ['홀수', 2, '홀수', 4, '홀수', 6, '홀수', 8, '홀수', 10]
패키지와 모듈
기본 개념
| __init__.py, import, from import 를 설명하기 위한 단락 |
python 3.3부터는 __init__.py 모듈이 패키지내에 따로 없어도, 패키지로 인식된다. 그럼 이거 꼭 써야할까?
꼭 그럴 필요는 없다고 생각한다. 그러나, python 하위 버젼과의 호환성이나, 특정 패키지에서 사용하고자 하는 여러 module들을 __init__.py에 모아두는 것이 import 관련 버그 처리나, 협업을 위해 훨씬 좋다고 생각한다.
모듈: .py 파일
패키지: 디렉토리. 디렉토리 안에 여러개의 모듈을 넣어둘 수 있다.
import를 사용할 때 기억해야 할 점import뒤에 오는name을 실제로 사용할 때 항상 그name을 그대로 사용해 줘야 한다.import numpy numpy.exp([1, 3, 5]) # numpy라는 name을 그대로 사용함import만 사용될 때는모듈, 패키지만 올 수 있지만from과 같이 연계하여 사용할 경우함수, 변수, 클래스도 올 수 있다.
main.py를 작성한다고 가정할 때 아래 코드를 보자'''파일 구조 hojun | --- game | --- | --- fifa.py (여기 스크립트에 fifa_print 함수가 정의되어 있음) | --- | --- league.py main.py ''' import hojun.game.fifa.fifa_print # 에러남. import만 사용하는데 함수를 import 하려고 했으므로 from hojun.game.fifa import fifa_print # 사용 가능 import hojun.game.fifa fifa_print() # import 에서 사용한 name이 fifa_print이므로 해당 name을 그대로 사용해 주는 모습 hojun.game.fifa.fifa_print() # import 에서 사용한 name을 그대로 사용해주고 추가적으로 함수명까지 사용하여 # 접근 가능import,from import가 따로 있는 이유: 함수명 중복 방지
아래와 같은 코드는 에러는 나지 않지만 이런 경우가 많아지면 버그 잡기가 어려워짐from numpy import * from math import * exp([1, 3, 5]) # numpy 패키지에 존재하는 모듈(혹은 클래스, 변수, 함수)을 의미하는 것인지 # math 패키지에 존재하는 모듈(혹은 클래스, 변수, 함수)을 의미하는 것인지 모호함import패키지
지금부터는 __init__.py 에 명시되어 있는 참조만 따르겠다.
아래 main.py 코드를 보자.
dir()출력 결과를 통해hojunnamespace를 사용하면 fifa 모듈, lol 모듈에 접근이 가능함을 알 수 있다.'''파일 구조 및 __init__.py, main.py의 소스코드 hojun |---__init__.py from . fifa from . lol |---fifa.py |---lol.py main.py import hojun print(dir()) hojun.fifa.fifa_print() hojun.lol.lol_print() ''' import hojun print(dir()) # dir() 파이썬 내부 함수는 참조 가능한 namespace를 출력한다. hojun.fifa.fifa_print() # __init__.py 에 주목한다. # __init__.py가 from . import fifa 이므로 fifa를 통해 접근할 수 있다. hojun.lol.lol_print()['__annotations__', '__builtins__', '__cached__', '__doc__', '__file__', '__loader__', '__name__', '__package__', '__spec__', 'hojun'] I'm fifa I'm lolfrom패키지import *
지금부터는 __init__.py 에 명시되어 있는 참조만 따르겠다. 단 __init__.py 에서
__all__ = [module_name]로 상위 패키지에서 참조 가능한 모듈을 제한하는 작업이 가능하다.아래 main.py 코드를 보자.
'''파일 구조 및 __init__.py의 소스코드 hojun |---__init__.py from . fifa from . lol __all__ = ['fifa'] # fifa 모듈만 참조 가능하게 하겠다. |---fifa.py |---lol.py main.py from hojun import * print(dir()) hojun.fifa.fifa_print() hojun.lol.lol_print() ''' import hojun print(dir()) hojun.fifa.fifa_print() hojun.lol.lol_print()['__annotations__', '__builtins__', '__cached__', '__doc__', '__file__', '__loader__', '__name__', '__package__', '__spec__', 'fifa'] I'm fifa Traceback (most recent call last): File "D:\Work\AINetworks_Tire\Project_Module\LifeOfTire\main.py", line 6, in <module> lol.lol_print() NameError: name 'lol' is not defined- __all__로 보충 설명
*를 통해 모든 변수, 클래스, 함수를 상위 디렉토리에서 참조 가능하도록 했지만, 그 중에서 공개하길 원치 않는 변수, 클래스, 함수가 존재할 수 있다. 이러한 경우 필터링을 하기 위해 사용된다.
```python all = [‘add’, ‘triangle_area’]
from .operation import * from .geometry import * ```
add, traiangle_area 함수만 상위 패키지에서 접근하여 사용할 수 있게 된다. .gitignore 처럼 필터링 역할을 해준다고 생각하면 편할 듯 하다.
경로 에러 처리
Open source를 실행하거나, 내가 코드를 짜면서 여러 모듈들을 import 할 때 No module error가 자주 발생해 정신이 나가곤 한다. 이러한 문제 해결을 위해 다음을 기억하자.
.package,..parent_package등과 같이 상대 경로(relative path)를 통해 import를 시도하려는 경우 동일 패키지 안에 속해야 한다- 상위 경로의 다른 패키지에서 모듈을 가져오고 싶다면
sys.path를 사용하는 방법뿐인 듯 하다.
- 상위 경로의 다른 패키지에서 모듈을 가져오고 싶다면
매직 메서드, 스페셜 변수
__dict__, __call__과 같이 언더스코어(_)로 묶여 있는 것들을 매직 메서드 혹은 스페셜 변수라고 부른다.
dir()를 통해 현재 스크립트에서 사용 가능한 매직 메서드, 스페셜 변수를 확인하거나, dir(Object)를 통해 특정 Object에서 실행 가능한 매직 메서드, 스페셜 변수를 확인할 수 있다.
__dict__
클래스 객체의 속성 정보를 확인하기 위해 사용됨.
특정 객체에 대해 아래 코드와 같이
class Test:
def __init__(self, name):
self.name = name
self.test_dict = {'a':1, 'b':2}
self.test_list = ['1', '2', '3']
test_object = Test("minimal")
print(type(test_object.__dict__))
print(test_object.__dict__)
<class 'dict'>
{'name': 'minimal', 'test_dict': {'a': 1, 'b': 2}, 'test_list': ['1', '2', '3']}
활용 가능하며, 객체의 속성들을 접근하기 쉽게 Dict 형태로 변환해 주는 것이다.
pip install 옵션
-m 옵션
Python 스크립트를 배포하는 상황에서 필요하다.
pip 명령어를 통해 특정 스크립트를 받으면 사용자마다 해당 스크립트가 다운로드 되는 경로가 달라진다
-m 옵션을 붙이면 sys.path에 있는 모든 경로를 조사하여 모듈을 받아오기 때문에 사용자는 pip install로 특정 스크립트를 받은 후 해당 스크립트가 어느 경로에 다운로드 되었는지 따로 파악할 필요없이 바로 import [스크립트 이름]으로 사용 가능하다.