[{"content":"때는 바야흐로 8월 초. 취준도, 연구도 아직 할 일이 많은데, 벌써 여름방학의 반이나 갔다는 생각에 마음만 초조하던 때 원티드에서 엄청난 공고를 보게 되는데..! AWS 재직자분들께 멘토링을 받을 수 있다는 것도 매력적이었지만, 소개 글에 있던 아래 질문들이 내 눈을 사로잡았다.\nQ: 커리어를 중간에 변경하고 싶은데, 어떻게 경력을 살릴 수 있을까요? Q: 오랫동안 지치지 않고 꾸준히 성장하는 노하우 있나요?\n지금 내 고민을 콕 짚어 정리해 놓은 질문들을 보면서 이 프로그램에 꼭 참여하고 싶어져 간절한 마음을 모아모아 지원서를 작성하였다. 그리고 정말 운 좋게도 멘토링에 참여하게 되었다!\nGirls in Tech X AWS 멘토링 프로그램의 자세한 내용이 궁금하시다면 아래 링크 참고 부탁드립니다! [Girls in Tech X AWS] Mentoring Program 2023 멘티 모집 안내문\n멘토링 프로그램은 다양한 내용으로 구성된 정기 멘토링과 스페셜 멘토링 세션으로 구성되는데, 오늘 글에서는 9월 14일에 \u0026lt;IT업계에서 대기업부터 스타트업 창업까지, 직접 경험해본 모두 다른 이야기들\u0026gt; 주제로 진행된 스페셜 멘토링 세션 후기를 정리해 보려고 한다.\n특강 제목에서부터 알 수 있듯이, 특강을 진행해 주신 연사님께서는 대기업 재직부터 스타트업 창업까지 두루 경험해 보신 경험과 그 과정에서 배우신 점을 들려주셨다. 또한, 현재 재직 중이신 AWS를 왜 선택하셨고, 실제로 다니시면서 어떤 점이 좋으신지 자세히 말씀해 주셨다.\n연사님의 경험담을 통해서 내가 경험하지 못한 회사에 대한 간접 경험을 쌓을 수 있어서 좋았다. 또한, 강연을 들으며 커리어 관련해서 생각이 드는 부분도, 배운 점도 많았다. 이를 간략히 정리해 보면 아래와 같다.\n\u0026ldquo;좋은\u0026rdquo; 회사에 대한 획일적인 답은 없다. 다시 취준을 하면서 많이 느끼고 있는 부분이기도 한데, \u0026ldquo;좋은\u0026rdquo; 회사에 대한 정답은 없는 것 같다. 다만 각자의 가치관에 따라서, 우선순위에 따라서 \u0026ldquo;각자에게 좋은\u0026rdquo; 회사가 정해지는 것 같다. 따라서 자신의 니즈를 충족할 수 있는 회사라면 그 회사가 스스로 다니기에 좋은 회사라는 생각이 들었다. 내 인생에서 커리어의 중요도가 어느 정도인지, 업무를 할 때는 어떤 스타일인지(예: 자유도가 높기를 바라는지) 등등 여러 항목을 정해서 나만의 회사 이상형을 구체화해야겠다. 회사를 선택할 때도, 일을 할 때도 나만의 기준, 즉 \u0026ldquo;핵심 가치\u0026quot;가 있어야 한다. AWS 멘토링을 듣기 전에는 \u0026ldquo;핵심 가치\u0026quot;라는 말이 정말 와닿지 않고, 학교 다닐 때 봤던 급훈만큼이나 형식적인 말처럼 느껴졌다. 그래서 멘토링 OT 때, Amazon에서는 Leadership Principles (LP)를 매우 중시하고 심지어 구성원들에게 LP가 체화(!!)되었고, 이에 기반해서 일한다는 게 뭔지 잘 와닿지 않았다. 그렇지만 이번 스페셜 멘토링을 포함한 여러 강연을 들으면서, Amazon에서는 LP가 살아 숨 쉰다는 생각이 들었다. AWS 업무수행 방식뿐만 아니라 구성원들이 업무를 대하는 사고방식에 LP가 녹아있다는 인상을 받았기 때문이다. 이렇게 구성원들 모두가 공유하는 LP라는 컨셉이 있기 때문에 AWS가 자율성이 보장되면서도 동시에 추진력이 있는 조직이 되었다는 생각이 들었다. 글을 쓰면서 \u0026lsquo;그렇다면 Amazon의 LP와 내가 기존에 와닿지 않는다고 느꼈던 핵심 가치와의 차이는 무엇일까?\u0026rsquo; 하는 질문이 생겨 생각해 본 결과, 차이점은 다음과 같았다: Amazon의 LP는 직관적이고, 쉽게 행동으로 이어질 수 있다. 그래서 취준을 하는 나도 나만의 핵심 가치~~(뭔가 핵심 가치보다 더 좋은 표현을 찾고 싶다)~~를 찾아서 이를 기준으로 취준 및 업무를 해나가야겠다는 생각이 들었다. \u0026ldquo;경험에 대한 압축 알고리즘은 없다 (There is no compression algorithm for experience)\u0026rdquo; 이날 연사님께서 들려주신 AWS의 격언(!!)과도 같은 문장이다. 이는 경험의 가치와 이를 얻기 위해 들이는 시간을 강조하는 말로, 어떠한 지식과 경험을 단기간에 쌓을 수 있는 지름길은 존재하지 않는다는 말이다. 요즘 여러 채용공고를 보면서 내가 아직 갖추지 못한 요건들이 눈에 밟혀서 ‘어떻게 부족한 경험과 스킬을 빨리 채울 수 있을까’ 마음이 급급했는데, 어렵지만 역시 정공법으로 해결해야겠다는 생각이 들었다. 강연 이후 진행된 질의응답 시간에는 우리 팀과 다른 팀 팀원분들께서 다양한 고민과 질문들을 공유해 주셨다. 다양한 이야기를 들으면서 공감이 되는 부분도 있었고, 내가 미처 생각하지 못한 부분도 짚어주셔서 감사했다. 또한, 연사님과 함께 우리 팀 멘토님과 다른 팀 멘토님께서도 답변을 해주셔서 풍부한 답변을 얻을 수 있었다 😊😊\n약간의 사담이지만, 아직 나에게는 공개적으로 질문하는 게 어렵다.. 머릿속 생각을 조리 있게 정리해서 질문하는 것도, 틀릴까 봐 두려운 마음을 극복하는 것도 아직은 내게 숙제이다. 그렇지만 적극적으로 다양하고 좋은 질문들을 많이 해주시는 팀원분들을 가까이서 볼 수 있어서 정말 많이 배우고 있다 😁😁 벌써 내일(9/21)이면 이번 멘토링 프로그램도 막을 내리게 된다. 참석을 못 한 세션들도 있어서 아쉬움이 남지만, 한 달이라는 제한된 시간 동안 다양한 분들을 만나서 그분들의 경험을 듣고, 내 고민에 대한 답을 찾아가는 소중한 기회였다. 마무리까지 아자아자 화이팅이다! 🙌🙌\n쿠키! 🍪 AWS 멘토링이 보통 저녁에 진행되었는데, 매번 맛난 식사를 챙겨주셔서 너무 감사했다 🥹🥹 이건 이날 먹은 마마스 클럽 샌드위치랑 베라 음료! 마마스 클럽 샌드위치 처음 먹어봤는데, 아주 맛있었다!!\n원래 음식 인증샷이 있었지만, velog에서 이미지 크기 조절이 안 되어서 삭제하였다ㅠㅠ.. 이날 현장 스케치! 늦은 시간에도 지치지 않고 모두 눈이 반짝반짝했다 ✨✨ 열정!열정!열정!\n마지막으로, 이날 멘토님께 받은 깜짝 선물!! 열쇠고리 하나하나에 우리 팀 팀원들 이름이 들어간 열쇠고리를 선물로 주셨다! 멘토링을 시작하고 얼마 지나지 않았을 때, 팀원 모두 영어 이름이 어떻게 되는지 여쭈신 적이 있었는데, 이런 빅픽쳐가 있으셨다니..! 멘토님께서 AWS에서 근무하시면서 친절한 천재들과 같이 일하는 것 같다고 말씀해 주셨는데, 우리 팀 멘토님은 지성 + 친절함에다가 마음도 따뜻하시다 🤗🤗 사진 속 엽서는 이날 특강에 같이 참여한 다른 팀 멘토님께서 주셨다! Amazon 시애틀 지사(?)에 가셔서 받으셨다는데, 엽서가 정말 멋있다! 맨 앞에 있는 \u0026ldquo;Think Big\u0026rdquo; 엽서를 자세히 보면 하얀 나무에 깨알같이 AWS 서비스들도 적혀있다 ㅎㅎ 이날 처음 뵈었는데, 질의응답 시간에 경험도 많이 들려주시고, 예쁜 엽서도 선물해 주셔서 정말 감사했다 😊😊 이번 프로그램을 통해서, 배우고 싶은 점이 정말 많은 멘토분들과 우리 팀 팀원분들을 포함한 열정 가득 멘티님들과 만나게 된 게 제일 큰 선물인 것 같다. 내일 만남을 기대하며 그럼 여기서 이만! ","permalink":"https://quriemoon.github.io/posts/2023-09-21-girls-in-tech-aws-mentoring/","summary":"[Girls in Tech X AWS 멘토링 프로그램 2023] 스페셜 멘토링 후기입니다!","title":"[Girls in Tech X AWS 멘토링 프로그램 2023] 스페셜 멘토링 후기"},{"content":"데이터리안 SQL 데이터 분석 캠프 입문반을 완강했다! 처음 강의 커리큘럼을 읽으면서 \u0026lsquo;와 내가 딱 찾던 강의야\u0026rsquo;라는 느낌에 반가웠는데, 실제로 들으면서 좋았던 점이 많았다. 나와 비슷한 고민을 하는 사람들에게 도움이 되기를 바라는 마음으로 후기를 적어본다.\n이 글은 데이터리안 SQL 데이터 분석 캠프 입문반 후기 이벤트 참여 대상 글입니다! 그렇지만 내돈내산 리뷰입니다 💰💰\n데이터 분석가로 취업을 위해서는 무엇을 해야 할까? 아직 나도 취준생이니까 정답을 모르지만(\u0026hellip;), 주변에서 들은 이야기와 job description(JD)를 종합한 결과 아래와 같다.\n데이터로 문제 정의 및 해결을 한 과정을 보여주는 포트폴리오 분석 프레임워크(AARRR 등)에 대한 이해 SQL 통계학적 지식 (+ 머신러닝 관련 지식..?) Python \u0026ldquo;Python\u0026quot;이라고 하면 조금 포괄적인 느낌이 있지만.. 이 부분 관련해서는 회사마다, 또 포지션마다 기대하는 수준이 다양한 것 같다. 또한, 내가 목표하는 회사 중 여러 곳이 SQL 코딩 테스트를 진행함을 알게 되었다.\n학부생 시절 \u0026lsquo;데이터베이스\u0026rsquo; 과목을 수강했지만, 이때가 SQL과의 만남의 끝이었다. 이후 회사에 다니면서 아주 간혹 SQL을 쓸 일이 있었지만, DBA와 함께 테이블을 생성하거나 간단한 SQL로 값을 update하는 게 끝이었다.\n그래서 SQL 코딩 테스트를 위해서 SQL 관련 복습 및 문제 풀이를 시작했다. 처음에는 혼자서 쉬운 문제 위주로 복습하려고 했지만, 한번 체계적으로 정리해 보고자 강의를 듣기로 하였다. 그리고 데이터리안 강의를 만나게 되었다! 내가 데이터리안 강의를 고른 이유는 다음과 같다.\nSQL을 익히기 위해 필수적인 내용 위주로 구성되어 있다. 강의에서 배운 내용을 바로 연습할 수 있는 문제 풀이가 함께 있다. SQL 문법을 배우는 것에서 끝나는 게 아니라, 배운 SQL 문법을 분석 프레임워크에도 적용해 볼 수 있다. 통계학을 전공하였지만, job description(JD)에 기술된 분석 프레임워크를 학교에서 접할 일은 거의 없어서 고민 중이었는데, SQL을 활용해서 분석 프레임워크까지 실습해 볼 수 있다니! 마음에 아주 쏙 들었다.\n수강을 결심한 후 입문반부터 들은 후에 실전반을 들을지, 바로 실전반을 들을지 고민하였는데, SQL의 기초 문법을 확실히 정리하고 싶었고, RFM 분석 프레임워크와 기본적인 매출 분석 내용을 익히고 싶었기 때문에 입문반부터 신청하였다. 이 부분이 고민된다면 데이터리안에서 제공하는 짧은 레벨테스트가 있으니 이걸 응시하는 것도 추천한다!\n자세한 입문반 커리큘럼은 아래 링크를 참고하면 된다. 요약하면 4주 동안 데이터 분석에서 필요한 SQL 기본 문법을 배우고, RFM 분석과 간단한 매출 분석에 이를 적용해 보며 익히는 과정이다.\n데이터리안 SQL 데이터 분석 캠프 - 입문반\n시작할 때는 꽤 길다고 생각했던 4주가 쏜살같이 지나가고 어느새 난 입문반을 수료하였다! 실제로 수업을 들으면서 기대했던 부분들이 모두 충족되었다.\nSQL을 익히기 위해 필수적인 내용 위주로 구성되어 있다. ✅ 데이터 분석가 실무자분들께서 강의를 해주셔서 그런지 실무에서 필요한 내용 위주로 가르쳐주신다. 그렇다고 내용이 빈약한 것이 아니라, 중요한 내용이 잘 정리되어서 담겨있다! 실무 팁을 주신 부분도 좋았다! 강의에서 배운 내용을 바로 연습할 수 있는 문제 풀이가 함께 있다. ✅ 주차별 추가 연습문제가 있어서 배운 내용을 바로 연습할 수 있었다. SQL 문법을 배우는 것에서 끝나는 게 아니라, 배운 SQL 문법을 분석 프레임워크에도 적용해 볼 수 있다. ✅ RFM 분석 등의 분석 프레임워크를 SQL로 실습해 본 부분도 매우 좋았다. 추가적으로 다음 장점들도 있었다.\n실습환경이 잘 되어있다. SQL을 연습하기 위해서 로컬에 데이터베이스를 설치해야 하는 경우가 종종 있고, 여기서부터 쉽지 않을 수 있다. 그렇지만 데이터리안에서는 solvesql이라는 플랫폼을 사용하기 때문에 인터넷만 되는 환경이라면 로컬 환경에 별도로 데이터베이스를 설치하지 않고서 바로 실습할 수 있었다. solvesql 플랫폼에는 수업에서 사용하는 데이터셋뿐만 아니라, 프로젝트 추천 데이터셋도 업로드되어 있어서 SQL 실습을 하기에 매우 편리했다. 수강생이 데이터 분석 프로젝트를 시작할 수 있도록 상세한 가이드가 제공된다. 데이터리안 수업에서 개인 프로젝트는 각자 진행하는 사이드 프로젝트처럼 진행된다. 그렇지만 각자 데이터 분석 프로젝트를 시작할 수 있도록 프로젝트 관련된 개괄적인 내용부터 수업에서 배운 내용을 바탕으로 어떻게 프로젝트를 하면 좋을지에 대한 구체적인 아이디어 및 다양한 레퍼런스들을 공유해 주신다. 혼자서 프로젝트를 진행하기 어렵거나 여럿이 모여 집단지성으로 프로젝트를 완성하고 싶을 경우, 데이터리안 슬랙 내에서 프로젝트 팀원도 구할 수 있다! 추가적으로, 완강 이후에도 슬랙에 각자 완성한 프로젝트를 올리면 하나하나 피드백을 달아주신다! 이 부분이 정말 큰 장점이라고 생각한다. 슬랙으로 질의응답을 할 수 있다. 수강생 대상 슬랙이 운영되기 때문에 구글링해도 헷갈리는 부분 등을 쉽게 질문할 수 있었다. 글이 길었지만, 한 줄로 요약하자면 데이터 분석가 취준을 하는 나에게 도움이 많이 되는 강의였다. 나와 비슷한 고민을 하는 분들께도 도움이 되길 바라며 이만 글을 줄인다.\n","permalink":"https://quriemoon.github.io/posts/2023-09-10-datarian-sql-review/","summary":"데이터리안 SQL 데이터 분석 캠프 입문반 후기!","title":"데이터리안 SQL 데이터 분석 캠프 입문반 후기"},{"content":"실행 시간이 오래 걸리는 R 스크립트를 실행해야하거나 여러 개의 R 스크립트를 실행하고 싶은 경우가 있다. 실행 시간이 오래 걸리는 프로그램을 R 스튜디오에서 돌릴 경우, 불편할 뿐더러 실수로 종료하는 등의 문제가 일어날 수 있다. 또한, R 스튜디오에서 직접 스크립트를 실행할 경우, 여러 개의 스크립트를 실행할 수 없다. (source로 타 R 스크립트를 참조하는 경우가 아닌 문자 그대로 스크립트 여러 개를 실행하는 걸 할 수 없다는 뜻이다)\n이럴 때, 해결책이 바로 백그라운드에서 R을 실행하는 것이다! 이번 포스트에서는 운영체제별 백그라운드에서 R을 실행하는 방법을 정리해보자.\n윈도우에서 백그라운드로 R 실행하기 아래 윈도우 명령어의 경우, 모두 기본 command prompt에서 실행되어야한다. (Powershell이나 WSL 아님에 주의!)\n윈도우에서 R을 백그라운드로 실행하는 명령어 start /B \u0026quot;\u0026quot; Rscript.exe \u0026ndash;vanilla {R 스크립트 경로} \u0026gt; {실행 결과를 저장할 파일 경로} 2\u0026gt; {에러 로그를 저장할 파일 경로}\n- \u0026#34;R 스크립트 경로\u0026#34;의 경우, 실행하려는 R 스크립트의 파일 경로를 입력해주면 된다. (예: `Desktop\\test.R`) - \u0026#34;실행 결과를 저장할 파일\u0026#34;에는 `print` 함수 호출 결과 등이 저장된다. 편의상 이를 로그 파일로 취급하여 저장한다. (예: `Desktop\\test.log`) - \u0026#34;에러 로그\u0026#34;의 경우, R 프로그램을 실행하면서 발생하는 갖가지 에러에 대한 로그가 저장된다. 편의상 `.err`이라는 확장자를 사용해서 저장한다. (예: `Desktop\\test.err`) - 윈도우에서 실행중인 R 프로그램의 pid를 확인하는 법 tasklist /fi \u0026ldquo;imagename eq Rscript.exe\u0026rdquo;\n- 위 명령어를 실행하면 Image Name이 \u0026#34;Rscript.exe\u0026#34;인 프로그램이 모두 검색된다. 이때, PID와 Mem. Usage를 자세히 살펴보자. PID의 경우, 해당 프로그램에 부여된 ID라고 이해할 수 있으며 Mem. Usage는 해당 프로그램이 메모리를 얼마나 사용하는지 알려준다. - PID를 알면 다음 나오는 명령어로 프로그램을 쉽게 중단할 수 있다. - pid를 사용해서, 윈도우에서 실행중인 R 프로그램을 종료하는 법 taskkill /pid /f\n- 이건 비단 R 프로그램뿐만 아니라, 윈도우에서 실행중인 프로그램을 종료할 때 사용할 수 있는 명령어이다. - 예를 들어, 현재 실행중인 R 프로그램의 PID가 `20000`이라면 `taskkill /pid 20000 /f` 으로 해당 프로그램을 종료할 수 있다. ## 맥에서 백그라운드로 R 실행하기 (추후 추가 예정) ---------- 피드백은 언제나 환영입니다! 혹시 잘못된 부분을 발견하셨거나 궁금하신 점이 있다면 댓글창에 남겨주세요! 그럼 다음 포스트에서 또 만나요! ","permalink":"https://quriemoon.github.io/posts/2023-07-13-run-r-in-background/","summary":"백그라운드에서 R을 실행해보자!","title":"백그라운드로 R 실행하기"},{"content":"이번 글에서는 지난 글의 끝부분에 소개된 예제를 활용해서, EM 알고리즘을 마저 이해해보자.\n이번 글은 연세대학교 박태영 교수님의 \u0026lt;데이터사이언스를위한통계전산 1 (STA6171.01-00)\u0026gt; 강의노트와 다음 자료를 기반으로 작성되었습니다.\nAllele Frequency Estimation 예제 소개 지난 포스트에서 정리한 것처럼 혈액형을 구성하는 blood type(?)은 다음과 같이 총 세가지(A,B.O)이며 이들을 조합해서 만들 수 있는 혈액형의 표현형은 총 4가지(A형, B형, AB형, O형), 유전자형은 총 6가지로 아래와 같다.\nA형: A/A, A/O B형: B/B, B/O AB형: A/B O형: O/O 이 상황에서 각 혈액형(A형/B형/AB형/O형)의 인원이 데이터로 주어져있다고 해보자. 이 상황에서 A, B, O 각각 type의 frequency를 의미하는 pA,pB,pOp_{A},p_{B},p_{O}pA​,pB​,pO​를 추정하려면 어떻게 해야할까? 이때, EM 알고리즘을 활용해서 이 문제를 풀 수 있다!\nEM 알고리즘을 활용한 Allele Frequency Estimation 단계별 풀이 0. Notation 정리 본론에 들어가기 앞서, 간단히 notation을 정리하자.\nnXn_{X}nX​: 혈액형이 X인 인원 수이다. 이때, X에 들어가는 값이 혈액형의 표현형/유전자형 둘 다 가능하다. 즉, nA/An_{A/A}nA/A​라면 혈액형이 A/AA/AA/A, 즉 혈액형의 유전자형이 A/AA/AA/A인 인원수이다. 그렇지만 nAn_{A}nA​라면 혈액형이 A형, 즉 혈액형의 표현형이 A형인 인원 수이기 때문에 다음과 같이 쓸 수 있다: nA=nA/A+nA/On_{A} = n_{A/A}+n_{A/O}nA​=nA/A​+nA/O​ θ\\thetaθ: 우리가 추정하려는 대상, 즉 파라미터로 이번 문제에서는 (pA,pB,pO)(p_{A}, p_{B},p_{O})(pA​,pB​,pO​) 이다. 1. 결측치 두기 지난 포스트에서 살펴본 것처럼 EM 알고리즘은 결측치가 있는 상황에서 l(θ∣yobs)l(\\theta|y_{obs})l(θ∣yobs​)를 최대화시키는 걸 목표로 한다. 따라서 EM 알고리즘을 모델링하기 위해서는 어떤 값을 결측치로 볼 것인가를 먼저 정해야한다. 이는 실제 관측치 내 결측된 값보다 latent variable처럼 모델링을 위해서 추가적으로 가정한 어떤 값이라고 이해할 수 있다.\n1-1. 이번 예제에서의 결측치를 개념적으로 이해해보기 이번 예제에서 생각해본다면 현재 관측된 값은 nAn_{A}nA​, nBn_{B}nB​, nABn_{AB}nAB​, nOn_{O}nO​이다. 이때, nAn_{A}nA​, nBn_{B}nB​, nABn_{AB}nAB​, nOn_{O}nO​ 안에 실제로 관측이 누락된 값이 있는지 살펴보는 것이 아니라, latent variable처럼 새로운 변수를 두어 해당 값을 결측치처럼 생각해보자. AAA형과 BBB형의 경우, 혈액형의 표현형을 알아도 세부적인 유전형의 정확한 인원을 모른다는 점에서 힌트를 얻어서 nA/An_{A/A}nA/A​, nA/On_{A/O}nA/O​, nB/Bn_{B/B}nB/B​, nB/On_{B/O}nB/O​를 결측치로 둘 수 있다. 1-2. 이번 예제에서의 결측치를 log-likelihood를 활용하여 이해해보기 nA/An_{A/A}nA/A​, nA/On_{A/O}nA/O​, nB/Bn_{B/B}nB/B​, nB/On_{B/O}nB/O​를 결측치로 두는 게 타당하다는 것은 log-likelihood를 통해서도 확인할 수 있다.\nEM 알고리즘의 원래 목적이 l(θ∣yobs)l(\\theta|y_{obs})l(θ∣yobs​)를 최대화하는 것이라는 점에서, l(θ∣yobs)l(\\theta|y_{obs})l(θ∣yobs​)를 먼저 확인하자.\n이번 데이터의 특성을 고려했을 때, 주어진 데이터는 multinomial distribution을 따른다고 생각할 수 있다. nA,nB,nAB,nO∼Multinomial(pA2+2pApO,pB2+2pBpO,2pApB,pO2) \\begin{aligned} n_{A}, n_{B}, n_{AB}, n_{O} \u0026amp;\\sim \\text{Multinomial}(p_{A}^{2}+2p_{A}p_{O},p_{B}^{2}+2p_{B}p_{O}, 2p_{A}p_{B}, p_{O}^{2}) \\end{aligned} nA​,nB​,nAB​,nO​​∼Multinomial(pA2​+2pA​pO​,pB2​+2pB​pO​,2pA​pB​,pO2​)​ yobsy_{obs}yobs​가 nA,nB,nAB,nOn_{A}, n_{B}, n_{AB}, n_{O}nA​,nB​,nAB​,nO​인 상황이기 때문에 아래와 같이 observed data log-likelihood를 구할 수 있다. 이때, 파라미터인 θ=(pA,pB,pO)\\theta =(p_{A}, p_{B}, p_{O})θ=(pA​,pB​,pO​)가 포함되지 않은 항은 MLE를 구할 때, 필요없는 항이기 때문에 likelihood를 쓸 때, 파라미터가 포함된 항만 남겼다. 마찬가지의 맥락에서 log-likelihood 역시 어떤 constant CCC를 사용해서 표현하였다. L(θ∣yobs)∝(pA2+2pApO)nA⋅(pB2+2pBpO)nB⋅(2pApB)nAB⋅(pO2)nOl(θ∣yobs)=nA⋅log⁡(pA2+2pApO)+nB⋅log⁡(pB2+2pBpO)+nAB⋅log⁡(2pApB)+nOlog⁡(pO2)+C \\begin{aligned} L(\\theta|y_{obs}) \u0026amp;\\propto (p_{A}^{2}+2p_{A}p_{O})^{n_{A}} \\cdot (p_{B}^{2}+2p_{B}p_{O})^{n_{B}} \\cdot (2p_{A}p_{B})^{n_{AB}} \\cdot (p_{O}^{2})^{n_{O}}\\\\ l(\\theta|y_{obs}) \u0026amp;= n_{A}\\cdot \\log(p_{A}^{2}+2p_{A}p_{O}) + n_{B} \\cdot \\log(p_{B}^{2}+2p_{B}p_{O})\\\\\u0026amp;+ n_{AB}\\cdot \\log(2p_{A}p_{B}) + n_{O} \\log(p_{O}^{2})+C \\end{aligned} L(θ∣yobs​)l(θ∣yobs​)​∝(pA2​+2pA​pO​)nA​⋅(pB2​+2pB​pO​)nB​⋅(2pA​pB​)nAB​⋅(pO2​)nO​=nA​⋅log(pA2​+2pA​pO​)+nB​⋅log(pB2​+2pB​pO​)+nAB​⋅log(2pA​pB​)+nO​log(pO2​)+C​ 이때, l(θ∣yobs)l(\\theta|y_{obs})l(θ∣yobs​) 식을 보면 log⁡(pA2+2pApO)\\log(p_{A}^{2}+2p_{A}p_{O})log(pA2​+2pA​pO​) 와 같이 log(∑θi)log(\\sum \\theta_{i})log(∑θi​) 형태의 항이 포함되어 있다. 따라서 MLE를 구하기 위해 미분을 할 때, 이 부분이 깔끔하지 못하다. 다음으로, nA/An_{A/A}nA/A​, nA/On_{A/O}nA/O​, nB/Bn_{B/B}nB/B​, nB/On_{B/O}nB/O​를 결측치로 둔 상황에서 complete data log-likelihood를 구해보자. 마찬가지로, 아래 CCC 역시 어떤 constant값이다. L(θ∣ycom)∝(pA2)nA/A⋅(2pApO)nA/O⋅(pB2)nB/B⋅(2pBpO)nB/O⋅(2pApB)nAB⋅(pO2)nOl(θ∣ycom)=nA/A⋅log⁡(pA2)+nA/O⋅log⁡(2pApO)+nB/B⋅log⁡(pB2)+nB/O⋅log⁡(2pBpO)+nAB⋅log⁡(2pApB)+nO⋅log⁡(pO2)+C \\begin{aligned} L(\\theta|y_{com}) \u0026amp;\\propto (p_{A}^{2})^{n_{A/A}} \\cdot (2p_{A}p_{O})^{n_{A/O}}\\cdot (p_{B}^{2})^{n_{B/B}} \\cdot (2p_{B}p_{O})^{n_{B/O}} \\cdot (2p_{A}p_{B})^{n_{AB}} \\cdot (p_{O}^{2})^{n_{O}}\\\\ l(\\theta|y_{com}) \u0026amp;= n_{A/A}\\cdot \\log(p_{A}^{2}) + n_{A/O}\\cdot \\log(2p_{A}p_{O})+n_{B/B}\\cdot\\log(p_{B}^{2})+n_{B/O}\\cdot \\log(2p_{B}p_{O})\\\\ \u0026amp;+n_{AB}\\cdot\\log(2p_{A}p_{B})+n_{O}\\cdot\\log(p_{O}^{2})+C \\end{aligned} L(θ∣ycom​)l(θ∣ycom​)​∝(pA2​)nA/A​⋅(2pA​pO​)nA/O​⋅(pB2​)nB/B​⋅(2pB​pO​)nB/O​⋅(2pA​pB​)nAB​⋅(pO2​)nO​=nA/A​⋅log(pA2​)+nA/O​⋅log(2pA​pO​)+nB/B​⋅log(pB2​)+nB/O​⋅log(2pB​pO​)+nAB​⋅log(2pA​pB​)+nO​⋅log(pO2​)+C​ 위 l(θ∣ycom)l(\\theta|y_{com})l(θ∣ycom​)을 보면 결측치를 둠으로써, log(∑θi)log(\\sum \\theta_{i})log(∑θi​) 형태의 항이 쪼개졌음을 확인할 수 있다. 이를 통해서, MLE를 구하기 위한 미분이 한결 수월해졌음을 확인할 수 있다.\n2. E-step 다음으로, E-step을 수행하자. E-step은 간단히 이야기해서 Q(θ∣θ(t))Q(\\theta|\\theta^{(t)})Q(θ∣θ(t))를 계산하는 단계이다. 이전 포스트의 공식과 위에서 도출한 l(θ∣ycom)l(\\theta|y_{com})l(θ∣ycom​)을 활용해서 아래와 같이 Q(θ∣θ(t))Q(\\theta|\\theta^{(t)})Q(θ∣θ(t))가 구해진다. Q(θ∣θ(t))=E[l(θ∣ycom)∣yobs,θ(t)]=E[nA/A⋅log⁡(pA2)+nA/O⋅log⁡(2pApO)+nB/B⋅log⁡(pB2)+nB/O⋅log⁡(2pBpO)+nAB⋅log⁡(2pApB)+nO⋅log⁡(pO2)+C∣yobs,θ(t)] \\begin{aligned} Q(\\theta|\\theta^{(t)}) \u0026amp;= E[l(\\theta|y_{com})|y_{obs},\\theta^{(t)}]\\\\ \u0026amp;= E[n_{A/A}\\cdot \\log(p_{A}^{2}) + n_{A/O}\\cdot \\log(2p_{A}p_{O})+n_{B/B}\\cdot\\log(p_{B}^{2})+n_{B/O}\\cdot \\log(2p_{B}p_{O})\\\\ \u0026amp;+n_{AB}\\cdot\\log(2p_{A}p_{B})+n_{O}\\cdot\\log(p_{O}^{2})+C|y_{obs},\\theta^{(t)}] \\end{aligned} Q(θ∣θ(t))​=E[l(θ∣ycom​)∣yobs​,θ(t)]=E[nA/A​⋅log(pA2​)+nA/O​⋅log(2pA​pO​)+nB/B​⋅log(pB2​)+nB/O​⋅log(2pB​pO​)+nAB​⋅log(2pA​pB​)+nO​⋅log(pO2​)+C∣yobs​,θ(t)]​ 이어지는 M-step에서 위 Q(θ∣θ(t))Q(\\theta|\\theta^{(t)})Q(θ∣θ(t))를 최대화할 것인데, Q(θ∣θ(t))Q(\\theta|\\theta^{(t)})Q(θ∣θ(t))의 식을 자세히 보면 yobsy_{obs}yobs​와 θ(t)\\theta^{(t)}θ(t)가 주어져있다. 다시 말해, expectation 에서 random variable로 취급되는 부분은 nA/An_{A/A}nA/A​, nA/On_{A/O}nA/O​, nB/Bn_{B/B}nB/B​, nB/On_{B/O}nB/O​ 밖에 없으며 나머지는 상수항처럼 취급되어 expectation 바깥으로 빠져나오게 된다. 다시 말해, E[aX+bY]=aE[X]+bE[Y]E[aX+bY] = aE[X]+bE[Y]E[aX+bY]=aE[X]+bE[Y] 형태로 Q(θ∣θ(t))Q(\\theta|\\theta^{(t)})Q(θ∣θ(t))를 정리할 수 있다. 마저 정리해보자! Q(θ∣θ(t))=E[l(θ∣ycom)∣yobs,θ(t)]=log⁡(pA2)⋅E[nA/A∣yobs,θ(t)]+log⁡(2pApO)⋅E[nA/O∣yobs,θ(t)]+log⁡(pB2)⋅E[nB/B∣yobs,θ(t)]+log⁡(2pBpO)⋅E[nB/O∣yobs,θ(t)]+nAB⋅log⁡(2pApB)+nO⋅log⁡(pO2)+C \\begin{aligned} Q(\\theta|\\theta^{(t)}) \u0026amp;= E[l(\\theta|y_{com})|y_{obs},\\theta^{(t)}]\\\\ \u0026amp;= \\log(p_{A}^{2})\\cdot E[n_{A/A}|y_{obs},\\theta^{(t)}]+\\log(2p_{A}p_{O})\\cdot E[n_{A/O}|y_{obs},\\theta^{(t)}]\\\\ \u0026amp;+\\log(p_{B}^{2})\\cdot E[n_{B/B}|y_{obs},\\theta^{(t)}]+\\log(2p_{B}p_{O})\\cdot E[n_{B/O}|y_{obs},\\theta^{(t)}]\\\\ \u0026amp;+n_{AB}\\cdot\\log(2p_{A}p_{B})+n_{O}\\cdot\\log(p_{O}^{2})+C \\end{aligned} Q(θ∣θ(t))​=E[l(θ∣ycom​)∣yobs​,θ(t)]=log(pA2​)⋅E[nA/A​∣yobs​,θ(t)]+log(2pA​pO​)⋅E[nA/O​∣yobs​,θ(t)]+log(pB2​)⋅E[nB/B​∣yobs​,θ(t)]+log(2pB​pO​)⋅E[nB/O​∣yobs​,θ(t)]+nAB​⋅log(2pA​pB​)+nO​⋅log(pO2​)+C​ 이때, 표기의 편의를 위해서 E[nX∣yobs,θ(t)]=n^XE[n_{X}|y_{obs},\\theta^{(t)}] = \\hat{n}_{X}E[nX​∣yobs​,θ(t)]=n^X​ 라고 표기하자. Q(θ∣θ(t))=E[l(θ∣ycom)∣yobs,θ(t)]=log⁡(pA2)⋅n^A/A+log⁡(2pApO)⋅n^A/O+log⁡(pB2)⋅n^B/B+log⁡(2pBpO)⋅n^B/O+nAB⋅log⁡(2pApB)+nO⋅log⁡(pO2)+C=2⋅log⁡(pA)⋅n^A/A+log⁡(2pApO)⋅n^A/O+2⋅log⁡(pB)⋅n^B/B+log⁡(2pBpO)⋅n^B/O+nAB⋅log⁡(2pApB)+2⋅nO⋅log⁡(pO)+C \\begin{aligned} Q(\\theta|\\theta^{(t)}) \u0026amp;= E[l(\\theta|y_{com})|y_{obs},\\theta^{(t)}]\\\\ \u0026amp;= \\log(p_{A}^{2})\\cdot \\hat{n}_{A/A} + \\log(2p_{A}p_{O})\\cdot \\hat{n}_{A/O}+\\log(p_{B}^{2})\\cdot \\hat{n}_{B/B}+\\log(2p_{B}p_{O})\\cdot \\hat{n}_{B/O}\\\\ \u0026amp;+n_{AB}\\cdot\\log(2p_{A}p_{B})+n_{O}\\cdot\\log(p_{O}^{2})+C\\\\ \u0026amp;= 2\\cdot\\log(p_{A})\\cdot \\hat{n}_{A/A} + \\log(2p_{A}p_{O})\\cdot \\hat{n}_{A/O}+2\\cdot \\log(p_{B})\\cdot \\hat{n}_{B/B}+\\log(2p_{B}p_{O})\\cdot \\hat{n}_{B/O}\\\\ \u0026amp;+n_{AB}\\cdot\\log(2p_{A}p_{B})+2\\cdot n_{O}\\cdot\\log(p_{O})+C\\\\ \\end{aligned} Q(θ∣θ(t))​=E[l(θ∣ycom​)∣yobs​,θ(t)]=log(pA2​)⋅n^A/A​+log(2pA​pO​)⋅n^A/O​+log(pB2​)⋅n^B/B​+log(2pB​pO​)⋅n^B/O​+nAB​⋅log(2pA​pB​)+nO​⋅log(pO2​)+C=2⋅log(pA​)⋅n^A/A​+log(2pA​pO​)⋅n^A/O​+2⋅log(pB​)⋅n^B/B​+log(2pB​pO​)⋅n^B/O​+nAB​⋅log(2pA​pB​)+2⋅nO​⋅log(pO​)+C​ 이때, E-step의 의미를 되새겨보면 expectation을 활용해서 결측치 부분을 채워넣는 거라고 이해할 수 있다. 즉, 결측치 대신에 n^A/A,n^A/O,n^B/B,n^B/O\\hat{n}_{A/A}, \\hat{n}_{A/O}, \\hat{n}_{B/B}, \\hat{n}_{B/O}n^A/A​,n^A/O​,n^B/B​,n^B/O​ 를 사용함으로써 결측치를 채워넣는 것이라고 이해할 수 있다. 따라서 여기서의 E-step은 결론적으로 n^A/A,n^A/O,n^B/B,n^B/O\\hat{n}_{A/A}, \\hat{n}_{A/O}, \\hat{n}_{B/B}, \\hat{n}_{B/O}n^A/A​,n^A/O​,n^B/B​,n^B/O​를 구하는 문제로 귀결된다.\n💡 주의! 그렇지만 이전 포스트에서 언급한 것처럼 E-step은 결측치의 conditional expectation을 계산하는 것과 동일하다는 말에는 오류가 있다. 왜냐하면 다른 예제에서는 E-step이 결측치의 function 형태에 대한 conditional expectation을 계산해야하는 경우도 있기 때문이다.\nE-step의 최종 관문인 n^A/A,n^A/O,n^B/B,n^B/O\\hat{n}_{A/A}, \\hat{n}_{A/O}, \\hat{n}_{B/B}, \\hat{n}_{B/O}n^A/A​,n^A/O​,n^B/B​,n^B/O​ 를 구하자. 이를 위해서는 Multinomial distribution의 아래 성질을 활용해야한다. (y1,...,yk)∼Multinomial(n;p1,...,pk)∴yi∣yi+yj∼Binomial(yi+yj,pipi+pj) \\begin{aligned} (y_{1}, ..., y_{k}) \u0026amp;\\sim Multinomial(n;p_{1},...,p_{k})\\\\ \\therefore y_{i}|y_{i}+y_{j} \u0026amp;\\sim Binomial(y_{i}+y_{j}, \\frac{p_{i}}{p_{i}+p_{j}}) \\end{aligned} (y1​,...,yk​)∴yi​∣yi​+yj​​∼Multinomial(n;p1​,...,pk​)∼Binomial(yi​+yj​,pi​+pj​pi​​)​ n^A/A\\hat{n}_{A/A}n^A/A​의 경우, 관측치와 이전 iteration에서의 parameter값(θ(t)\\theta^{(t)}θ(t))이 주어졌을 때의 nA/An_{A/A}nA/A​의 기댓값이다. 이때, nAn_{A}nA​가 관측치이며 nA=nA/A+nA/On_{A}=n_{A/A}+n_{A/O}nA​=nA/A​+nA/O​인 점을 활용해서 아래와 같은 결과를 도출할 수 있다. nA/A∣nA/A+nA/O,θ(t)∼Binomial(nA/A+nA/O,(pA(t))2(pA(t))2+2pA(t)pO(t)) \\begin{aligned} n_{A/A}|n_{A/A}+n_{A/O},\\theta^{(t)} \u0026amp;\\sim Binomial(n_{A/A}+n_{A/O}, \\frac{(p_{A}^{(t)})^{2}}{(p_{A}^{(t)})^{2}+2p_{A}^{(t)}p_{O}^{(t)}}) \\end{aligned} nA/A​∣nA/A​+nA/O​,θ(t)​∼Binomial(nA/A​+nA/O​,(pA(t)​)2+2pA(t)​pO(t)​(pA(t)​)2​)​ Binomial(n,p)Binomial(n, p)Binomial(n,p)를 따른 변수의 기댓값이 npnpnp라는 점을 떠올리면\u0026hellip; n^A/A=E[nA/A∣yobs,θ(t)]=(nA/A+nA/O)⋅(pA(t))2(pA(t))2+2pA(t)pO(t)=nA⋅(pA(t))2(pA(t))2+2pA(t)pO(t) \\begin{aligned} \\hat{n}_{A/A} \u0026amp;= E[n_{A/A}|y_{obs}, \\theta^{(t)}]\\\\ \u0026amp;= (n_{A/A}+n_{A/O})\\cdot \\frac{(p_{A}^{(t)})^{2}}{(p_{A}^{(t)})^{2}+2p_{A}^{(t)}p_{O}^{(t)}}\\\\ \u0026amp;= n_{A} \\cdot \\frac{(p_{A}^{(t)})^{2}}{(p_{A}^{(t)})^{2}+2p_{A}^{(t)}p_{O}^{(t)}} \\end{aligned} n^A/A​​=E[nA/A​∣yobs​,θ(t)]=(nA/A​+nA/O​)⋅(pA(t)​)2+2pA(t)​pO(t)​(pA(t)​)2​=nA​⋅(pA(t)​)2+2pA(t)​pO(t)​(pA(t)​)2​​ 다음으로, nA/O=nA−nA/An_{A/O} = n_{A}-n_{A/A}nA/O​=nA​−nA/A​인 점을 활용해서, n^A/O\\hat{n}_{A/O}n^A/O​를 구하자. n^A/O=E[nA−nA/A∣yobs,θ(t)]=nA−n^A/A \\begin{aligned} \\hat{n}_{A/O} \u0026amp;= E[n_{A}-n_{A/A}|y_{obs}, \\theta^{(t)}]\\\\ \u0026amp;= n_{A} - \\hat{n}_{A/A} \\end{aligned} n^A/O​​=E[nA​−nA/A​∣yobs​,θ(t)]=nA​−n^A/A​​ 같은 방식으로, n^B/B,n^B/O\\hat{n}_{B/B}, \\hat{n}_{B/O}n^B/B​,n^B/O​를 아래와 같이 구할 수 있다. n^B/B=nB⋅(pB(t))2(pB(t))2+2pB(t)pO(t) \\begin{aligned} \\hat{n}_{B/B} \u0026amp;= n_{B} \\cdot \\frac{(p_{B}^{(t)})^{2}}{(p_{B}^{(t)})^{2}+2p_{B}^{(t)}p_{O}^{(t)}} \\end{aligned} n^B/B​​=nB​⋅(pB(t)​)2+2pB(t)​pO(t)​(pB(t)​)2​​ n^B/O=nB−n^B/B \\begin{aligned} \\hat{n}_{B/O} \u0026amp;= n_{B} - \\hat{n}_{B/B} \\end{aligned} n^B/O​​=nB​−n^B/B​​ 3. M-step M-step에서는 앞서 구한 Q(θ∣θ(t))Q(\\theta|\\theta^{(t)})Q(θ∣θ(t))를 최대화하는 θ\\thetaθ값을 찾으면 된다. 이는 모든 데이터가 주어진 상황에서 MLE를 구하는 상황처럼 이해할 수 있다. 왜냐하면 E-step에서 expectation값으로 결측치 값을 채운 상황에서 이를 최대화하는 값을 찾으려 하기 때문이다.\nLagrange multiplier method로 이번 예제의 M-step을 풀 수 있다. Lagrange multiplier method는 간단하게 이야기해서, 제약 조건이 있는 상황에서 최적값을 찾으려는 것이다. 이번 예제에서의 parameter θ\\thetaθ에 대해서 생각해보며 모두 확률값이며 혈액형을 구성하는 blood type은 AAA, BBB, OOO 이렇게 세개밖에 없다. 따라서 다음과 같은 제약 조건이 존재하게 된다: pA+pB+pO=1p_{A}+p_{B}+p_{O} = 1pA​+pB​+pO​=1 정리해보면, M-step에서는 아래 Λ\\LambdaΛ를 최대화하는 parameter 값을 찾아야한다. Λ(θ,λ)=Q(θ∣θ(t))+λ(pA+pB+pO−1) \\begin{aligned} \\Lambda(\\theta, \\lambda) \u0026amp;= Q(\\theta|\\theta^{(t)}) + \\lambda(p_{A}+p_{B}+p_{O}-1) \\end{aligned} Λ(θ,λ)​=Q(θ∣θ(t))+λ(pA​+pB​+pO​−1)​ 최종적으로, M-step에서는 아래 식들을 풀어야한다. {dΛdpA=0dΛdpB=0dΛdpO=0dΛdλ=0 \\begin{aligned} \\begin{cases} \\frac{d\\Lambda}{dp_{A}} = 0 \\\\ \\frac{d\\Lambda}{dp_{B}} = 0 \\\\ \\frac{d\\Lambda}{dp_{O}} = 0 \\\\ \\frac{d\\Lambda}{d\\lambda} = 0 \\\\ \\end{cases} \\end{aligned} ⎩⎨⎧​dpA​dΛ​=0dpB​dΛ​=0dpO​dΛ​=0dλdΛ​=0​​ 이때, 위 식의 solution, 즉 Q(θ∣θ(t))Q(\\theta|\\theta^{(t)})Q(θ∣θ(t))를 최대화하는 값이 바로 이번 iteration에서 구한 새로운 θ\\thetaθ값인 θ(t+1)\\theta^{(t+1)}θ(t+1) 이다. 직접 미분을 해서 결과를 정리하면 아래와 같은 결과가 나온다.\npA(t+1)=n^A/A+n^A/O2+n^A/B2n \\begin{aligned} p_{A}^{(t+1)} \u0026amp;= \\frac{\\hat{n}_{A/A}+\\frac{\\hat{n}_{A/O}}{2}+\\frac{\\hat{n}_{A/B}}{2}}{n} \\end{aligned} pA(t+1)​​=nn^A/A​+2n^A/O​​+2n^A/B​​​​ pB(t+1)=n^B/B+n^B/O2+n^A/B2n \\begin{aligned} p_{B}^{(t+1)} \u0026amp;= \\frac{\\hat{n}_{B/B}+\\frac{\\hat{n}_{B/O}}{2}+\\frac{\\hat{n}_{A/B}}{2}}{n} \\end{aligned} pB(t+1)​​=nn^B/B​+2n^B/O​​+2n^A/B​​​​ pO(t+1)=nO+n^A/O2+n^B/O2n \\begin{aligned} p_{O}^{(t+1)} \u0026amp;= \\frac{n_{O}+\\frac{\\hat{n}_{A/O}}{2}+\\frac{\\hat{n}_{B/O}}{2}}{n} \\end{aligned} pO(t+1)​​=nnO​+2n^A/O​​+2n^B/O​​​​ 4. E-step, M-step 반복 M-step의 결과를 다시 E-step에서 사용하고, 이 E-step의 결과를 다시 M-step에서 사용하고.. 이런 식으로 EM 알고리즘을 수렴할 때까지 반복하면 된다. EM 알고리즘의 수렴 여부는 아래 4가지 조건으로 확인할 수 있다.\nl(θ(t+1)∣yobs)−l(θ(t)∣yobs)\u0026lt;ϵl(\\theta^{(t+1)}|y_{obs})-l(\\theta^{(t)}|y_{obs}) \u0026lt; \\epsilonl(θ(t+1)∣yobs​)−l(θ(t)∣yobs​)\u0026lt;ϵ ∣∣θ(t+1)−θ(t)∣∣\u0026lt;ϵ||\\theta^{(t+1)}-\\theta^{(t)}|| \u0026lt; \\epsilon∣∣θ(t+1)−θ(t)∣∣\u0026lt;ϵ max⁡i∣θi(t+1)−θi(t)∣\u0026lt;ϵ\\max_{i}|\\theta_{i}^{(t+1)}-\\theta_{i}^{(t)}| \u0026lt; \\epsilonmaxi​∣θi(t+1)​−θi(t)​∣\u0026lt;ϵ max⁡i∣(θi(t+1)−θi(t))/θi(t)∣\u0026lt;ϵ\\max_{i}|(\\theta_{i}^{(t+1)}-\\theta_{i}^{(t)})/\\theta_{i}^{(t)}| \u0026lt; \\epsilonmaxi​∣(θi(t+1)​−θi(t)​)/θi(t)​∣\u0026lt;ϵ 결론 위 과정을 통해서 EM 알고리즘에서 목표했던 l(θ∣yobs)l(\\theta|y_{obs})l(θ∣yobs​) 를 최대화하는 θ\\thetaθ값을 찾을 수 있다.\n다음 포스트에서는 Python으로 이번 예제에 대한 시뮬레이션을 해보자 :)\n피드백은 언제나 환영입니다! 혹시 잘못된 부분을 발견하셨거나 궁금하신 점이 있다면 댓글창에 남겨주세요! 그럼 다음 포스트에서 또 만나요!\n","permalink":"https://quriemoon.github.io/posts/2023-07-12-em-algorithm-example-2/","summary":"Allele Frequency Estimation 예제로 살펴보는 EM 알고리즘 (2)","title":"예제로 정리하는 EM 알고리즘 (2)"},{"content":"EM 알고리즘의 유명한 예제인 \u0026lsquo;Allele Frequency Estimation\u0026rsquo; 예제를 통해서, EM 알고리즘을 정리해보자.\n이번 글은 연세대학교 박태영 교수님의 \u0026lt;데이터사이언스를위한통계전산 1 (STA6171.01-00)\u0026gt; 강의노트와 다음 자료를 기반으로 작성되었습니다.\nEM 알고리즘이란? EM 알고리즘의 목표 EM 알고리즘을 자세히 살펴보기 앞서, EM 알고리즘이 해결하고자 하는 상황이 무엇인지 먼저 살펴보자. EM 알고리즘은 결측치가 있는 데이터가 주어졌을 때, 이 데이터로부터 likelihood를 최대화하는 값, 즉 MLE를 찾는 문제를 해결하고자 한다.\n그렇다면 MLE를 왜 찾으려고 하는걸까? 이를 자세히 설명하기 위해서는 MLE의 특성을 살펴봐야겠지만, 그건 이번 글에서 다루는 내용을 벗어나기 때문에 생략하고 간단하게 이야기해서 MLE는 주어진 데이터의 분포를 가장 잘 설명하는 파라미터이기 때문이다.\n아래 MLE에 대한 설명은 약간 곁가지 내용이기 때문에 스킵해도 무방하다! MLE에 대해서 조금만 더 자세하게 살펴보면, MLE는 likelihood를 최대화하는 값이다. 이때, likelihood는 L(θ∣y)L(\\theta|y)L(θ∣y)로, 데이터(yyy)가 주어졌을 때, θ\\thetaθ, 즉 주어진 분포를 설명하는 파라미터에 대한 함수이다. 만약에 우리가 가정하는 분포가 정규분포라면 θ\\thetaθ는 μ,σ\\mu, \\sigmaμ,σ가 될 것이다. 이를 좀 더 직관적으로 이해해본다면 likelihood는 θ\\thetaθ가 참일 때, yyy가 관측될 확률이라고 이해할 수 있다. Notation만 본다면 주어진 데이터 yyy를 관측했을 때, θ\\thetaθ의 확률을 의미하는 것같지만 이는 잘못된 해석이다. (참고자료: Toronto University, Chapter 6. Likelihood Inference, p.2) 따라서 likelihood가 높다는 건 해당 θ\\thetaθ에서 주어진 데이터가 관측될 가능성이 높다고 이해할 수 있다. 예시로, 고등학교 학급의 일반적인 수학 성적에 대한 분포가 주어진 상황에서 평균(μ\\muμ)를 추정하는 상황을 생각해보자. 이때, 주어진 데이터는 정규분포를 따른다고 가정하자. 이때, 평균이 80점이라는 가정에서 주어진 데이터가 관측될 확률이 높을까? 아님 평균이 1.5점이라는 가정에서 주어진 데이터가 관측된 확률이 높을까? 아마 전자에서 주어진 데이터가 관측될 확률이 높을 것이다. 다시 말해서, 평균이 80점일 때의 likelihood가 평균이 1.5점일 때의 likelihood보다 크다고 생각할 수 있다. 따라서 결국 likelihood를 최대화하는 값인 MLE는 해당 값에서 주어진 데이터가 관측될 확률이 제일 높은 값이라고 이해할 수 있다. 다시 본론으로 돌아와서, 우리가 보통 수업시간에 배운 likelihood 공식을 써보면 아래와 같다. L(θ∣y)=∏ip(yi;θ) L(\\theta|y) = \\prod_{i} p(y_{i};\\theta) L(θ∣y)=i∏​p(yi​;θ) 이때, EM 알고리즘에서 해결하고자 하는 상황은 주어진 데이터 yyy에 결측치가 포함된 상황이다. 구체적으로, 주어진 데이터에서 관측된 값을 yobsy_{obs}yobs​, 결측치를 ymisy_{mis}ymis​라고 했을 때, log⁡L(θ∣yobs)=l(θ∣yobs)\\log L(\\theta|y_{obs}) = l(\\theta|y_{obs})logL(θ∣yobs​)=l(θ∣yobs​)를 최대화하는 게 EM 알고리즘의 목표이다.\nEM 알고리즘의 핵심 아이디어 (Close up hatched small chicken) - Image by gpointstudio on Freepik\nEM 알고리즘의 핵심 아이디어는 chicken and egg problem(\u0026ldquo;닭이 먼저냐 달걀이 먼저냐\u0026rdquo;)로 설명할 수 있다. Chicken and egg problem은 닭이 존재하기 위해서는 달걀이 있어야하고, 달걀이 생기려면 닭이 있어야하는 꼬리에 꼬리를 무는 상황을 가리킨다. 아래 서술된 것처럼, EM 알고리즘이 주목한 내용도 이와 닮았다.\n만약 우리가 주어진 분포를 설명하는 파라미터를 알고 있다면 결측치를 채워넣는 건 쉽다. 만약에 결측치 없이 모든 데이터가 주어졌다면 파라미터 추정은 쉽다. EM 알고리즘에서는 위 두 과정을 반복하면서 답을 찾아간다. 구체적으로, 위 설명의 1번 상황은 기댓값을 활용해서 결측치를 채우는 E-step(the expectation step), 2번 상황은 **M-step(the maximization step)**으로 이해할 수 있고, EM 알고리즘은 이 E-step과 M-step을 특정 조건이 만족할 때까지 반복해가며 문제를 해결한다.\nEM 알고리즘의 E-step과 M-step EM 알고리즘의 E-step은 아래 Q-function(Q(θ∣θ(t))Q(\\theta|\\theta^{(t)})Q(θ∣θ(t)))을 계산하는 과정이다. Q(θ∣θ(t))=E[l(θ∣ycom)∣yobs,θ(t)]=E[l(θ∣yobs,ymis)∣yobs,θ(t)] \\begin{aligned} Q(\\theta|\\theta^{(t)}) \u0026amp;= E[l(\\theta|y_{com})|y_{obs},\\theta^{(t)}]\\\\ \u0026amp;= E[l(\\theta|y_{obs},y_{mis})|y_{obs},\\theta^{(t)}] \\end{aligned} Q(θ∣θ(t))​=E[l(θ∣ycom​)∣yobs​,θ(t)]=E[l(θ∣yobs​,ymis​)∣yobs​,θ(t)]​ 위 수식에서 l(θ∣ycom)l(\\theta|y_{com})l(θ∣ycom​) 는 complete data log-likelihood이고, θ(t)\\theta^{(t)}θ(t)는 이전 iteration에서 샘플링한 θ\\thetaθ값이다. 이때, 위 수식을 잘 보면 yobs,θ(t)y_{obs},\\theta^{(t)}yobs​,θ(t)가 주어져있다! 따라서 complete data log-likelihood에서 yobs,θ(t)y_{obs},\\theta^{(t)}yobs​,θ(t)가 들어간 부분은 상수항처럼 취급되고, ymisy_{mis}ymis​만 random variable처럼 취급됨을 알 수 있다!\n따라서 결국 E-step은 간단하게 생각하면 ymisy_{mis}ymis​의 conditional expectation값을 계산하는 것처럼도 생각할 수 있다. 물론 이 말은 틀렸다! 이해를 돕기 위해서 이렇게 표현했지만, 몇몇 예제를 통해서 E-step에서 ymisy_{mis}ymis​의 function의 conditonal expectation값을 계산하는 등 추가적인 작업도 발생할 수 있음을 확인할 수 있기 때문이다.\n일단 지금은 이 설명이 와닿지 않을 수 있기 때문에.. 예제를 통해서 더 자세히 이해해보자.\n이때, ycomy_{com}ycom​의 충분 통계량을 사용하면 Q(θ∣θ(t))Q(\\theta|\\theta^{(t)})Q(θ∣θ(t))의 l(θ∣ycom)l(\\theta|y_{com})l(θ∣ycom​)이 간단해진다는 점이 큰 장점이지만! 이번 포스트에서 이 내용은 생략한다.\n다음으로, M-step은 앞서 구한 Q-function을 바탕으로 새로운 θ\\thetaθ값을 샘플링하는 단계이다. 구체적으로, Q-function을 최대화하는 값이 새로운 θ\\thetaθ값이 된다. θ(t+1)=arg⁡max⁡θQ(θ∣θ(t)) \\begin{aligned} \\theta^{(t+1)} \u0026amp;= \\arg \\max_{\\theta} Q(\\theta|\\theta^{(t)}) \\end{aligned} θ(t+1)​=argθmax​Q(θ∣θ(t))​ 이 역시 예제를 통해서 이해해보자..!\nAllele Frequency Estimation 예제 소개 이번 포스트에서 살펴볼 예제는 Allele Frequency Estimation 예제로, 혈액형과 관련된 예제이다. 옛날에 과학 시간에 배웠던 내용을 떠올려보면 혈액형을 구성하는 blood type(?)은 다음과 같이 총 세가지이다: A,B,O. 그리고 이들을 조합해서 만들 수 있는 혈액형의 표현형은 총 네가지(A형, B형, AB형, O형)이며 이는 다시 아래와 같이 총 6개의 유전자형으로 구성된다.\nA형: A/A, A/O B형: B/B, B/O AB형: A/B O형: O/O 이 상황에서 각 혈액형(A형/B형/AB형/O형)의 인원이 데이터로 주어져있다고 해보자. 이 상황에서 A, B, O 각각 type의 frequency를 의미하는 pA,pB,pOp_{A},p_{B},p_{O}pA​,pB​,pO​를 추정하려면 어떻게 해야할까? 이때, EM 알고리즘을 활용해서 이 문제를 풀 수 있다!\n포스트가 길어져서, 예제에 대한 단계별 풀이는 다음 포스트에서 살펴보자 :)\n피드백은 언제나 환영입니다! 혹시 잘못된 부분을 발견하셨거나 궁금하신 점이 있다면 댓글창에 남겨주세요! 그럼 다음 포스트에서 또 만나요!\n","permalink":"https://quriemoon.github.io/posts/2023-07-04-em-algorithm-example-1/","summary":"Allele Frequency Estimation 예제로 살펴보는 EM 알고리즘 (1)","title":"예제로 정리하는 EM 알고리즘 (1)"},{"content":"최근 Rcpp와 C++의 Eigen 을 활용해서 개발을 진행하였다. 지난 포스트에서처럼 sourceCpp()를 활용해서 로컬에서 어느 정도 개발을 마치고, 서버에서 이를 실행하려고 했는데..\n에러가 발생하였다..\n위 에러를 해결하기 위해 이것저것 찾아본 결과, 현재 R 프로젝트를 패키지로 빌드해야한다는 결론에 도달하였다. 하지만, 처음 해보는 R 패키지 빌드 역시 험난한 과정이었으니..!\n이번 글에서는 간단한 R 패키지를 개발해보면서 R 패키지 빌드 및 설치 과정을 단계별로 정리하려고 한다.\n이번 글의 경우, usethis 패키지를 활용하며 아래 글에 기초해서 작성되었습니다. R Packages (2e) by Hadley Wickham and Jenny Bryan - 2. The Whole Game\n따라서 usethis 패키지가 익숙하지 않으시다면 위 링크에 있는 글을 먼저 읽고 따라해주세요!\n이번 글에서는 1) ppp 차원에 대한 identity matrix 를 출력하는 함수와 2) 행렬 덧셈을 수행하는 함수를 포함한 R 패키지를 개발할 것이다.\n위 과정을 단계별로 정리해보면 다음과 같다.\nC++ `Eigen` 라이브러리를 활용해서, 목표하는 행렬 연산을 수행하는 C++ 함수를 작성하고 앞서 개발된 C++ 함수를 호출하는 R 함수를 작성한 다음 이 소스코드들을 포함하는 패키지인 `regexcite` 를 빌드하고 R을 사용하는 end-user 입장에서 `regexcite` 패키지를 설치하고, 행렬 연산 함수를 호출해보자! Step 0. RcppEigen을 사용하기 위한 세팅하기 본격적인 시작에 앞서, devtools 라이브러리를 import 했는지 확인해야한다. 만약에 이를 빠뜨렸다면 library(devtools) 로 먼저 devtools 라이브러리를 불러오자.\n다음으로, 이번 패키지에서는 RcppEigen 을 사용하기 때문에 아래 구문을 실행하자.\nuse_rcpp_eigen() 위 구문 실행 시, RcppEigen 실행을 위해서 필요한 부분이 자동으로 추가된다. (예: src 디렉토리 추가) Step 1. C++ Eigen으로 행렬 연산을 수행하는 함수 작성하기 C++ Eigen을 활용해서 다음과 같이 행렬 연산을 수행하는 함수를 작성하자. print_identity_matrix는 ppp차원에 대한 identity matrix 를 출력하는 함수이고, matrix_addition은 행렬 덧셈을 수행하는 함수이다. #include \u0026lt;Rcpp.h\u0026gt; #include \u0026lt;iostream\u0026gt; #include \u0026lt;cmath\u0026gt; //[[Rcpp::depends(RcppEigen)]] #include \u0026lt;RcppEigen.h\u0026gt; using namespace Rcpp; // [[Rcpp::export]] void print_identity_matrix(size_t p){ Eigen::MatrixXd identityMatrix = Eigen::MatrixXd::Identity(p, p); std::cout \u0026lt;\u0026lt; \u0026#34;Identity matrix with \u0026#34; \u0026lt;\u0026lt; pow(p, 2) \u0026lt;\u0026lt; \u0026#34; elements\u0026#34; \u0026lt;\u0026lt; std::endl; std::cout \u0026lt;\u0026lt; identityMatrix \u0026lt;\u0026lt; std::endl; } // [[Rcpp::export]] Eigen::MatrixXd matrix_addition(Eigen::MatrixXd A, Eigen::MatrixXd B){ Eigen::MatrixXd rslt_mat = A+B; return rslt_mat; } Step 2. Step 1의 C++ 함수를 호출하는 R 함수 작성하기 R 패키지 내 R 함수를 추가할 때는 usethis 패키지의 use_r() 함수를 사용해보자. 예를 들어, show_identity_matrix 라는 이름의 R 함수를 추가하고 싶다면 아래와 같이 R 콘솔에 입력하자. use_r(\u0026quot;show_identity_matrix\u0026quot;) 이번 프로젝트에서는 한개의 기능을 한개의 함수에, 그리고 한개의 함수를 한개의 파일에 담아보자. # show_identity_matrix.R #\u0026#39; Test Rcpp Eigen using the identity matrix #\u0026#39; #\u0026#39; @param p #\u0026#39; #\u0026#39; @return #\u0026#39; @export #\u0026#39; #\u0026#39; @examples #\u0026#39; show_identity_matrix(5) show_identity_matrix \u0026lt;- function(p){ print_identity_matrix(p) } # test_eigen_matrix_additon.R #\u0026#39; Test Rcpp Eigen using the matrix addition #\u0026#39; #\u0026#39; @param A #\u0026#39; @param B #\u0026#39; #\u0026#39; @return A matrix #\u0026#39; @export #\u0026#39; #\u0026#39; @examples #\u0026#39; A \u0026lt;- matrix(seq(1,4), nrow=2) #\u0026#39; B \u0026lt;- matrix(seq(5,8), nrow=2) #\u0026#39; test_eigen_matrix_addition(A, B) test_eigen_matrix_addition \u0026lt;- function(A, B){ rslt_mat = matrix_addition(A,B) return(rslt_mat) } 💡 R 함수를 선언할 때, 위 주석 부분을 꼭 지키자! 위 주석 부분이 있어야 Roxygen을 통해서 해당 함수가 NAMESPACE에 정상적으로 등록될 수 있고, 해당 함수에 대한 문서(.Rd)도 정상적으로 생성된다.\nStep 3. R 패키지 새로 빌드하기 이제 패키지가 잘 실행되는지 아래 구문으로 테스트해보자. load_all() 위 코드 실행 결과, src/에 c++ 파일에 대한 object file(*.o)이 생성되었음을 확인할 수 있다. 이제 RStudio 콘솔에서 위 함수를 불러보면..! 두둥\u0026hellip;! 실패다.. 에러 내용을 대략 살펴보면 R 함수 내부에서 c++ 함수를 호출 시에, 이를 찾을 수 없다는 내용이다. 이 에러를 잡기까지 고생을 꽤 많이 했는데, 문제의 해결책은 간단하였다. 바로 NAMESPACE 파일에 아래 내용을 포함하면 되는 것이었다. importFrom(Rcpp,evalCpp) useDynLib(regexcite, .registration=TRUE) 위 첫번째 줄의 코드는 Rcpp이 정상적으로 import 되지 않은 상황에서 Rcpp 함수가 호출되는 에러 상황을 방지한다.다음으로, 두번째 줄의 코드는 컴파일된 c++ 파일의 object 파일이 R 함수에서 호출될 수 있도록 연결(link)하는 역할을 담당하다.\n하지만, 우리 패키지에서 NAMESPACE는 R 패키지를 개발하는 우리가 직접 수정할 수 없다. 따라서 Roxygen 을 활용해서 NAMESPACE에 위 내용을 추가해야한다. 이 과정은 아래와 같다. R 폴더 아래 {패키지명}-package.R 이라는 파일을 만들자. 우리 예제에서는 regexcite-package.R 라는 파일을 만들자 해당 파일에 아래 내용을 복붙하자. ## usethis namespace: start #\u0026#39; @importFrom Rcpp evalCpp #\u0026#39; @useDynLib regexcite, .registration = TRUE ## usethis namespace: end NULL 패키지명이 다를 경우, @useDynLib 뒤에 패키지명을 자신이 정한 패키지명을 넣으면 된다. 💡 Rcpp 외 다른 패키지를 import 하여 해당 패키지의 함수를 사용하는 경우에도 @importFrom에 해당 내용을 추가해야한다.\n예시: stats 패키지의 runif 함수를 호출하고 싶다면 #' @importFrom stats runif 를 위 파일에 추가해야한다. 추가적으로, 특정 패키지에서 사용하려는 함수가 여러개라면 공백을 사이에 두고, 함수명을 나열하면 된다. #' @importFrom stats lm sd quantile 그리고 load_all()을 다시 불러보면 NAMESPACE 파일에 우리가 추가하려는 내용이 포함되었음을 확인할 수 있다! - 혹시 load_all() 로 NAMESPACE 파일 업데이트가 안 된다면 R 콘솔에 check()를 입력하여, check 함수를 호출해서 확인할 수도 있다. 결과적으로, show_identity_matrix 함수와 test_eigen_matrix_addition 함수가 정상적으로 출력됨을 확인할 수 있다!!\n원래 실행 결과 이미지가 있었지만, 이미지 크기 조정이 불가하여 삭제했습니다..ㅠㅠ 이제 최종 단계로 R 패키지를 .tar.gz 파일로 빌드하자.\n빌드에 앞서 최종 R 프로젝트 형상을 확인해보면 아래와 같다. ├── .gitignore ├── .Rbuildignore ├── .Rhistory ├── DESCRIPTION ├── LICENSE ├── LICENSE.md ├── man │ ├── strsplit1.Rd │ ├── show_identity_matrix.Rd │ ├── test_eigen_matrix_addition.Rd ├── NAMESPACE ├── R │ ├── strsplit1.R │ ├── show_identity_matrix.R │ ├── test_eigen_matrix_addition.R │ ├── regexcite-package.R │ ├── RcppExports.R ├── regexcite.Rproj ├── src │ ├── .gitignore │ ├── test_eigen.cpp │ ├── RcppExports.cpp\n+ (Mac OS 기준) 터미널에 `R CMD BUILD regexcite`라고 치면 `regexcite_{버전}.tar.gz` 라는 파일이 생성된다. * 이때, `R CMD build regexcite` 는 `regexcite` 프로젝트 디렉토리의 부모 디렉토리에서 실행해야한다는 점을 주의하자. Step 4. 직접 개발한 R 패키지를 설치하고, 함수를 호출해보자! 이제 R에서 regexcite 패키지를 설치하고, 행렬 연산 함수를 호출해보자!\n현재 환경에 regexcite 패키지가 설치되지 않았음을 먼저 확인해보자. 만약 이미 설치되었다면 아래와 같이 기존 regexcite 패키지를 삭제할 수 있다. remove.packages(\u0026#34;regexcite\u0026#34;) 이제 R 콘솔에서 아래 구문을 실행하여, regexcite 패키지를 설치하자. install.packages( \u0026#34;{regexcite 패키지 tar.gz 파일 경로}\u0026#34;, repos=NULL, type=\u0026#34;source\u0026#34; ) 최종적으로, 설치된 regexcite 패키지를 import하여, 목표 함수를 호출하는 것까지 성공하였다! velog 에서 이미지 크기 조절이 불가하여, 실행 결과 캡쳐 화면이 조금 너저분하게 보이는 점 양해 부탁드립니다\u0026hellip; -\u0026gt; 혹시 velog 본문에서 이미지 크기 조절을 하는 방법을 아신다면 댓글로 공유 부탁드립니다 😭😭\n피드백은 언제나 환영입니다! 혹시 잘못된 부분을 발견하셨거나 궁금하신 점이 있다면 댓글창에 남겨주세요! 그럼 다음 포스트에서 또 만나요!\n","permalink":"https://quriemoon.github.io/posts/2023-05-24-rcpp-eigen-r-package/","summary":"usethis를 활용한 R 패키지 개발기","title":"Rcpp, Eigen 활용해서 R 패키지 만들기"},{"content":"R을 쓰다보면 효율성 등을 이유로 c++ 사용을 할 수밖에 없는 상황이 발생할 수도 있다.. 이럴 때, Rcpp 패키지를 사용하자.\n간혹 옛날 코드 중에서는 Rcpp을 사용하지 않고, c++ 와 R을 연동해서 사용하는 경우도 있지만 이보다는 Rcpp 패키지를 사용하는 게 훨씬 간편하다. 따라서 Rcpp 을 사용해보자.\n우선, 오늘 예제에서 호출할 c++ 코드는 아래와 같다.\n#include \u0026lt;Rcpp.h\u0026gt; #include \u0026lt;iostream\u0026gt; using namespace std; // [[Rcpp::export]] double add_func(double a, double b){ return a+b; } 위 함수 add_func은 주어진 입력값 두개를 더한 값을 return하는 아주 간단한 함수이다. 이때, 위에 명시된 [[Rcpp::export]]라는 attribute가 꼭 명시되어야함을 주의하자. 왜냐하면 R에서 사용될 sourceCpp 메소드가 이 attribute가 붙은 함수를 찾기 때문이다.\n이제 R에서 c++로 작성된 add_func 함수를 사용해보자. 이를 위한 코드는 아래와 같다.\n참고 R에서 Rcpp 패키지를 먼저 설치해야한다!\nlibrary(\u0026#34;Rcpp\u0026#34;) sourceCpp(\u0026#34;sample_code1.cpp\u0026#34;) # sample_code1.cpp 파일 경로를 입력해야함 resultl \u0026lt;- add_func(1,2) print(resultl) 이제 위 R 파일을 실행해보면 아래와 같은 결과를 얻을 수 있다.\n[1] 3 추가적으로, R과 c++ 연동 시 input 값과 return 값의 type을 지정하는 법 관련해서 아래 글을 참조하자.\nExtending R with C++: A Brief Introduction to Rcpp by Dirk Eddelbuettel and James Joseph Balamuta High performance functions with Rcpp by Hadley Wickham Rcpp Attributes by J.J. Allaire, Dirk Eddelbuettel, and Romain François ","permalink":"https://quriemoon.github.io/posts/2022-12-02-rcpp/","summary":"\u003cp\u003eR을 쓰다보면 효율성 등을 이유로 c++ 사용을 할 수밖에 없는 상황이 발생할 수도 있다.. 이럴 때, Rcpp 패키지를 사용하자.\u003c/p\u003e\n\u003cp\u003e간혹 옛날 코드 중에서는 Rcpp을 사용하지 않고, c++ 와 R을 연동해서 사용하는 경우도 있지만 이보다는 Rcpp 패키지를 사용하는 게 훨씬 간편하다. 따라서 Rcpp 을 사용해보자.\u003c/p\u003e\n\u003cp\u003e우선, 오늘 예제에서 호출할 c++ 코드는 아래와 같다.\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-cpp\" data-lang=\"cpp\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#75715e\"\u003e#include\u003c/span\u003e \u003cspan style=\"color:#75715e\"\u003e\u0026lt;Rcpp.h\u0026gt;\u003c/span\u003e\u003cspan style=\"color:#75715e\"\u003e\n\u003c/span\u003e\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#75715e\"\u003e#include\u003c/span\u003e \u003cspan style=\"color:#75715e\"\u003e\u0026lt;iostream\u0026gt;\u003c/span\u003e\u003cspan style=\"color:#75715e\"\u003e\n\u003c/span\u003e\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#66d9ef\"\u003eusing\u003c/span\u003e \u003cspan style=\"color:#66d9ef\"\u003enamespace\u003c/span\u003e std;\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#75715e\"\u003e// [[Rcpp::export]]\n\u003c/span\u003e\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#66d9ef\"\u003edouble\u003c/span\u003e \u003cspan style=\"color:#a6e22e\"\u003eadd_func\u003c/span\u003e(\u003cspan style=\"color:#66d9ef\"\u003edouble\u003c/span\u003e a, \u003cspan style=\"color:#66d9ef\"\u003edouble\u003c/span\u003e b){\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e  \u003cspan style=\"color:#66d9ef\"\u003ereturn\u003c/span\u003e a\u003cspan style=\"color:#f92672\"\u003e+\u003c/span\u003eb;\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e}\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e위 함수 \u003ccode\u003eadd_func\u003c/code\u003e은 주어진 입력값 두개를 더한 값을 return하는 아주 간단한 함수이다. 이때, 위에 명시된 \u003ccode\u003e[[Rcpp::export]]\u003c/code\u003e라는 attribute가 꼭 명시되어야함을 주의하자. 왜냐하면 R에서 사용될 \u003ccode\u003esourceCpp\u003c/code\u003e 메소드가 이 attribute가 붙은 함수를 찾기 때문이다.\u003c/p\u003e","title":"Rcpp 패키지로 R에서 c++ 함수 호출하기"},{"content":"이번 학기 기말고사를 준비하면서 백만년만에 샤프 EL-506W 계산기를 사용했다.\n2014년에 구입한 계산기였지만, 그동안 쌀집 계산기(?)처럼 사용하다가 이번 필기시험에서 이번에는 역행렬과 determinant 계산할 일이 왕왕 있을 것같아서 관련 내용을 급하게 찾아야했다. 구입한지 좀 오래 되어서 그런지 레퍼런스가 뚝딱 나오지 않아서 당황했었다..ㅠㅠㅠ 그래서 아카이브 겸 링크를 기록해두기로 하였다.\nEquaser.com - Sharp EL546W EL-506W: Find matrix determinant matrix inverse and other calculations 위 영상을 보면\n기본적인 행렬 사칙연산 방법 역행렬 계산법 determinant 계산법 모두 확인할 수 있다. ","permalink":"https://quriemoon.github.io/posts/2022-06-28-calculator/","summary":"\u003cp\u003e이번 학기 기말고사를 준비하면서 백만년만에 샤프 EL-506W 계산기를 사용했다.\u003c/p\u003e\n\u003cp\u003e2014년에 구입한 계산기였지만, 그동안 쌀집 계산기(?)처럼 사용하다가\n이번 필기시험에서 이번에는 역행렬과 determinant 계산할 일이 왕왕 있을 것같아서 관련 내용을 급하게 찾아야했다.\n구입한지 좀 오래 되어서 그런지 레퍼런스가 뚝딱 나오지 않아서 당황했었다..ㅠㅠㅠ\n그래서 아카이브 겸 링크를 기록해두기로 하였다.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ca href=\"https://youtu.be/xtP-dczRUsM\"\u003eEquaser.com - Sharp EL546W EL-506W: Find matrix determinant matrix inverse and other calculations\u003c/a\u003e\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003e위 영상을 보면\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e기본적인 행렬 사칙연산 방법\u003c/li\u003e\n\u003cli\u003e역행렬 계산법\u003c/li\u003e\n\u003cli\u003edeterminant 계산법\n모두 확인할 수 있다.\u003c/li\u003e\n\u003c/ul\u003e","title":"샤프 EL-506W 계산기 행렬 계산법"},{"content":"이번 글에서는 RabbitMQ 튜토리얼 #3, #4 에서 다루고 있는 pub/sub 개념을 정리하려고 합니다.\n아래 글의 경우, RabbitMQ 공식 튜토리얼을 기반으로 하고 있습니다.\nRabbitMQ 공식 튜토리얼\nPublish/Subscribe messaging (Pub/Sub messaging) 등장 배경 앞선 Rabbitmq Tutorial 에서 다룬 messaging model 을 보면 아래와 같다. 이때, 위 work queue에서는 \u0026ldquo;하나의 task(message)를 1개의 worker(consumer)에게만 전달된다\u0026quot;는 가정이 숨어있다.\n하지만, 1개의 message를 서로 다른 여러 개의 consumer로 전달 필요한 경우도 있다.\n예시 상황: logging level 이 error 인 log는 console 에 출력 + disk에 저장하고, info-level log는 console에 출력만 하기 위 상황, 즉, 1개의 message를 특정 조건에 따라서 여러 개의 consumer에게 전달하고 싶으면 어떻게 해야할까?\n➡️ 위 질문에 대한 답이 바로 \u0026ldquo;Publish/Subscribe\u0026rdquo; 패턴이다.\n정리 \u0026ldquo;Publish/Subscribe\u0026rdquo; 패턴은 1개의 메세지를 여러 개의 consumer 에게 보내는 패턴이다. Exchanges Pub/Sub 패턴을 이해하기 위해서는 Rabbit의 full messaging model 과 이 모델 내 위치한 \u0026ldquo;exchange\u0026rdquo; 에 대한 이해가 필요하다.\nRabbitMQ의 full messaging model 구조는 아래와 같다.\n위 구조를 보면 exchange(파란색 X표)가 추가되었다. 즉, producer 가 보낸 메세지는 work queue로 바로 전달되는 것이 아니라, 반드시 exchange를 거쳐서 work queue로 전달된다.\n정리해보면, exchange란 producer로부터 메세지를 받아서 해당 메세지를 queue에 push 하는 역할을 수행한다.\nQ: 앞선 튜토리얼(#1, #2)에서는 exchange가 사용되지 않은걸까?\n그렇지 않다. 앞선 예제에서는 default exchange(nameless exchange)가 사용되었다.\n그렇다면 왜 메세지를 바로 work queue에 넣지 않고, 반드시 exchange를 거쳐서 queue에 넣는 것일까?\n답은 exchange를 통해서 여러 개의 queue에 메세지를 전달하는 과정을 정교하게 할 수 있기 때문이다. exchange는 사전에 정의된 규칙을 참고하여, 새로 들어온 메세지를 특정 queue에만 전달하거나 어떤 queue에도 전달하지 않는(버리는) 작업을 수행한다. 이러한 규칙을 \u0026ldquo;exchange type\u0026rdquo; 이라고 부른다.\nExchange type 의미: exchange가 메세지를 처리하는 유형\n종류: direct, topic, headers, fanout\n\u0026ndash;\u0026gt; Tutorial #3, #4에서는 fanout 타입과 direct 타입에 대해서만 살펴본다.\nfanout 타입의 exchange: 해당 exchange와 바인딩된 모든 queue로 메세지 전달\ndirect 타입의 exchange: 들어온 메세지의 routing key 와 일치하는 routing key를 가진 queue에만 메세지 전달\nExchange를 생성/사용하는 방법 명시적으로 exchange를 생성하여 사용하지 않으면 default exchange(nameless exchange)가 사용된다. 명시적으로 exchange를 선언하여 사용하고 싶을 때는 아래와 같이 한다.\nchannel.exchangeDeclare(exchangeName, \u0026#34;fanout\u0026#34;); // 첫번째 인자는 해당 exchange의 이름, 두번째 인자는 해당 exchange type Publisher가 exchange로 메세지를 보내는 방법은 아래와 같다.\nchannel.basicPublish(exchangeName, \u0026#34;\u0026#34;, null, message.getBytes()); // 첫번째 인자가 exchange의 이름 (default exchange의 경우, 첫번째 인자에 빈 String(\u0026#34;\u0026#34;) 입력) Temporary queues\nProducer와 consumer가 queue를 공유해야하는 경우, queue의 이름을 지정해야하지만, 그외 경우 temporary queue와 exchange를 활용하자. temporary queue 생성 Publisher와 Consumer에서 사용되는 exchange name 통일 Bindings 개념 exchange를 생성한 후에는 해당 exchange가 어떤 queue에 메세지를 전달해줄지 정해야한다. 이때, 이렇게 exchange와 queue의 관계를 정의한 걸 binding이라고 부른다.\nBinding 생성하는 방법 channel.queueBind(queueName, exchangeName, \u0026#34;\u0026#34;); // 세번째 인자는 routingKey(binding key) 💡 binding은 producer 가 아니라, consumer 쪽에서 정의된다.\nTutorial #5 부터의 내용은 다음 포스트에서 이어서 정리하겠습니다.\n참고/인용 출처 RabbitMQ Tutorial #3 - Publish/Subscribe RabbitMQ Tutorial #4 - Routing \u0026ndash;\u0026gt; 이번 글은 위 2개 튜토리얼을 기반으로 하고 있습니다. ","permalink":"https://quriemoon.github.io/posts/2021-09-26-rabbitmq-part2/","summary":"\u003cp\u003e이번 글에서는 RabbitMQ 튜토리얼 #3, #4 에서 다루고 있는 pub/sub 개념을 정리하려고 합니다.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003e아래 글의 경우, RabbitMQ 공식 튜토리얼을 기반으로 하고 있습니다.\u003c/p\u003e\n\u003cp\u003e\u003ca href=\"https://www.rabbitmq.com/getstarted.html\"\u003eRabbitMQ 공식 튜토리얼\u003c/a\u003e\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003chr\u003e\n\u003ch2 id=\"publishsubscribe-messaging-pubsub-messaging\"\u003ePublish/Subscribe messaging (Pub/Sub messaging)\u003c/h2\u003e\n\u003ch3 id=\"등장-배경\"\u003e등장 배경\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e앞선 Rabbitmq Tutorial 에서 다룬 messaging model 을 보면 아래와 같다.\n\u003cimg alt=\"rabbitmq_basic_flow\" loading=\"lazy\" src=\"/images/post_images/rabbitmq/rabbitmq_basic_flow.png\"\u003e\u003c/p\u003e\n\u003cp\u003e이때, 위 work queue에서는 \u0026ldquo;하나의 task(message)를 1개의 worker(consumer)에게만 전달된다\u0026quot;는 가정이 숨어있다.\u003c/p\u003e\n\u003cp\u003e하지만, 1개의 message를 서로 다른 여러 개의 consumer로 전달 필요한 경우도 있다.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e예시 상황: logging level 이 error 인 log는 console 에 출력 + disk에 저장하고, info-level log는 console에 출력만 하기\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003e위 상황, 즉, 1개의 message를 특정 조건에 따라서 여러 개의 consumer에게 전달하고 싶으면 어떻게 해야할까?\u003c/p\u003e\n\u003cp\u003e\u003cimg alt=\"rabbitmq_pub_sub_flow\" loading=\"lazy\" src=\"/images/post_images/rabbitmq/rabbitmq-pub_sub.png\"\u003e\u003c/p\u003e\n\u003cp\u003e➡️ 위 질문에 대한 답이 바로 \u003cstrong\u003e\u0026ldquo;Publish/Subscribe\u0026rdquo;\u003c/strong\u003e 패턴이다.\u003c/p\u003e\n\u003c/li\u003e\n\u003c/ul\u003e","title":"RabbitMQ 알아보기 #2"},{"content":"RabbitMQ 튜토리얼을 따라가면서, 메세지 브로커 개념과 그 중 대표주자인 RabbitMQ 사용법을 공부하고 있습니다.\n이번 글에서는 그중 Tutorial #1, #2 내용을 정리하였습니다.\n아래 글의 경우, RabbitMQ 공식 튜토리얼을 기반으로 하고 있습니다.\nRabbitMQ 공식 튜토리얼\n메시징 시스템(MOM 기반 시스템) 개념 어플리케이션 간에 메시지를 교환하기 위해 사용되는 시스템 출처: Oracle - MOM 기반 시스템 다이어그램\n기본 요소: 클라이언트, 메세지, MOM 공급자 (+ API, 관리 도구)\n동작 방법\n클라이언트에서 MOM 시스템 내 API를 호출하여, 공급자가 관리하는 대상에게 메시지를 보냄 공급자는 수신한 메세지가 참조(조회) 될 때까지 메세지 보관 또 다른 클라이언트에서 MOM 시스템 내 API를 호출하여, 보관되어 있는 메세지 받아감 유형 Point-to-point messaging 메세지를 보내는 측과 받는 측 간의 관계가 1:1임을 가정 \u0026ndash;\u0026gt; queue 에 있는 메세지는 오직 1곳으로부터 조회되고, 1번만 사용됨 메세지가 단한번 처리되어야할 때, 사용되는 모델 \u0026ndash;\u0026gt; 대표 활용 예시: 결제 처리 Publish/subscribe messaging 메세지를 보낼 때, queue에 직접 보내는 대신에 topic 에 해당 메세지를 보내고, 메세지를 받는 측도 topic 에서 받아오려는 메세지를 받아옴 \u0026ndash;\u0026gt; 1개의 메세지를 받는 곳이 여러 곳일 수 있음 \u0026ndash;\u0026gt; 메세지를 보내는 측과 받는 측 간의 관계가 one-to-many relationship (broadcast-style) 대표 용어 정리 Producer : 메세지를 보내는 측 queue : MOM 공급자 내부에 메세지를 보관하는 임시 저장소 \u0026ndash;\u0026gt; broker : RabbitMQ 와 같은 message queue SW가 수행하는 역할로, producer 로부터 받은 메세지를 보관했다가 consumer 가 해당 메세지를 다시 가져가도록 대기하는 역할 (중간자) Consumer: 메세지를 받는 측 Work Queues(a.k.a \u0026ldquo;Task Queues\u0026rdquo;) 앞서 배운 개념을 토대로, rabbitmq가 동작하는 방식을 제일 단순하게 정리하면 아래와 같다.\n동작 방식 Producer 가 queue 로 메세지를 보내고 Consumer 가 해당 queue에세 필요한 메세지를 받아온다. RabbitMQ는 아래 그림처럼 해당 메세지를 조회하는 Consumer가 1개가 아니라, 여러 개인 경우도 지원한다.\n이때, 사용되는 queue를 Work queue 라고 부르는데, 아래 내용을 유념해야한다.\n1개의 task는 정확히 1개의 worker(consumer)에게만 전송된다. RabbitMQ는 기본적으로 Round-Robin(RR) 방식으로 message를 보낸다. 위 Work queue 를 사용한 상황에서 발생할 수 있는 문제상황과 해결책을 알아보자.\n문제상황 해결책 Consumer 측 문제로 메세지 손실\n- 예시 상황: Consumer 가 메세지를 받고 처리하던 중 비정상 종료되어 메세지 손실 발생 Message acknowledgement Broker 측 문제로 메세지 손실\n- 예시 상황: RabbitMQ 서버가 비정상적으로 멈춘 경우 Queue의 durable 속성 활성화(Message durability) Round-robin 방식으로, 일감 분배가 불균형하게 이뤄지는 경우\n- 예시 상황: consumer가 총 2개 있는데, 홀수번째 작업은 처리 시간이 길고, 짝수번째 작업은 처리 시간이 짧은 경우 Fair dispatch 각 해결책에 대해서는 아래서 좀 더 자세히 알아보자.\nMessage Acknowledgement Acknowledgement(ack) 란: Consumer가 RabbitMQ에게 해당 메세지가 정상 도착/처리되었으므로 삭제해도 됨을 알려주는 것\n동작 방식\nConsumer 가 메세지 처리 중 비정상 종료되어서, RabbitMQ에게 ack를 보내지 못함 RabbitMQ는 메세지가 비정상 종료되었음을 알고, queue에 해당 메세지를 다시 넣음 RabbitMQ에서 해당 메세지를 보낼 수 있는 다른 consumer가 있으면 거기로 보냄 주의사항\nRabbitMQ에서는 Manual message acknowledgements 가 기본적으로 활성화되어있다.\n해당 옵션을 비활성화려면 autoAck 속성값에 true 를 넣어준다.\n[참고] automatic acknowledgement mode(autoAck)\nConsumer로 메세지가 전송된 직후에 성공적으로 전송되었다고 체크되는 것 fire-and-forget mode라고도 칭해짐 문제점: Consumer로 메세지가 정상적으로 전달되기 전에, consumer의 TCP connection이나 채널이 비정상적으로 닫히면 메세지 손실됨 Message durability durable queue: RabbitMQ node가 재시작되어도 사라지지 않고, 그대로 남아있는 queue RabbitMQ에서 해당 기능 사용하는 방법 queue 생성 시, durable 속성에 true 설정 Fair dispatch 현재 작업을 진행중인(busy) worker에게는 메세지를 추가로 보내지 않는 방법\nRabbitMQ에서 해당 기능 사용하는 방법\nbasicQos 메소드에 prefetchCount 파라미터 값으로 1을 대입\n\u0026ndash;\u0026gt; 처리 중인 메세지가 있는 worker에게는 추가로 메세지를 보내지 않도록 RabbitMQ에게 알려주는 설정\nTutorial #3 부터의 내용은 다음 포스트에서 이어서 정리하겠습니다.\n참고/인용 출처 RabbitMQ Tutorial #1 - Introduction\nRabbitMQ Tutorial #2 - Work Queues \u0026ndash;\u0026gt; 이번 글은 위 2개 튜토리얼을 기반으로 하고 있습니다.\nOracle - 1장. 메시징 시스템 소개\n포스트 내 첫번째 다이어그램 출처 해결책 및 한계점 내용 원문 IBM Cloud Learn Hub - Message Brokers\n메시지 브로커 유형 정리 시, 참고 RabbitMQ - Consumer Acknowledgements and Publisher Confirms\nautoAck 관련 내용 Iron blog - What is RabbitMQ?\n","permalink":"https://quriemoon.github.io/posts/2021-08-29-rabbitmq-part1/","summary":"\u003cp\u003eRabbitMQ 튜토리얼을 따라가면서, \u003cstrong\u003e메세지 브로커\u003c/strong\u003e 개념과 그 중 대표주자인 \u003ccode\u003eRabbitMQ\u003c/code\u003e 사용법을 공부하고 있습니다.\u003c/p\u003e\n\u003cp\u003e이번 글에서는 그중 Tutorial #1, #2 내용을 정리하였습니다.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003e아래 글의 경우, RabbitMQ 공식 튜토리얼을 기반으로 하고 있습니다.\u003c/p\u003e\n\u003cp\u003e\u003ca href=\"https://www.rabbitmq.com/getstarted.html\"\u003eRabbitMQ 공식 튜토리얼\u003c/a\u003e\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003chr\u003e\n\u003ch2 id=\"메시징-시스템mom-기반-시스템\"\u003e메시징 시스템(MOM 기반 시스템)\u003c/h2\u003e\n\u003ch3 id=\"개념\"\u003e개념\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e어플리케이션 간에 메시지를 교환하기 위해 사용되는 시스템\n\u003cimg alt=\"oracle_mom_system_diagram\" loading=\"lazy\" src=\"/images/post_images/rabbitmq/oracle_mom_system_diagram.gif\"\u003e\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003e출처: Oracle - MOM 기반 시스템 다이어그램\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e기본 요소: 클라이언트, 메세지, MOM 공급자 (+ API, 관리 도구)\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e동작 방법\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003e클라이언트에서 MOM 시스템 내 API를 호출하여, 공급자가 관리하는 대상에게 메시지를 보냄\u003c/li\u003e\n\u003cli\u003e공급자는 수신한 메세지가 참조(조회) 될 때까지 메세지 보관\u003c/li\u003e\n\u003cli\u003e또 다른 클라이언트에서 MOM 시스템 내 API를 호출하여, 보관되어 있는 메세지 받아감\u003c/li\u003e\n\u003c/ol\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch3 id=\"유형\"\u003e유형\u003c/h3\u003e\n\u003col\u003e\n\u003cli\u003e\u003ccode\u003ePoint-to-point messaging\u003c/code\u003e\n\u003cul\u003e\n\u003cli\u003e메세지를 보내는 측과 받는 측 간의 관계가 1:1임을 가정\n\u0026ndash;\u0026gt; queue 에 있는 메세지는 오직 1곳으로부터 조회되고, 1번만 사용됨\u003c/li\u003e\n\u003cli\u003e메세지가 단한번 처리되어야할 때, 사용되는 모델\n\u0026ndash;\u0026gt; 대표 활용 예시: 결제 처리\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\u003ccode\u003ePublish/subscribe messaging\u003c/code\u003e\n\u003cul\u003e\n\u003cli\u003e메세지를 보낼 때, queue에 직접 보내는 대신에 \u003ccode\u003etopic\u003c/code\u003e 에 해당 메세지를 보내고,\n메세지를 받는 측도 \u003ccode\u003etopic\u003c/code\u003e 에서 받아오려는 메세지를 받아옴\n\u0026ndash;\u0026gt; 1개의 메세지를 받는 곳이 여러 곳일 수 있음\n\u0026ndash;\u0026gt; 메세지를 보내는 측과 받는 측 간의 관계가 \u003ccode\u003eone-to-many relationship\u003c/code\u003e (\u003ccode\u003ebroadcast-style\u003c/code\u003e)\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ol\u003e\n\u003ch3 id=\"대표-용어-정리\"\u003e대표 용어 정리\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\u003ccode\u003eProducer\u003c/code\u003e : 메세지를 보내는 측\u003c/li\u003e\n\u003cli\u003e\u003ccode\u003equeue\u003c/code\u003e : MOM 공급자 내부에 메세지를 보관하는 \u003cem\u003e임시\u003c/em\u003e 저장소\n\u0026ndash;\u0026gt; \u003ccode\u003ebroker\u003c/code\u003e : \u003ccode\u003eRabbitMQ\u003c/code\u003e 와 같은 message queue SW가 수행하는 역할로, \u003ccode\u003eproducer\u003c/code\u003e 로부터 받은 메세지를 보관했다가 \u003ccode\u003econsumer\u003c/code\u003e 가 해당 메세지를 다시 가져가도록 대기하는 역할 (중간자)\u003c/li\u003e\n\u003cli\u003e\u003ccode\u003eConsumer\u003c/code\u003e: 메세지를 받는 측\u003c/li\u003e\n\u003c/ul\u003e\n\u003ch2 id=\"work-queuesaka-task-queues\"\u003eWork Queues(a.k.a \u0026ldquo;Task Queues\u0026rdquo;)\u003c/h2\u003e\n\u003cp\u003e앞서 배운 개념을 토대로, \u003ccode\u003erabbitmq\u003c/code\u003e가 동작하는 방식을 제일 단순하게 정리하면 아래와 같다.\u003c/p\u003e","title":"RabbitMQ 알아보기 #1"},{"content":"SpringBoot 에서 외부 API 호출을 위해서 사용한 RestTemplate에 timeout 설정과 interceptor logging 을 적용했던 과정 및 문제점과 해결책을 공유하려고 합니다.\nRestTemplate에 timeout 설정과 interceptor logging 적용하는 방법 1. RestTemplate에 read timeout 설정 HttpComponentsClientHttpRequestFactory 속성 중 readTimeout 값을 설정하고, 위 HttpComponentsClientHttpRequestFactory 을 기반으로 restTemplate 을 생성한다.\n/* 외부 API 호출 시, 사용될 restTemplate - Bean 으로 등록해서 사용 */ @Bean public RestTemplate restTemplate(){ HttpComponentsClientHttpRequestFactory httpComponentsClientHttpRequestFactory = new HttpComponentsClientHttpRequestFactory(); httpComponentsClientHttpRequestFactory.setReadTimeout(3000); // read Timeout 설정되는 부분 HttpClient httpClient = HttpClientBuilder.create() .setMaxConnTotal(500) .setMaxConnPerRoute(100) .build(); // \u0026lt;참고\u0026gt; 부분 확인 httpComponentsClientHttpRequestFactory.setHttpClient(httpClient); RestTemplate restTemplate = new RestTemplate(httpComponentsClientHttpRequestFactory); return restTemplate; } [참고] httpClient 설정 이유\nRestTemplate 은 기본적으로 connection pool을 활용하지 않는다. 즉, 매 REST 호출마다 새로운 포트를 열어서 새로운 연결을 맺는다. 이때, close 직후에 해당 socket이 일정 시간동안 'TIME_WAIT' 상태에 들어가기 때문에 요청량이 많다면 이러한 상태의 소켓들을 재사용하지 못하고, 응답 지연 현상이 초래된다. 이때, httpClient를 활용하여, RestTemplate 에서의 connection pool 설정을 할 수 있다. 'maxConnPerRoute': IP, port 번호 1쌍에 가능한 연결 수 제한 'maxTotal': 최대 오픈되는 연결 수 제한 2. RestTemplate에 interceptor logging 부분 추가 RestTemplate 에 interceptor logging 부분을 추가하지 않았을 때는 실행 로그에 API 호출 request/response 내역이 남지 않는다.\n따라서 아래처럼 API 호출 request/response에 대한 기록을 하고 싶을 경우에는 interceptor 를 활용하여 API request/response 를 로깅할 수 있다.\n예시) request param.으로 param1, param2 가 있고, response param.으로 msg, code 가 있는 더미 API를 호출한 상황\nRequest body: {\u0026#34;param1\u0026#34;:\u0026#34;value1\u0026#34;,\u0026#34;param2\u0026#34;:\u0026#34;value2\u0026#34;} Response body: {\u0026#34;msg\u0026#34;:\u0026#34;success\u0026#34;,\u0026#34;code\u0026#34;:\u0026#34;0000\u0026#34;} 방법\nClientHttpRequestInterceptor 를 상속받아서 customizing 된 restTemplate interceptor 를 구현한다.\n1번 interceptor 에서 API request/response 내역 로깅을 한다. /* 코드 출처: https://www.baeldung.com/spring-resttemplate-logging */ public class RestTemplateInterceptor implements ClientHttpRequestInterceptor { static Logger logger = LoggerFactory.getLogger(RestTemplateInterceptor.class); @Override public ClientHttpResponse intercept(HttpRequest request, byte[] reqBody, ClientHttpRequestExecution execution) throws IOException { logger.info(\u0026#34;Request body: {}\u0026#34;, new String(reqBody, StandardCharsets.UTF_8)); ClientHttpResponse response = execution.execute(request, reqBody); InputStreamReader isr = new InputStreamReader( response.getBody(), StandardCharsets.UTF_8 ); String body = new BufferedReader(isr).lines() .collect(Collectors.joining(\u0026#34;\\n\u0026#34;)); logger.info(\u0026#34;Response body: {}\u0026#34;, body); return response; } } RestTemplate 에 1번 단계에서 구현한 interceptor 를 추가한다.\n/* 코드 출처: https://www.baeldung.com/spring-resttemplate-logging */ RestTemplate restTemplate = new RestTemplate(httpComponentsClientHttpRequestFactory); List\u0026lt;ClientHttpRequestInterceptor\u0026gt; interceptorList = restTemplate.getInterceptors(); if(CollectionUtils.isEmpty(interceptorList)){ interceptorList = new ArrayList\u0026lt;\u0026gt;(); } interceptorList.add(new RestTemplateInterceptor()); restTemplate.setInterceptors(interceptorList); 실행 결과: API 호출 시, request/response 모두 로깅이 잘 된다. 2021-08-14 17:09:51.840 INFO 4308 --- [ main] c.s.s.utils.RestTemplateInterceptor : Request body: {\u0026#34;param1\u0026#34;:\u0026#34;value1\u0026#34;,\u0026#34;param2\u0026#34;:\u0026#34;value2\u0026#34;} 2021-08-14 17:09:53.048 INFO 4308 --- [ main] c.s.s.utils.RestTemplateInterceptor : Response body: {\u0026#34;msg\u0026#34;:\u0026#34;success\u0026#34;,\u0026#34;code\u0026#34;:\u0026#34;0000\u0026#34;} RestTemplate 에 interceptor logging 적용 과정에서 겪었던 문제점 RestTemplate 에 interceptor 를 추가한 후, 코드를 실행했더니 아래와 같은 에러가 발생하였다.\norg.springframework.web.client.ResourceAccessException: I/O error on POST request for \u0026#34;http://localhost:8088/sample\u0026#34;: Attempted read from closed stream.; nested exception is java.io.IOException: Attempted read from closed stream. at org.springframework.web.client.RestTemplate.doExecute(RestTemplate.java:785) ~[spring-web-5.3.9.jar:5.3.9] ... Caused by: java.io.IOException: Attempted read from closed stream. ... 관련 내용을 찾아보면, 문제의 원인은 아래와 같다.\nAs the interceptor consumes the response stream, our client application will see an empty response body.\n내용 출처 : Baeldung - Spring RestTemplate Request/Response Logging\n즉, interceptor 에서 response stream 을 먼저 사용해버렸기 때문에 application에는 빈 response body 가 전달되어서 위 문제가 발생하였다.\n해결책 위 문제는 BufferingClientHttpRequestFactory 를 사용하여 해결할 수 있다. BufferingClientHttpRequestFactory 는 메모리에 스트림에 있는 내용을 올려놓기 때문에 interceptor와 application 모두 response body 내용을 정상적으로 사용할 수 있다.\n해결책 적용 후 코드\nRestTemplate restTemplate = new RestTemplate(new BufferingClientHttpRequestFactory(httpComponentsClientHttpRequestFactory)); // 해결책 적용된 부분 List\u0026lt;ClientHttpRequestInterceptor\u0026gt; interceptorList = restTemplate.getInterceptors(); if(CollectionUtils.isEmpty(interceptorList)){ interceptorList = new ArrayList\u0026lt;\u0026gt;(); } interceptorList.add(new RestTemplateInterceptor()); restTemplate.setInterceptors(interceptorList); 한계점\nBufferingClientHttpRequestFactory 를 쓰면 application에 빈 response body가 넘어가는 문제는 해결되지만, 퍼포먼스 측면에서 단점이 있다. 구체적으로, response body data 전체를 메모리로 올리기 때문에 퍼포먼스 측면에서 이슈가 있고, 최악의 경우에는 OutOfMemoryError 도 발생할 수 있다.\n따라서 로깅 레벨이 DEBUG 레벨일 때만 BufferingClientHttpRequestFactory 를 써서, API request/response 내역을 로깅하는 방안도 제시되고 있다.\n참고/인용 출처 Baeldung - Spring RestTemplate Request/Response Logging\n이번 블로그의 sample code 출처 해결책 및 한계점 내용 원문 권남 - Spring RestTemplate\n마로의 Spring Framework 공부 - RestTemplate Logging(로그)\n빨간색코딩 - RestTemplate (정의, 특징, URLConnection, HttpClient, 동작원리, 사용법, connection pool 적용)\n[참고] httpClient 설정 이유 부분 원문 Stackoverflow - Using Spring REST template, either creating too many connections or slow\n","permalink":"https://quriemoon.github.io/posts/2021-08-12-springboot-resttemplate-tip/","summary":"\u003cp\u003eSpringBoot 에서 외부 API 호출을 위해서 사용한 RestTemplate에 timeout 설정과 interceptor logging 을 적용했던 과정 및 문제점과 해결책을 공유하려고 합니다.\u003c/p\u003e\n\u003chr\u003e\n\u003ch2 id=\"resttemplate에-timeout-설정과-interceptor-logging-적용하는-방법\"\u003eRestTemplate에 timeout 설정과 interceptor logging 적용하는 방법\u003c/h2\u003e\n\u003ch3 id=\"1-resttemplate에-read-timeout-설정\"\u003e1. RestTemplate에 read timeout 설정\u003c/h3\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e\u003ccode\u003eHttpComponentsClientHttpRequestFactory\u003c/code\u003e 속성 중 \u003ccode\u003ereadTimeout\u003c/code\u003e 값을 설정하고, 위 \u003ccode\u003eHttpComponentsClientHttpRequestFactory\u003c/code\u003e 을 기반으로 \u003ccode\u003erestTemplate\u003c/code\u003e 을 생성한다.\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-java\" data-lang=\"java\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#75715e\"\u003e/*\n\u003c/span\u003e\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#75715e\"\u003e외부 API 호출 시, 사용될 restTemplate\n\u003c/span\u003e\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#75715e\"\u003e - Bean 으로 등록해서 사용\n\u003c/span\u003e\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#75715e\"\u003e*/\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#a6e22e\"\u003e@Bean\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#66d9ef\"\u003epublic\u003c/span\u003e RestTemplate \u003cspan style=\"color:#a6e22e\"\u003erestTemplate\u003c/span\u003e(){\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e  HttpComponentsClientHttpRequestFactory httpComponentsClientHttpRequestFactory \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e \u003cspan style=\"color:#66d9ef\"\u003enew\u003c/span\u003e HttpComponentsClientHttpRequestFactory();\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e  httpComponentsClientHttpRequestFactory.\u003cspan style=\"color:#a6e22e\"\u003esetReadTimeout\u003c/span\u003e(3000); \u003cspan style=\"color:#75715e\"\u003e// read Timeout 설정되는 부분\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e  HttpClient httpClient \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e HttpClientBuilder.\u003cspan style=\"color:#a6e22e\"\u003ecreate\u003c/span\u003e()\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e    .\u003cspan style=\"color:#a6e22e\"\u003esetMaxConnTotal\u003c/span\u003e(500)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e    .\u003cspan style=\"color:#a6e22e\"\u003esetMaxConnPerRoute\u003c/span\u003e(100)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e    .\u003cspan style=\"color:#a6e22e\"\u003ebuild\u003c/span\u003e(); \u003cspan style=\"color:#75715e\"\u003e// \u0026lt;참고\u0026gt; 부분 확인\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e  httpComponentsClientHttpRequestFactory.\u003cspan style=\"color:#a6e22e\"\u003esetHttpClient\u003c/span\u003e(httpClient);\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e  RestTemplate restTemplate \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e \u003cspan style=\"color:#66d9ef\"\u003enew\u003c/span\u003e RestTemplate(httpComponentsClientHttpRequestFactory);\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e  \u003cspan style=\"color:#66d9ef\"\u003ereturn\u003c/span\u003e restTemplate;\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e}\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cdiv class=\"notice\"\u003e\n  \u003cp\u003e\u003cstrong\u003e[참고] httpClient 설정 이유\u003c/strong\u003e\u003c/p\u003e\n  \u003cp\u003e\n    RestTemplate 은 기본적으로 connection pool을 활용하지 않는다. 즉, 매 REST 호출마다 새로운 포트를 열어서 새로운 연결을 맺는다. 이때, close 직후에 해당 socket이 일정 시간동안 'TIME_WAIT' 상태에 들어가기 때문에 요청량이 많다면 이러한 상태의 소켓들을 재사용하지 못하고, 응답 지연 현상이 초래된다.\n  \u003c/p\u003e\n  \u003cp\u003e\n    이때, httpClient를 활용하여, RestTemplate 에서의 connection pool 설정을 할 수 있다.\n    \u003cul\u003e\n      \u003cli\u003e'maxConnPerRoute': IP, port 번호 1쌍에 가능한 연결 수 제한\u003c/li\u003e\n      \u003cli\u003e'maxTotal': 최대 오픈되는 연결 수 제한\u003c/li\u003e\n\t  \u003c/ul\u003e\n  \u003c/p\u003e\n\u003c/div\u003e\n\u003c/li\u003e\n\u003c/ul\u003e","title":"SpringBoot RestTemplate Timeout, interceptor logging 적용기"},{"content":"지난 글또 5기에 이어서 글또 6기에 참여하게 되어, 다짐글을 작성했습니다.\n지난 글또 5기 다짐글에 피드백을 달고, 내용을 보충하는 형식으로 다짐글을 작성하면서 마음을 다잡으려고 합니다.\n글또 6기 활동 목표\n꾸준한 글쓰기\n--\u0026gt; 위 목표는 이번 글또 6기 활동에서도 유효합니다. 구체적으로, 패쓰 없이 매 회차 제출을 목표로 합니다.\n피드백을 받음으로써, 글의 완성도 높이기\n--\u0026gt; 지난 글또 5기 활동을 하면서 피드백을 받는 것도 중요하지만, 피드백을 실제로 반영하는 작업까지 해야 좀 더 유의미하다는 깨달음을 얻었습니다. 이번 글또 6기 활동에서는 받은 피드백을 적극적으로 글에 반영하여, 여러번의 개선 작업을 거치려고 합니다.\n글또 6기에서 하고싶은 글쓰기\n주제 요즘 공부하고 있는 jpa와 «How linux works» 책 내용 정리\n--\u0026gt; 꼭 읽고 싶은 책 중에 하나인데, 약 10개월이 지난 지금도 아직 초반부에 갇혀있는 책입니다 ㅠㅠ 글쓰기 습관이 안착되면 글또 내에서 스터디 형식으로 같이 보고 싶습니다.\n시간이 가능하다면 최근에 시작한 kibana를 활용한 로그 분석에 대한 글도 정리\n--\u0026gt; 이 주제는 이번 회차에서도 목표로 하는 주제입니다. 그렇지만, 우선순위가 높지는 않습니다 ㅠㅠ 하반기 업무로 관련 내용을 진행하게 된다면 우선순위가 올라갈 것같습니다.\n업무에서 배운 내용들\n--\u0026gt; 지난 글또 5기 활동 당시 작성했던 글 중에서 업무 중에 겪었던 시행착오와 해결책을 정리했던 글이 제일 기억에 남고, 유익했습니다. 하여, 이번 6기 활동에서도 업무 중 배운 내용을 꼭 정리하려고 합니다.\n토이 프로젝트\n--\u0026gt; 하반기에 계획중인 토이프로젝트를 진행하면서 처음부터 마무리까지의 과정을 시리즈물로 정리하고 싶습니다.\n스타일 새로 알게된 내용, 중요하게 생각된 내용에 집중하는 글쓰기 처음에 개인 블로그에 스터디한 내용에 대한 포스팅을 시작했을 때, 그날 공부한 내용 전체 범위를 순차적으로 쭉 작성했습니다. 하지만, 이런 방식은 정리에 소요되는 시간에 비해서 정리되는 양도 많지 않고, 나중에 필요한 부분만 찾아서 보기가 어렵다는 문제점이 있었습니다. 따라서 이번에는 스터디를 하거나 업무를 하면서 새로 알게된 내용, 중요하게 생각된 내용에 집중하는 글쓰기를 하고 싶습니다. ","permalink":"https://quriemoon.github.io/posts/2021-08-01-geulddo6-start/","summary":"\u003cp\u003e지난 글또 5기에 이어서 글또 6기에 참여하게 되어, 다짐글을 작성했습니다.\u003c/p\u003e\n\u003cp\u003e지난 글또 5기 다짐글에 피드백을 달고, 내용을 보충하는 형식으로 다짐글을 작성하면서 마음을 다잡으려고 합니다.\u003c/p\u003e\n\u003chr\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e글또 6기 활동 목표\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e꾸준한 글쓰기\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003e--\u0026gt; 위 목표는 이번 글또 6기 활동에서도 유효합니다. 구체적으로, 패쓰 없이 매 회차 제출을 목표로 합니다.\u003c/code\u003e\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e피드백을 받음으로써, 글의 완성도 높이기\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003e--\u0026gt; 지난 글또 5기 활동을 하면서 피드백을 받는 것도 중요하지만, 피드백을 실제로 반영하는 작업까지 해야 좀 더 유의미하다는 깨달음을 얻었습니다. 이번 글또 6기 활동에서는 받은 피드백을 적극적으로 글에 반영하여, 여러번의 개선 작업을 거치려고 합니다.\u003c/code\u003e\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e글또 6기에서 하고싶은 글쓰기\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e주제\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e요즘 공부하고 있는 jpa와 «How linux works» 책 내용 정리\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003e--\u0026gt; 꼭 읽고 싶은 책 중에 하나인데, 약 10개월이 지난 지금도 아직 초반부에 갇혀있는 책입니다 ㅠㅠ 글쓰기 습관이 안착되면 글또 내에서 스터디 형식으로 같이 보고 싶습니다.\u003c/code\u003e\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e시간이 가능하다면 최근에 시작한 kibana를 활용한 로그 분석에 대한 글도 정리\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003e--\u0026gt; 이 주제는 이번 회차에서도 목표로 하는 주제입니다. 그렇지만, 우선순위가 높지는 않습니다 ㅠㅠ 하반기 업무로 관련 내용을 진행하게 된다면 우선순위가 올라갈 것같습니다.\u003c/code\u003e\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e업무에서 배운 내용들\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003e--\u0026gt; 지난 글또 5기 활동 당시 작성했던 글 중에서 업무 중에 겪었던 시행착오와 해결책을 정리했던 글이 제일 기억에 남고, 유익했습니다. 하여, 이번 6기 활동에서도 업무 중 배운 내용을 꼭 정리하려고 합니다.\u003c/code\u003e\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e토이 프로젝트\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003e--\u0026gt; 하반기에 계획중인 토이프로젝트를 진행하면서 처음부터 마무리까지의 과정을 시리즈물로 정리하고 싶습니다.\u003c/code\u003e\u003c/p\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e스타일\n\u003cul\u003e\n\u003cli\u003e새로 알게된 내용, 중요하게 생각된 내용에 집중하는 글쓰기\n\u003cul\u003e\n\u003cli\u003e처음에 개인 블로그에 스터디한 내용에 대한 포스팅을 시작했을 때, 그날 공부한 내용 전체 범위를 순차적으로 쭉 작성했습니다. 하지만, 이런 방식은 정리에 소요되는 시간에 비해서 정리되는 양도 많지 않고, 나중에 필요한 부분만 찾아서 보기가 어렵다는 문제점이 있었습니다. 따라서 이번에는 스터디를 하거나 업무를 하면서 새로 알게된 내용, 중요하게 생각된 내용에 집중하는 글쓰기를 하고 싶습니다.\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e","title":"글또 6기 다짐글"},{"content":"java application에서 javascript 코드 실행 시, 사용하는 ScriptEngine(Nashorn) 에 대한 간단한 소개와 함께, ScriptEngine 사용 중 발견한 javascript var 변수 scope 문제를 다뤄보려고 한다.\nScriptEngine(Nashorn) 이란 ScriptEngine 은 javax.script 패키지 내 있는 인터페이스로, scripting language 사용을 위한 기본적인 인터페이스이다.\nScriptEngine 을 이해하기에 앞서, javax.script 패키지부터 알아보자. 이 패키지는 Java SE 6에 추가된 패키지로, 다양한 scripting language를 java application에서 쉽게 사용할 수 있게 도와준다. 또한, 스크립트에서 java object에 접근할 수 있게 해준다.\n그렇다면 ScriptEngine 의 역할은 무엇일까? ScriptEngine 은 scripting code와 해당 코드를 실제로 실행하는 interpreter/compiler 사이에 있는 중간다리 역할을 한다.\nIntroducing the Java scripting API - Use the javax.script API to change a running application, IBM 의 Figure 1: Scripting API component relationships 참고\nScriptEngine 이라는 인터페이스를 사용함으로써, 각 script language의 interpreter가 해당 코드 실행을 위해서 어떤 클래스를 사용하는지에 대한 세부정보는 추상화되어 최종 사용자에게 보이지 않는다.\nNashorn은 ECMAScript 5.1 사양에 따라 구현된 jvm 공식 JavaScript 엔진이다. (java 8부터 지원)\n💡java code에서 javascript 사용이 필요할 경우, **nashorn**이라는 이름을 가진 ScriptEngine을 사용하면 된다. ScriptEngine(Nashorn) 간단한 활용법 기본적으로 아래와 같이 java application에서 javascript 코드를 실행할 수 있다.\nScriptEngine engine = new ScriptEngineManager().getEngineByName(\u0026#34;nashorn\u0026#34;); engine.eval(\u0026#34;print(\u0026#39;Hello World!\u0026#39;);\u0026#34;); 관련 튜토리얼: Java 8 Nashorn Tutorial ScriptEngine 사용중 발견한 javascript 변수 scope 문제 재현 스프링부트 어플리케이션에서 ScriptEngine을 통해서 javascript를 실행하던 중 javascript 변수가 엉뚱하게 공유되고 있는 문제를 발견했다.\n상황 설명 및 재현\n해당 스프링부트 어플리케이션에서 ScriptEngine 사용 시, ScriptEngine을 bean으로 등록하여 사용하였다. /* ScriptEngine --\u0026gt; bean으로 등록 */ @Configuration public class SEConfig { @Bean public ScriptEngine scriptEngine(){ ScriptEngine engine = new ScriptEngineManager().getEngineByName(\u0026#34;nashorn\u0026#34;); return engine; } } /* 위에서 등록한 ScriptEngine을 사용하는 서비스 */ @Service public class ScriptEngineService { private ScriptEngine scriptEngine; public ScriptEngineService(ScriptEngine scriptEngine){ this.scriptEngine = scriptEngine; } public void runJS(String jsCode){ ScriptContext context = scriptEngine.getContext(); Map\u0026lt;String, Integer\u0026gt; variableMap = new HashMap\u0026lt;\u0026gt;(); variableMap.put(\u0026#34;Agent_A\u0026#34;, 0); variableMap.put(\u0026#34;Agent_B\u0026#34;, 0); context.setAttribute(\u0026#34;variables\u0026#34;, variableMap, ScriptContext.ENGINE_SCOPE); try{ scriptEngine.eval(jsCode); }catch(ScriptException e){ System.out.println(String.format(\u0026#34;ScriptException while running js code: {}\u0026#34;, jsCode)); } } } javascript 변수 scope 관련 문제가 발생했던 상황 재현을 위한 이벤트 리스너를 만들어보았다.\n@Component public class SimpleListener implements ApplicationListener\u0026lt;ApplicationStartedEvent\u0026gt; { private ScriptEngineService scriptEngineService; public SimpleListener(ScriptEngineService scriptEngineService){ this.scriptEngineService = scriptEngineService; } @Override public void onApplicationEvent(ApplicationStartedEvent event) { // 첫번째 js code Thread agentA = new Thread(() -\u0026gt;{ scriptEngineService.runJS(\u0026#34;var agent_a_score = variables.get(\u0026#39;Agent_A\u0026#39;); for (var i = 0; i \u0026lt; 300; i++) { agent_a_score++; } print(\u0026#39;Agent_A \u0026#39; + String(agent_a_score));\u0026#34;); }); // 두번째 js code Thread agentB = new Thread(() -\u0026gt; { scriptEngineService.runJS(\u0026#34;var agent_b_score = variables.get(\u0026#39;Agent_B\u0026#39;); for (var i = 0; i \u0026lt; 10; i++) { agent_b_score++; } print(\u0026#39;Agent_B \u0026#39; + String(agent_b_score));\u0026#34;); }); agentA.start(); agentB.start(); } } 위 코드를 짰을 때, 의도했던 결과는 아래와 같다.\nAgent_A 300 Agent_B 10 하지만, 위 코드를 실행 결과는 아래와 같다.\nAgent_B 9 Agent_A 293 javascript 내 for-loop에서 변수 i를 초기화했지만, 의도했던 결과가 나오지 않았다. 이는 javascript에서 var keyword의 scope 때문에 발생하는 문제이다.\njavascript에서 var 키워드의 경우, 함수 외부에서 선언한 변수가 모두 전역 변수로 취급되기 때문에 위 i 변수도 공유된다.\n참고 링크: 자바스크립트 변수(var, let, const)와 스코프(function vs block) - FE study5\nScriptEngine 관련 javascript 변수 scope 문제 해결방법 위에서 서술한 문제를 해결하기 위해서 아래 두가지 방법을 찾아보았다.\n방법1: var 대신에 let 사용하기 자바스크립트에서 let 키워드의 경우, 해당 블록 내에서만 유효하기 때문에 위 문제가 해결될 것으로 보인다. 하지만, 변수 i 를 let 으로 선언했더니, ScriptException 이 발생하였다.\n\u0026ndash;\u0026gt; Nashorn이 ES5.1을 기준으로 구현이 되어서, let 키워드를 사용할 수 없는 것으로 보인다.\nIs it OK to use \u0026ldquo;let\u0026rdquo; and \u0026lsquo;const\u0026quot; in pre-ES6 code?\u0026rsquo;\n방법2: 매번 ScriptEngine context 초기화 아래와 같이 매번 ScriptContext를 초기화하는 방법도 있다.\n@Service public class ScriptEngineService { private ScriptEngine scriptEngine; public ScriptEngineService(ScriptEngine scriptEngine){ this.scriptEngine = scriptEngine; } public void runJS(String jsCode){ ScriptContext context = new SimpleScriptContext(); Map\u0026lt;String, Integer\u0026gt; variableMap = new HashMap\u0026lt;\u0026gt;(); variableMap.put(\u0026#34;Agent_A\u0026#34;, 0); variableMap.put(\u0026#34;Agent_B\u0026#34;, 0); context.setAttribute(\u0026#34;variables\u0026#34;, variableMap, ScriptContext.ENGINE_SCOPE); // ScriptContext 초기화 scriptEngine.setContext(context); try{ scriptEngine.eval(jsCode); }catch(ScriptException e){ System.out.println(String.format(\u0026#34;ScriptException while running js code: {}\u0026#34;, jsCode)); } } } 이 상태에서 스프링부트 어플리케이션 실행 시, 처음에 의도했던 결과를 확인할 수 있다.\nAgent_B 10 Agent_A 300 참고 Introducing the Java scripting API - Use the javax.script API to change a running application, IBM ","permalink":"https://quriemoon.github.io/posts/2021-02-07-scriptengine-nashorn-part-1/","summary":"\u003cp\u003ejava application에서 javascript 코드 실행 시, 사용하는 \u003ccode\u003eScriptEngine(Nashorn)\u003c/code\u003e 에 대한 간단한 소개와 함께,  \u003ccode\u003eScriptEngine\u003c/code\u003e 사용 중 발견한 \u003cstrong\u003ejavascript \u003ccode\u003evar\u003c/code\u003e 변수 scope 문제\u003c/strong\u003e를 다뤄보려고 한다.\u003c/p\u003e\n\u003chr\u003e\n\u003ch2 id=\"scriptenginenashorn-이란\"\u003eScriptEngine(Nashorn) 이란\u003c/h2\u003e\n\u003cp\u003e\u003ccode\u003eScriptEngine\u003c/code\u003e 은 \u003ccode\u003ejavax.script\u003c/code\u003e 패키지 내 있는 인터페이스로, scripting language 사용을 위한 기본적인 인터페이스이다.\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003eScriptEngine\u003c/code\u003e 을 이해하기에 앞서, \u003ccode\u003ejavax.script\u003c/code\u003e 패키지부터 알아보자. 이 패키지는 Java SE 6에 추가된 패키지로, 다양한 scripting language를 java application에서 쉽게 사용할 수 있게 도와준다. 또한, 스크립트에서 java object에 접근할 수 있게 해준다.\u003c/p\u003e","title":"ScriptEngine(Nashorn) 내 javascript var 변수 사용 시, 유의점"},{"content":"현재 수강중인 백기선 님의 «스프링 부트 개념과 활용» 강의 내용을 정리하고 있습니다.\napplication.properties 설정 파일에 있는 값 활용하기 application.properties 설정 파일에 있는 값을 불러올 때, 종종 아래와 같이 @Value 어노테이션을 활용하여, 불러옵니다.\n# application.properties 내 설정값 sample.value = Sample @Value(\u0026#34;sample.value\u0026#34;) private String sampleValue; 이번 강좌에서는 @Value 어노테이션을 활용하는 방법이 아닌, 관련 설정을 묶어서 bean으로 등록한 후에 활용하는 방안을 배웠습니다.\n설정 파일에서 아래 3개의 설정값(user.name , user.age, user.fullName) 을 활용하려는 상황을 가정해봅시다.\n# application.properties 내 설정값 user.name = Gildong user.age = ${random.int(1,100)} user.fullName = ${user.name} Hong 1단계: 위 설정 파일과 매핑될 클래스를 만들어줍니다.\n@Component @ConfigurationProperties(\u0026#34;user\u0026#34;) public class UserProperties { private String name; private int age; private String fullName; public int getAge() { return age; } public void setAge(int age) { this.age = age; } public String getFullName() { return fullName; } public void setFullName(String fullName) { this.fullName = fullName; } public String getName() { return name; } public void setName(String name) { this.name = name; } } @ConfigurationProperties에 사용하려는 설정들의 공통 prefix인 \u0026ldquo;user\u0026quot;를 명시합니다.\n2단계: 위 설정을 사용하려는 곳에서 위 Bean으로 등록된 위 설정을 활용합니다.\n@Component public class PracticeApplicationRunner implements ApplicationRunner { @Autowired private UserProperties userProperties; @Override public void run(ApplicationArguments args) throws Exception { System.out.println(\u0026#34;==================\u0026#34;); System.out.println(userProperties.getName()); System.out.println(\u0026#34;==================\u0026#34;); } } 관련 설정을 묶어서 bean으로 등록한 후, 활용 vs. @Value 어노테이션 활용 @Value 어노테이션을 사용하는 대신에, 위와 같이 관련 설정을 bean으로 등록하여, 사용 시, 아래와 같은 장점이 있습니다.\n융통성 있는 바인딩\n프로퍼티 값을 camel-case(예: fullName), kebab-case(예: full-name) 등등 다양한 형식으로 작성하더라도 융통성 있게 바인딩됩니다. 프로퍼티 타입 컨버전\n프로퍼티 값 검증\n@Validated 어노테이션을 사용하여, 아래와 같이 프로퍼티가 특정 조건에 부합하는지 검사할 수 있습니다.\n@Component @ConfigurationProperties(\u0026#34;user\u0026#34;) @Validated public class UserProperties { @NotEmpty private String name; // name 필드에 빈 값이 들어올 수 없음 ... } @Value 어노테이션 사용 시, SpEL을 적용할 수 있다는 장점이 있으나, 위에서 언급한 장점들을 활용할 수 없습니다.\n따라서 이번 강의에서는 @Value 어노테이션보다는 위와 같이 관련 있는 설정들을 bean으로 등록하여, 사용하는 걸 권장하고 있습니다.\n","permalink":"https://quriemoon.github.io/posts/2021-01-03-spring-boot-basic-part4-use-application-properties-file/","summary":"\u003cp\u003e현재 수강중인 백기선 님의 \u003ca href=\"https://www.inflearn.com/course/%EC%8A%A4%ED%94%84%EB%A7%81%EB%B6%80%ED%8A%B8/dashboard\"\u003e«스프링 부트 개념과 활용»\u003c/a\u003e 강의 내용을 정리하고 있습니다.\u003c/p\u003e\n\u003ch4 id=\"applicationproperties-설정-파일에-있는-값-활용하기\"\u003eapplication.properties 설정 파일에 있는 값 활용하기\u003c/h4\u003e\n\u003cp\u003eapplication.properties 설정 파일에 있는 값을 불러올 때, 종종 아래와 같이 \u003ccode\u003e@Value\u003c/code\u003e 어노테이션을 활용하여, 불러옵니다.\u003c/p\u003e\n\u003cpre tabindex=\"0\"\u003e\u003ccode\u003e# application.properties 내 설정값\nsample.value = Sample\n\u003c/code\u003e\u003c/pre\u003e\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-java\" data-lang=\"java\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#a6e22e\"\u003e@Value\u003c/span\u003e(\u003cspan style=\"color:#e6db74\"\u003e\u0026#34;sample.value\u0026#34;\u003c/span\u003e)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#66d9ef\"\u003eprivate\u003c/span\u003e String sampleValue;\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e이번 강좌에서는 \u003ccode\u003e@Value\u003c/code\u003e 어노테이션을 활용하는 방법이 아닌, 관련 설정을 묶어서 bean으로 등록한 후에 활용하는 방안을 배웠습니다.\u003c/p\u003e\n\u003cp\u003e설정 파일에서 아래 3개의 설정값(\u003ccode\u003euser.name\u003c/code\u003e , \u003ccode\u003euser.age\u003c/code\u003e, \u003ccode\u003euser.fullName\u003c/code\u003e) 을 활용하려는 상황을 가정해봅시다.\u003c/p\u003e","title":"[강의 내용 정리] \u003c\u003c스프링 부트 개념과 활용\u003e\u003e - 스프링부트에서 application.properties 설정파일 사용법"},{"content":"현재 수강중인 백기선 님의 «스프링 부트 개념과 활용» 강의 내용을 정리하고 있습니다.\n독립적으로 실행 가능한 jar 스프링부트를 처음해보면 jar 파일 하나만으로 실행 가능하다는 점이 참 신기합니다.\n실행하려는 애플리케이션 클래스 정보부터 필요한 외부 라이브러리까지 모조리 땅땅 jar 파일 하나에 어떻게 담겨 있을까요?\n이는 스프링부트 기본 프로젝트에 포함되어 있는 spring-boot-maven-plugin 덕분에 가능해집니다.\n위 spring-boot-maven-plugin 플러그인은 크게 아래 두가지 일을 수행합니다.\njar 파일에서 필요한 기본 정보 추가\n패키징된 스프링부트 jar 파일 압축 풀어보면, META-INF/MANIFIEST.MF 내 jar 파일에서 필요한 아래 정보가 추가된 걸 확인할 수 있습니다.\nManifest-Version: 1.0 Created-By: Maven Jar Plugin 3.2.0 Build-Jdk-Spec: 15 Implementation-Title: spring-boot-getting-started Implementation-Version: 1.0-SNAPSHOT Main-Class: org.springframework.boot.loader.JarLauncher Start-Class: me.quriemoon.Application Spring-Boot-Version: 2.4.0 Spring-Boot-Classes: BOOT-INF/classes/ Spring-Boot-Lib: BOOT-INF/lib/ Spring-Boot-Classpath-Index: BOOT-INF/classpath.idx Spring-Boot-Layers-Index: BOOT-INF/layers.idx 위 정보들 중 특히 중요한 정보는 Main-Class, Start-Class, Spring-Boot-Classes, Spring-Boot-Lib입니다.\nMain-Class : 스프링부트 프로젝트의 경우, Main-Class의 값으로 스프링부트의 org.springframework.boot.loader.JarLauncher를 지정합니다.\nStart-Class : 현재 개발중인 프로젝트의 메인클래스를 Start-Class값으로 지정합니다.\n스프링부트 프로젝트가 아니라면, Main-Class 에 개발중인 프로젝트의 메인클래스가 위치해야합니다.\nSpring-Boot-Classes : 현재 개발중인 프로젝트의 클래스 파일들이 위치한 경로입니다.\nSpring-Boot-Lib : pom.xml 에서 추가한 외부 라이브러리들이 위치한 경로입니다.\n패키징 시, 아래와 같은 계층 구조로 jar 파일 생성\n패키징된 스프링부트 jar 파일 압축을 풀어보면, 아래와 같은 구조를 확인할 수 있습니다.\n위 구조에서 BOOT-INF/classes 에는 애플리케이션 클래스가, BOOT-INF/lib 에는 프로젝트에서 사용하는 라이브러리들이 위치한 걸 확인할 수 있습니다.\n이렇게 하나의 jar 파일이 생성되면\u0026hellip;\norg.springframework.boot.loader.jar.JarFile 을 사용해서 내장 jar를 읽고, org.springframework.boot.loader.jar.Launcher 를 사용해서 스프링부트 애플리케이션을 실행합니다. 참고/인용 자료\nspring-boot-maven-plugin의 역할 본문에 등장한 jar 파일 구조 사진 자료도 위 링크에서 다운로드한 자료입니다. ","permalink":"https://quriemoon.github.io/posts/2020-12-27-spring-boot-basics-part3-2/","summary":"\u003cp\u003e현재 수강중인 백기선 님의 \u003ca href=\"https://www.inflearn.com/course/%EC%8A%A4%ED%94%84%EB%A7%81%EB%B6%80%ED%8A%B8/dashboard\"\u003e«스프링 부트 개념과 활용»\u003c/a\u003e 강의 내용을 정리하고 있습니다.\u003c/p\u003e\n\u003chr\u003e\n\u003ch4 id=\"독립적으로-실행-가능한-jar\"\u003e독립적으로 실행 가능한 jar\u003c/h4\u003e\n\u003cp\u003e스프링부트를 처음해보면 jar 파일 하나만으로 실행 가능하다는 점이 참 신기합니다.\u003c/p\u003e\n\u003cp\u003e실행하려는 애플리케이션 클래스 정보부터 필요한 외부 라이브러리까지 모조리 땅땅 jar 파일 하나에 어떻게 담겨 있을까요?\u003c/p\u003e\n\u003cp\u003e이는 스프링부트 기본 프로젝트에 포함되어 있는 \u003ccode\u003espring-boot-maven-plugin\u003c/code\u003e 덕분에 가능해집니다.\u003c/p\u003e\n\u003cp\u003e위 \u003ccode\u003espring-boot-maven-plugin\u003c/code\u003e 플러그인은 크게 아래 두가지 일을 수행합니다.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003e\n\u003cp\u003ejar 파일에서 필요한 기본 정보 추가\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e패키징된 스프링부트 jar 파일 압축 풀어보면, \u003ccode\u003eMETA-INF/MANIFIEST.MF\u003c/code\u003e 내 jar 파일에서 필요한 아래 정보가 추가된 걸 확인할 수 있습니다.\u003c/p\u003e\n\u003cpre tabindex=\"0\"\u003e\u003ccode\u003eManifest-Version: 1.0\nCreated-By: Maven Jar Plugin 3.2.0\nBuild-Jdk-Spec: 15\nImplementation-Title: spring-boot-getting-started\nImplementation-Version: 1.0-SNAPSHOT\nMain-Class: org.springframework.boot.loader.JarLauncher\nStart-Class: me.quriemoon.Application\nSpring-Boot-Version: 2.4.0\nSpring-Boot-Classes: BOOT-INF/classes/\nSpring-Boot-Lib: BOOT-INF/lib/\nSpring-Boot-Classpath-Index: BOOT-INF/classpath.idx\nSpring-Boot-Layers-Index: BOOT-INF/layers.idx\n\u003c/code\u003e\u003c/pre\u003e\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e위 정보들 중 특히 중요한 정보는 \u003ccode\u003eMain-Class\u003c/code\u003e, \u003ccode\u003eStart-Class\u003c/code\u003e, \u003ccode\u003eSpring-Boot-Classes\u003c/code\u003e, \u003ccode\u003eSpring-Boot-Lib\u003c/code\u003e입니다.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e\u003ccode\u003eMain-Class\u003c/code\u003e : 스프링부트 프로젝트의 경우, Main-Class의 값으로 스프링부트의 \u003ccode\u003eorg.springframework.boot.loader.JarLauncher\u003c/code\u003e를 지정합니다.\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003ccode\u003eStart-Class\u003c/code\u003e : 현재 개발중인 프로젝트의 메인클래스를 Start-Class값으로 지정합니다.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003e스프링부트 프로젝트가 아니라면, \u003ccode\u003eMain-Class\u003c/code\u003e 에 개발중인 프로젝트의 메인클래스가 위치해야합니다.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003ccode\u003eSpring-Boot-Classes\u003c/code\u003e : 현재 개발중인 프로젝트의 클래스 파일들이 위치한 경로입니다.\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e\u003ccode\u003eSpring-Boot-Lib\u003c/code\u003e : \u003ccode\u003epom.xml\u003c/code\u003e 에서 추가한 외부 라이브러리들이 위치한 경로입니다.\u003c/p\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e패키징 시, 아래와 같은 계층 구조로 jar 파일 생성\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e패키징된 스프링부트 jar 파일 압축을 풀어보면, 아래와 같은 구조를 확인할 수 있습니다.\u003c/p\u003e\n\u003cp\u003e\u003cimg alt=\"springboot-jar-hierarchy\" loading=\"lazy\" src=\"/images/post_images/spring-boot-basics-baek/springboot-jar-hierarchy.png\"\u003e\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e위 구조에서 \u003ccode\u003eBOOT-INF/classes\u003c/code\u003e 에는 애플리케이션 클래스가, \u003ccode\u003eBOOT-INF/lib\u003c/code\u003e 에는 프로젝트에서 사용하는 라이브러리들이 위치한 걸 확인할 수 있습니다.\u003c/p\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ol\u003e","title":"[강의 내용 정리] \u003c\u003c스프링 부트 개념과 활용\u003e\u003e - 독립적으로 실행 가능한 jar"},{"content":"현재 수강중인 백기선 님의 «스프링 부트 개념과 활용» 강의 내용을 정리하고 있습니다.\n의존성 관리 Springboot 프로젝트에서 의존성 관리를 하는 방법은 아래 두 가지 방법이 있습니다.\n(권장) pom.xml에서 spring-boot-starter-parent 활용\nspring-boot-starter-parent 의 parent 프로젝트인 spring-boot-dependencies 프로젝트로 버전 관리가 이루어집니다.\n위 \u0026lt;parent\u0026gt; 설정을 마친 이후에는 아래와 같이 의존성을 추가합니다.\n스프링부트가 버전 관리 해주는 의존성 의 경우, \u0026lt;dependency\u0026gt; 태그를 사용합니다.\n\u0026lt;dependency\u0026gt; \u0026lt;groupId\u0026gt;org.springframework.boot\u0026lt;/groupId\u0026gt; \u0026lt;artifactId\u0026gt;spring-boot-starter-undertow\u0026lt;/artifactId\u0026gt; \u0026lt;/dependency\u0026gt; 스프링부트 관련 문서를 보면 spring-boot-starter-parent 자체가 의존성을 제공하지 않기 때문에 필요한 의존성을 추가하기 위해서는 spring-boot-starter-web 의존성을 추가해야한다고 합니다.\n스프링부트에서 이미 관리하고 있는 의존성 버전을 변경하고 싶을 경우, \u0026lt;properties\u0026gt; 태그를 활용하여 변경합니다.\n\u0026lt;properties\u0026gt; \u0026lt;spring.version\u0026gt;5.0.6.RELEASE\u0026lt;/spring.version\u0026gt; \u0026lt;/properties\u0026gt; 스프링부트에서 버전 관리를 하지 않는 의존성의 경우, 꼭 \u0026lt;version\u0026gt;까지 명시하여 의존성을 추가합니다. parent POM 없이dependencyManangement 활용\nparent POM 에서는 dependency 뿐만 아니라, java version, encoding 등 다른 property에 대한 설정도 이루어지기 때문에 이 방법은 권하지 않습니다. 자동설정 Springboot 에서는 bean을 통상 2번 등록합니다.\n@ComponentScan 기준으로 bean 등록 @ComponentScan은 @Component 기준으로 bean을 스캔/등록합니다. 이때, @ComponentScan 어노테이션이 붙은 클래스가 속한 패키지의 bean을 등록합니다. @EnableAutoConfiguration 기준으로 bean 등록 이때, 자동설정 내용을 기준으로 한 bean이 생성됩니다. @SpringBootApplication 어노테이션에는 @ComponentScan, @EnableAutoConfiguration 이 포함되어 있습니다.\n따라서 같은 이름의 bean이 두 번 등록될 경우에는 @EnableAutoConfiguration 기준으로 생성된 bean이 @ComponentScan 기준으로 생성던 bean을 덮어씁니다. 따라서 이 경우에는 @ConditionalOnMissingBean 어노테이션을 통하여, @ComponentScan 때, 등록한 bean을 활용할 수 있습니다.\n자동설정 관련 어노테이션 및 설정 파일을 추가로 정리해보면 아래와 같습니다.\n@Configuration\nBean을 등록하는 java 설정 파일 @ConfigurationProperties\nproperty 값을 직접 설정하여, bean 을 생성 시, 필요함\n위 어노테이션 사용 시, 아래 설정 필요함\n3.1. Configure the Annotation Processor\nproperty를 활용 시, 해당 starter를 참조하는 메인 프로젝트의 설정 파일(application.properties)에서 설정한 property 값대로 bean 생성됨 @EnableConfigurationProperties\nproperty 설정 참고 시, 필요한 어노테이션 예) @EnableConfigurationProperties(SampleProperties.class) src/main/resources/META-INF/spring.factories\n자동설정 시 불러오려는 설정 클래스명(예: SampleConfiguration)을 spring.factories 에 아래와 같이 명시합니다.\norg.springframework.boot.autoconfigure.EnableAutoConfiguration=\\ com.sample.SampleConfiguration 나중에 위 설정을 포함한 starter 프로젝트를 타 프로젝트에서 참조 시, 해당 jar 파일의 META-INF/spring.factories 에 위에서 설정한 src/main/resources/META-INF/spring.factories 내용을 확인할 수 있습니다. 다음 글에서는 스프링부트 내장 웹 서버와 독립적으로 실행 가능한 jar 에 대해서 다뤄보겠습니다.\n","permalink":"https://quriemoon.github.io/posts/2020-12-13-spring-boot-basics-part3/","summary":"\u003cp\u003e현재 수강중인 백기선 님의 \u003ca href=\"https://www.inflearn.com/course/%EC%8A%A4%ED%94%84%EB%A7%81%EB%B6%80%ED%8A%B8/dashboard\"\u003e«스프링 부트 개념과 활용»\u003c/a\u003e 강의 내용을 정리하고 있습니다.\u003c/p\u003e\n\u003chr\u003e\n\u003ch4 id=\"의존성-관리\"\u003e의존성 관리\u003c/h4\u003e\n\u003cp\u003eSpringboot 프로젝트에서 의존성 관리를 하는 방법은 아래 두 가지 방법이 있습니다.\u003c/p\u003e\n\u003col\u003e\n\u003cli\u003e\n\u003cp\u003e(권장) pom.xml에서 \u003ccode\u003espring-boot-starter-parent\u003c/code\u003e 활용\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e\u003ccode\u003espring-boot-starter-parent\u003c/code\u003e 의 parent 프로젝트인 \u003ccode\u003espring-boot-dependencies\u003c/code\u003e 프로젝트로 버전 관리가 이루어집니다.\u003c/p\u003e\n\u003cp\u003e\u003cstrong\u003e\u003cimg alt=\"spring-boot-basics-part3-dependency-01\" loading=\"lazy\" src=\"/images/post_images/spring-boot-basics-baek/2020-12-13-spring-boot-basics-1.jpg\"\u003e\u003c/strong\u003e\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e위 \u003ccode\u003e\u0026lt;parent\u0026gt;\u003c/code\u003e 설정을 마친 이후에는 아래와 같이 의존성을 추가합니다.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e스프링부트가 버전 관리 해주는 의존성 의 경우, \u003ccode\u003e\u0026lt;dependency\u0026gt;\u003c/code\u003e 태그를 사용합니다.\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-xml\" data-lang=\"xml\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e        \u003cspan style=\"color:#f92672\"\u003e\u0026lt;dependency\u0026gt;\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e            \u003cspan style=\"color:#f92672\"\u003e\u0026lt;groupId\u0026gt;\u003c/span\u003eorg.springframework.boot\u003cspan style=\"color:#f92672\"\u003e\u0026lt;/groupId\u0026gt;\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e            \u003cspan style=\"color:#f92672\"\u003e\u0026lt;artifactId\u0026gt;\u003c/span\u003espring-boot-starter-undertow\u003cspan style=\"color:#f92672\"\u003e\u0026lt;/artifactId\u0026gt;\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e        \u003cspan style=\"color:#f92672\"\u003e\u0026lt;/dependency\u0026gt;\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cblockquote\u003e\n\u003cp\u003e\u003ca href=\"https://docs.spring.io/spring-boot/docs/current/reference/htmlsingle/\"\u003e스프링부트 관련 문서\u003c/a\u003e를 보면 \u003ccode\u003espring-boot-starter-parent\u003c/code\u003e 자체가 의존성을 제공하지 않기 때문에 필요한 의존성을 추가하기 위해서는 \u003ccode\u003espring-boot-starter-web\u003c/code\u003e 의존성을 추가해야한다고 합니다.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e스프링부트에서 이미 관리하고 있는 의존성 버전을 변경하고 싶을 경우, \u003ccode\u003e\u0026lt;properties\u0026gt;\u003c/code\u003e 태그를 활용하여 변경합니다.\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-xml\" data-lang=\"xml\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e        \u003cspan style=\"color:#f92672\"\u003e\u0026lt;properties\u0026gt;\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e            \u003cspan style=\"color:#f92672\"\u003e\u0026lt;spring.version\u0026gt;\u003c/span\u003e5.0.6.RELEASE\u003cspan style=\"color:#f92672\"\u003e\u0026lt;/spring.version\u0026gt;\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e        \u003cspan style=\"color:#f92672\"\u003e\u0026lt;/properties\u0026gt;\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cul\u003e\n\u003cli\u003e스프링부트에서 버전 관리를 하지 않는 의존성의 경우, 꼭 \u003ccode\u003e\u0026lt;version\u0026gt;\u003c/code\u003e까지 명시하여 의존성을 추가합니다.\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003eparent POM 없이\u003ccode\u003edependencyManangement\u003c/code\u003e 활용\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003eparent POM 에서는 dependency 뿐만 아니라, java version, encoding 등 다른 property에 대한 설정도 이루어지기 때문에 이 방법은 권하지 않습니다.\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ol\u003e","title":"[강의 내용 정리] \u003c\u003c스프링 부트 개념과 활용\u003e\u003e - 의존성 관리, 자동설정"},{"content":"이번 11월부터 글또 5기에 참여하게 되었습니다. 이에 첫번째 글로 다짐글을 쓰려고 합니다. 다짐글을 쓰려니 괜히 쑥스러운 마음도 들고, 용두사미가 되지 않을까 하는 걱정이 모락모락 피어오릅니다. 그렇지만 다짐글을 쓰면서 이번 글또 5기 활동 계획을 다시 정리하고, 본격적인 글또 5기 활동을 시작하겠습니다.\n글또 5기 활동 목표 꾸준한 글쓰기 피드백을 받음으로써, 글의 완성도 높이기 글또 5기에서 하고싶은 글쓰기 주제 요즘 공부하고 있는 jpa와 «How linux works» 책 내용 정리 시간이 가능하다면 최근에 시작한 kibana를 활용한 로그 분석에 대한 글도 정리 스타일 새로 알게된 내용, 중요하게 생각된 내용에 집중하는 글쓰기 처음에 개인 블로그에 스터디한 내용에 대한 포스팅을 시작했을 때, 그날 공부한 내용 전체 범위를 순차적으로 쭉 작성했습니다. 하지만, 이런 방식은 정리에 소요되는 시간에 비해서 정리되는 양도 많지 않고, 나중에 필요한 부분만 찾아서 보기가 어렵다는 문제점이 있었습니다. 따라서 이번에는 스터디를 하거나 업무를 하면서 새로 알게된 내용, 중요하게 생각된 내용에 집중하는 글쓰기를 하고 싶습니다. ","permalink":"https://quriemoon.github.io/posts/2020-11-15-geulddo5-start/","summary":"\u003cp\u003e이번 11월부터 글또 5기에 참여하게 되었습니다. 이에 첫번째 글로 다짐글을 쓰려고 합니다. 다짐글을 쓰려니 괜히 쑥스러운 마음도 들고, 용두사미가 되지 않을까 하는 걱정이 모락모락 피어오릅니다. 그렇지만 다짐글을 쓰면서 이번 글또 5기 활동 계획을 다시 정리하고, 본격적인 글또 5기 활동을 시작하겠습니다.\u003c/p\u003e\n\u003chr\u003e\n\u003cul\u003e\n\u003cli\u003e글또 5기 활동 목표\u003c/li\u003e\n\u003cli\u003e꾸준한 글쓰기\u003c/li\u003e\n\u003cli\u003e피드백을 받음으로써, 글의 완성도 높이기\u003c/li\u003e\n\u003cli\u003e글또 5기에서 하고싶은 글쓰기\n\u003cul\u003e\n\u003cli\u003e주제\n\u003cul\u003e\n\u003cli\u003e요즘 공부하고 있는 jpa와 «How linux works» 책 내용 정리\u003c/li\u003e\n\u003cli\u003e시간이 가능하다면 최근에 시작한 kibana를 활용한 로그 분석에 대한 글도 정리\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003cli\u003e스타일\n\u003cul\u003e\n\u003cli\u003e새로 알게된 내용, 중요하게 생각된 내용에 집중하는 글쓰기\n\u003cul\u003e\n\u003cli\u003e처음에 개인 블로그에 스터디한 내용에 대한 포스팅을 시작했을 때, 그날 공부한 내용 전체 범위를 순차적으로 쭉 작성했습니다. 하지만, 이런 방식은 정리에 소요되는 시간에 비해서 정리되는 양도 많지 않고, 나중에 필요한 부분만 찾아서 보기가 어렵다는 문제점이 있었습니다. 따라서 이번에는 스터디를 하거나 업무를 하면서 새로 알게된 내용, 중요하게 생각된 내용에 집중하는 글쓰기를 하고 싶습니다.\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003c/li\u003e\n\u003c/ul\u003e","title":"글또 5기 다짐글"},{"content":"이 포스트는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; (written by Luciano Ramalho, 강권학 옮김) 스터디를 진행하면서 공부한 내용을 정리하는 목적으로 작성되었습니다. 따라서 이 포스트 내 설명 및 코드의 출처는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; 임을 미리 밝힙니다.\nChapter 3. 딕셔너리와 집합 파이썬에서 딕셔너리( dict 형)은 애플리케이션에서 뿐만 아니라 파이썬 구현 부분에서도 중요한 역할을 한다. 따라서 파이썬 dict 클래스는 상당히 최적화되어 있는데, 이러한 최적화 뒤에는 해시 테이블 이 있다. 이 해시 테이블을 이용해서 딕셔너리뿐만 아니라 집합 도 구현된다. 해시 테이블의 작동 방식 및 의미에 대해서는 뒤에서 더 알아보자.\n3.1 일반적인 매핑형 딕셔너리 챕터에서 매핑형이 등장하는 이유는 파이썬의 컨테이너 추상 클래스인 collections.abc 모듈에서 dict 및 이와 비슷한 자료형의 인터페이스를 정의하기 위해 Mapping 및 MutableMapping 추상 베이스 클래스를 제공하기 때문이다. 이러한 추상 베이스 클래스는 매핑이 제공해야하는 최소한의 인터페이스를 정의한다.\n책을 보면, 표준 라이브러리에서 제공하는 매핑형은 모두 dict 를 이용해서 구현하기 때문에 값은 해시 가능할 필요 없지만, 키가 해시 가능해야한다는 조건이 있다. 그렇다면 해시 가능하다는 말은 무슨 말일까? 책의 설명에 따르면, 아래와 같이 정의된다.\n주어진 수명 주기 (lifetime) 동안 결코 변하지 않는 해시값을 갖고 있고 ( __hash__() 메서드가 필요하다) 다른 객체와 비교할 수 있으면 (__eq__() 메서드가 필요하다), 객체를 해시 가능하다고 한다. 또한, 동일하다고 판단되는 객체는 반드시 해시값이 같아야한다.\n이에 따르면 다음 type을 가진 객체는 해시 가능하다.\n원자적 불변형 (atomic immutable types): str , byte , int 를 비롯한 수치형\nfrozenset\ntuple —\u0026gt; 튜플은 원소들이 모두 해시 가능할 때만 해시 가능하다.\n\u0026gt;\u0026gt;\u0026gt; t1 = (1,2,3) \u0026gt;\u0026gt;\u0026gt; hash(t1) # hashable 2528502973977326415 \u0026gt;\u0026gt;\u0026gt; t2 = (1, 2, (30, 40)) \u0026gt;\u0026gt;\u0026gt; hash(t2) # hashable 8027212646858338501 \u0026gt;\u0026gt;\u0026gt; t3 = (1, 2, [30, 40]) # list --\u0026gt; mutable object \u0026gt;\u0026gt;\u0026gt; hash(t3) # unhashable Traceback (most recent call last): File \u0026#34;\u0026lt;stdin\u0026gt;\u0026#34;, line 1, in \u0026lt;module\u0026gt; TypeError: unhashable type: \u0026#39;list\u0026#39; \u0026gt;\u0026gt;\u0026gt; t4 = (1, 2, frozenset([30,40])) \u0026gt;\u0026gt;\u0026gt; hash(t4) # hashable 985328935373711578 사용자 정의 자료형 사용자 정의 자료형의 경우, 해쉬값이 자신의 id() 값이기 때문에 서로 다르다. 따라서 사용자 정의 자료형은 기본적으로 해시 가능하다. 만약에 사용자가 직접 __eq__ 를 구현해서 사용하는 경우에는, 해시값 계산에 사용되는 속성이 불변(immutable)형 일때만 해당 객체가 해쉬 가능하다. 다시 본문으로 돌아와서, 결국 키가 해시 가능하다는 말은, 키로 사용되는 객체가 선언되어 수명 주기 동안에 변하지 않는 해시값을 가지고 있고, __eq__() 메서드로 다른 객체와 비교할 수 있으면 된다.\n위를 참고하여, 해시 가능한 키값이라는 조건만 유의하여 아래와 같이 다양하게 딕셔너리를 구현할 수 있다.\n\u0026gt;\u0026gt;\u0026gt; a = dict(one=1, two=2, three=3) # one에 \u0026#39;\u0026#39; 없는 것 주의! \u0026gt;\u0026gt;\u0026gt; b = {\u0026#39;one\u0026#39;:1, \u0026#39;two\u0026#39;:2, \u0026#39;three\u0026#39;:3} \u0026gt;\u0026gt;\u0026gt; c = dict(zip([\u0026#39;one\u0026#39;, \u0026#39;two\u0026#39;, \u0026#39;three\u0026#39;], [1,2,3])) \u0026gt;\u0026gt;\u0026gt; d = dict([(\u0026#39;two\u0026#39;, 2), (\u0026#39;one\u0026#39;, 1), (\u0026#39;three\u0026#39;, 3)]) \u0026gt;\u0026gt;\u0026gt; e = dict({\u0026#39;three\u0026#39;:3, \u0026#39;one\u0026#39;:1, \u0026#39;two\u0026#39;:2}) \u0026gt;\u0026gt;\u0026gt; \u0026gt;\u0026gt;\u0026gt; a == b == c == d == e True \u0026gt;\u0026gt;\u0026gt; a {\u0026#39;one\u0026#39;: 1, \u0026#39;two\u0026#39;: 2, \u0026#39;three\u0026#39;: 3} 다음 절에서 지능형 딕셔너리 (dict comprehensions)를 이용해서 딕셔너리 객체를 만드는 법을 알아보자.\n3.2 지능형 딕셔너리 시퀀스 형의 하나인 리스트 부분에서 등장했던 지능형 리스트(list_comp)와 비슷하게, 딕셔너리에 대해서도 지능형 딕셔너리(dictcomp) 가 있다. 지능형 딕셔너리는 모든 반복형 객체에서 키-값 쌍(pair)을 생성함으로써 딕셔너리 객체를 만든다.\n\u0026gt;\u0026gt;\u0026gt; DIAL_CODES = [ ... (11, \u0026#39;Seoul\u0026#39;), ... (21, \u0026#39;Busan\u0026#39;), ... (22, \u0026#39;Daegu\u0026#39;), ... (23, \u0026#39;Incheon\u0026#39;), ... (24, \u0026#39;Gwangju\u0026#39;), ... ] \u0026gt;\u0026gt;\u0026gt; city_code = {city: code for code, city in DIAL_CODES} \u0026gt;\u0026gt;\u0026gt; city_code {\u0026#39;Seoul\u0026#39;: 11, \u0026#39;Busan\u0026#39;: 21, \u0026#39;Daegu\u0026#39;: 22, \u0026#39;Incheon\u0026#39;: 23, \u0026#39;Gwangju\u0026#39;: 24} \u0026gt;\u0026gt;\u0026gt; type(city_code) \u0026lt;class \u0026#39;dict\u0026#39;\u0026gt; \u0026gt;\u0026gt;\u0026gt; {code: city.upper() for city, code in city_code.items() if code\u0026gt;21} {22: \u0026#39;DAEGU\u0026#39;, 23: \u0026#39;INCHEON\u0026#39;, 24: \u0026#39;GWANGJU\u0026#39;} 3.3 공통적인 매핑 메서드 책에 나와있는 dict, collections.defaultdict, collections.OrderedDict 매핑형의 메서드 정리 부분을 보다보면, update() 메서드 설명 중에서 덕 타이핑(duck typing) 이라는 표현을 볼 수 있다.\n덕 타이핑(duck typing)이 무엇일까? 덕 타이핑을 아래 문장으로 요약할 수 있다.\n만약 오리처럼 걷고, 오리처럼 꽥꽥 거린다면, 그것은 오리라고 할 것이다.\n즉, 사람이 오리처럼 행동한다면 그 사람을 오리로 봐도 무방하다는 게 덕 타이핑이다. 좀 더 메서드 관점에서 설명해보면, 타입을 미리 정해두는 것이 아니라 실행이 되었을 때, 해당 메서드를 확인 후, 타입을 정한다. 아래 예제 코드를 보자.\nclass Duck: def quack(self): print(\u0026#34;꽥꽥!\u0026#34;) def feathers(self): print(\u0026#34;오리에게 흰색, 회색 깃털이 있습니다.\u0026#34;) class Person: def quack(self): print(\u0026#34;이 사람이 오리를 흉내내네요.\u0026#34;) def feathers(self): print(\u0026#34;사람은 바닥에서 깃털을 주어서 보여 줍니다.\u0026#34;) def in_the_forest(duck): duck.quack() duck.feathers() def game(): donald = Duck() john = Person() in_the_forest(donald) in_the_forest(john) if __name__ == \u0026#34;__main__\u0026#34;: game() # 실행 결과 # 꽥꽥! # 오리에게 흰색, 회색 깃털이 있습니다. # 이 사람이 오리를 흉내내네요. # 사람은 바닥에서 깃털을 주어서 보여 줍니다. 코드 출처: 덕 타이핑(위키피디아)\n위 예제 코드에서 덕 타이핑이 적용되지 않았다면 duck (오리) 라는 타입의 객체를 인자로 받아 해당 객체의 quack (꽥꽥거리기) 함수와 feathers 함수를 호출했을 것이다. 하지만, 위 예제에는 덕 타이핑 기법이 적용되었기 때문에 인자로 받은 객체가 quack 메소드와 feathers 메소드를 갖고 있다면, 해당 객체를 duck (오리) 타입으로 간주한다.\n이렇듯 덕 타이핑은 런타임 데이터를 기반으로, 타입을 판단하기 때문에 타입에 대해 매우 자유롭다. 하지만, 미리 예상하기 어려운 런타임 자료형 오류가 발생할 수도 있다는 단점이 있다.\n덕 타이핑 장단점 설명 출처: 덕 타이핑(Duck Typing)이란?\n이러한 덕 타이핑 기법 덕분에 d.update(m, [**kargs]) 에서 m 을 유연하게 처리할 수 있다. 구체적으로, m 이 keys() 메서드를 가지고 있으면 매핑으로 간주하고, keys() 메서드를 가지고 있지 않더라도 m 의 항목들이 (키, 값) 쌍으로 되어 있다고 간주하고 m 을 반복하여 처리한다. 대부분의 파이썬 매핑이 이처럼 1) 다른 매핑으로 초기화하거나 2) (키, 값) 쌍을 생성할 수 있는 반복행 객체로 초기화 (매핑형으로 간주)하여 초기화할 수 있다.\n다음으로 setdefault() 메서드를 알아보자.\n3.3.1 존재하지 않는 키를 setdefault() 로 처리하기 아래 코드를 실행시켜 보자.\n\u0026gt;\u0026gt;\u0026gt; dict_1={\u0026#39;Minsu\u0026#39;:1, \u0026#39;Okdal\u0026#39;:2, \u0026#39;Cheeze\u0026#39;:3} \u0026gt;\u0026gt;\u0026gt; dict_1[\u0026#39;Okdal\u0026#39;] 2 \u0026gt;\u0026gt;\u0026gt; dict_1[\u0026#39;new_key\u0026#39;] Traceback (most recent call last): File \u0026#34;\u0026lt;stdin\u0026gt;\u0026#34;, line 1, in \u0026lt;module\u0026gt; KeyError: \u0026#39;new_key\u0026#39; 위처럼 파이썬에서 dict 에서 존재하지 않는 key를 호출 하면, KeyError 가 발생한다. 이때, KeyError를 발생시키지 않고, 기본값(default-value)을 주어서 처리해보자.\n\u0026gt;\u0026gt;\u0026gt; dict_1.get(\u0026#39;Okdal\u0026#39;) 2 \u0026gt;\u0026gt;\u0026gt; dict_1.get(\u0026#39;Okdal\u0026#39;,\u0026#39;default-value\u0026#39;) 2 \u0026gt;\u0026gt;\u0026gt; dict_1.get(\u0026#39;new_key\u0026#39;,\u0026#39;default-value\u0026#39;) \u0026#39;default-value\u0026#39; 이처럼 d[k] 대신에 d.get(k, default) 함수를 쓰면, 기본값을 손쉽게 줄 수 있다.\n하지만, 발견한 값을 갱신(update)할 때, __getitem__ 혹은 get 을 쓰는 건 비효율적이고 추천하지 않는 방법이라고 한다. 이때, 해결책으로 사용할 수 있는 함수가 setdefault() 인데, 이 함수가 왜 좋은지 아래 코드를 통해서 알아보자.\n\u0026lt;참고\u0026gt; 아래 코드 실행을 위해서 아래 practice_file.txt 파일을 아래 파이썬 코드 파일과 같은 위치 (같은 디렉토리 내에) 저장해야한다.\nHello, Hi! Hi ~ Nice to meet you! ^^ setdefault() 함수를 사용하지 않았을 때 import sys import re WORD_RE = re.compile(r\u0026#39;\\w+\u0026#39;) # 원하는 문자만 골라내는 정규식! # [a-zA-Z0-9_])와 동일 index={} with open(sys.argv[1]) as fp: # cmd 창에서 입력한 경로에 있는 파일을 연다 for line_no, line in enumerate(fp, 1): # enumerate() 를 통해서 index 부여서 두번째 인자값을 1로 설정함으로써 index가 0이 아닌 1부터 시작한다. for match in WORD_RE.finditer(line): word = match.group() column_no = match.start()+1 location = (line_no, column_no) occurences = index.get(word, []) occurences.append(location) index[word] = occurences for word in sorted(index, key=str.upper): print(word, index[word]) # 실행 결과 # Hello [(1, 1)] # Hi [(1, 8), (1, 12)] # meet [(2, 9)] # Nice [(2, 1)] # to [(2, 6)] # you [(2, 14)] 참고\n위 코드를 실행시킬 때는\npython practice_python.py ./practice_file.txt 라고 입력하면 된다. (practice_python.py 는 위 코드를 담고 있는 파이썬 파일명)\nsetdefault() 함수를 사용했을 때 import sys import re WORD_RE = re.compile(r\u0026#39;\\w+\u0026#39;) index={} with open(sys.argv[1]) as fp: for line_no, line in enumerate(fp, 1): for match in WORD_RE.finditer(line): word = match.group() column_no = match.start()+1 location = (line_no, column_no) index.setdefault(word, []).append(location) # 위 코드에서 바뀐 부분 for word in sorted(index, key=str.upper): print(word, index[word]) 위 코드에서 바뀐 부분만 떼어 놓고 보면,\nindex.setdefault(word, []).append(location) index 라는 딕셔너리 안에 word 라는 키가 존재하면, 해당 키값을 반환하고, word 라는 키가 존재하지 않으면 두번째 인자인 [] 을 반환한다. 이처럼 setdefault() 를 사용하여 간결하게 처리할 수 있다.\n이번 포스트에서 매핑 관련된 내용을 끝내려고 했는데, 계획보다 시간이 오래 걸렸다ㅠㅠ 3.4절부터의 내용은 다음 포스트에서 보자.\n","permalink":"https://quriemoon.github.io/posts/2019-05-18-fluent-python-chap3-1/","summary":"\u003cp\u003e\u003ccode\u003e이 포스트는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; (written by Luciano Ramalho, 강권학 옮김) 스터디를 진행하면서 공부한 내용을 정리하는 목적으로 작성되었습니다. 따라서 이 포스트 내 설명 및 코드의 출처는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; 임을 미리 밝힙니다.\u003c/code\u003e\u003c/p\u003e\n\u003ch2 id=\"chapter-3-딕셔너리와-집합\"\u003eChapter 3. 딕셔너리와 집합\u003c/h2\u003e\n\u003cp\u003e파이썬에서 딕셔너리( \u003ccode\u003edict\u003c/code\u003e 형)은 애플리케이션에서 뿐만 아니라 파이썬 구현 부분에서도 중요한 역할을 한다. 따라서 파이썬 \u003ccode\u003edict\u003c/code\u003e 클래스는 상당히 최적화되어 있는데, 이러한 최적화 뒤에는 \u003cstrong\u003e해시 테이블\u003c/strong\u003e 이 있다. 이 해시 테이블을 이용해서 \u003cstrong\u003e딕셔너리\u003c/strong\u003e뿐만 아니라 \u003cstrong\u003e집합\u003c/strong\u003e 도 구현된다. 해시 테이블의 작동 방식 및 의미에 대해서는 뒤에서 더 알아보자.\u003c/p\u003e","title":"Fluent Python - Chap 3. 딕셔너리와 집합 (1)"},{"content":"이 포스트는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; (written by Luciano Ramalho, 강권학 옮김) 스터디를 진행하면서 공부한 내용을 정리하는 목적으로 작성되었습니다. 따라서 이 포스트 내 설명 및 코드의 출처는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; 임을 미리 밝힙니다.\nChapter 3. 딕셔너리와 집합 3.4 융통성 있게 키를 조회하는 매핑 3.4.1 defaultdict: 존재하지 않는 키에 대한 또 다른 처리 저번 포스트에서 봤던 setdefault() 예제 코드를 다시 보자.\nimport sys import re WORD_RE = re.compile(r\u0026#39;\\w+\u0026#39;) index={} with open(sys.argv[1]) as fp: for line_no, line in enumerate(fp, 1): for match in WORD_RE.finditer(line): word = match.group() column_no = match.start()+1 location = (line_no, column_no) index.setdefault(word, []).append(location) for word in sorted(index, key=str.upper): print(word, index[word]) 이때, index를 기본 dict 가 아닌 collections.defaultdict 객체로 생성하여 위 코드를 다시 쓸 수 있다.\nimport sys import re import collections WORD_RE = re.compile(r\u0026#39;\\w+\u0026#39;) index = collections.defaultdict(list) with open(sys.argv[1]) as fp: for line_no, line in enumerate(fp, 1): for match in WORD_RE.finditer(line): word = match.group() column_no = match.start()+1 location = (line_no, column_no) index[word].append(location) # 수정된 부분 for word in sorted(index, key=str.upper): print(word, index[word]) 위 코드에서 수정된 부분만 보면, defaultdict 객체인 index 내에 word 라는 키가 존재하지 않으면, 새로운 빈 리스트를 생성하기 위해 list() 를 호출한다. 그리고 새롭게 생성된 빈 리스트를 word 라는 키에 매핑시켜서 index 에 삽입한다. 그 다음에 이 리스트에 대한 참조를 반환한다.\n3.4.2 __missing__() 메서드 추후 업데이트!\n3.5 그 외 매핑형 defaultdict 이외에 표준 라이브러리의 collections 모듈에서 제공하는 여러 매핑형들을 보자.\ncollections.OrderedDict\n순서가 저장되지 않는 기본 dict 와 다르게 OrderedDict 에서는 키를 삽입한 순서를 유지한다.\n\u0026gt;\u0026gt;\u0026gt; from collections import OrderedDict \u0026gt;\u0026gt;\u0026gt; d = {\u0026#39;banana\u0026#39;: 3, \u0026#39;apple\u0026#39;:4, \u0026#39;pear\u0026#39;: 1, \u0026#39;orange\u0026#39;: 2} # dict \u0026gt;\u0026gt;\u0026gt; d.items() dict_items([(\u0026#39;banana\u0026#39;, 3), (\u0026#39;apple\u0026#39;, 4), (\u0026#39;pear\u0026#39;, 1), (\u0026#39;orange\u0026#39;, 2)]) \u0026gt;\u0026gt;\u0026gt; OrderedDict(sorted(d.items(), key = lambda t: t[0])) OrderedDict([(\u0026#39;apple\u0026#39;, 4), (\u0026#39;banana\u0026#39;, 3), (\u0026#39;orange\u0026#39;, 2), (\u0026#39;pear\u0026#39;, 1)]) \u0026gt;\u0026gt;\u0026gt; OrderedDict(sorted(d.items(), key = lambda t: t[1])) OrderedDict([(\u0026#39;pear\u0026#39;, 1), (\u0026#39;orange\u0026#39;, 2), (\u0026#39;banana\u0026#39;, 3), (\u0026#39;apple\u0026#39;, 4)]) \u0026gt;\u0026gt;\u0026gt; OrderedDict(sorted(d.items(), key = lambda t: len(t[0]))) OrderedDict([(\u0026#39;pear\u0026#39;, 1), (\u0026#39;apple\u0026#39;, 4), (\u0026#39;banana\u0026#39;, 3), (\u0026#39;orange\u0026#39;, 2)]) 코드 출처: 8.3. collections — Container datatypes - 8.3.6.1. OrderedDict Examples and Recipes\ncollections.ChainMap\n이는 여러 개의 dict 혹은 mapping형을 합칠 때, 유용하다.\n\u0026gt;\u0026gt;\u0026gt; dict1 = {\u0026#39;apple\u0026#39;:1, \u0026#39;banana\u0026#39;:2} \u0026gt;\u0026gt;\u0026gt; dict2 = {\u0026#39;coconut\u0026#39;:3, \u0026#39;date\u0026#39;:4, \u0026#39;apple\u0026#39;:5} \u0026gt;\u0026gt;\u0026gt; combined_dict = collections.ChainMap(dict1, dict2) \u0026gt;\u0026gt;\u0026gt; reverse_ordered_dict = collections.ChainMap(dict2, dict1) \u0026gt;\u0026gt;\u0026gt; for key, value in combined_dict.items(): ... print(key, value) ... date 4 coconut 3 banana 2 apple 1 \u0026gt;\u0026gt;\u0026gt; for key, value in reverse_ordered_dict.items(): ... print(key, value) ... date 4 coconut 3 banana 2 apple 5 이 코드에서는 apple 라는 key 에 대한 value 에 주목하자. ChainMap(dict1, dict2) 에 대해서는 dict1 에서의 apple 의 value 가, ChainMap(dict2, dict1) 에 대해서는 dict2 에서의 apple 의 value 가 사용되었다.\n코드 출처: RIP Tutorial - Python Language collections.ChainMap\ncollections.Counter\n\u0026gt;\u0026gt;\u0026gt; alphabet_counter = Counter(\u0026#39;abracadabra\u0026#39;) \u0026gt;\u0026gt;\u0026gt; alphabet_counter[\u0026#39;a\u0026#39;] # \u0026#39;a\u0026#39; 가 5번 등장했음 5 \u0026gt;\u0026gt;\u0026gt; alphabet_counter[\u0026#39;z\u0026#39;] # missing key 0 \u0026gt;\u0026gt;\u0026gt; sorted(alphabet_counter.elements()) [\u0026#39;a\u0026#39;, \u0026#39;a\u0026#39;, \u0026#39;a\u0026#39;, \u0026#39;a\u0026#39;, \u0026#39;a\u0026#39;, \u0026#39;b\u0026#39;, \u0026#39;b\u0026#39;, \u0026#39;c\u0026#39;, \u0026#39;d\u0026#39;, \u0026#39;r\u0026#39;, \u0026#39;r\u0026#39;] \u0026gt;\u0026gt;\u0026gt; alphabet_counter.most_common(3) # return a list of the n most common elements and their counts [(\u0026#39;a\u0026#39;, 5), (\u0026#39;b\u0026#39;, 2), (\u0026#39;r\u0026#39;, 2)] collections.UserDict\n표준 dict 처럼 작동하는 매핑을 순수 파이썬으로 구현한 클래스\n위에서 collections.OrderedDict, collections.ChainMap, collections.Counter 는 바로 사용할 수 있지만, UserDict는 3.6절에 나오듯이 상속해서 사용해야한다.\n3.6 UserDict 상속하기 3.4.2 __missing__() 보충하면서 같이 보충하기!\n3.7 불변 매핑 표준 라이브러리에서 제공하는 매핑형은 모두 가변형이지만, 사용자가 임의로 매핑을 변경하지 못하게 하기 위해서 파이썬에서 제공하는 types 모듈의 MappingProxyType 이라는 래퍼 클래스를 이용할 수 있다.\n다음 포스트에서 딕셔너리처럼 해시 테이블을 이용하는 또 다른 자료형인 집합에 대해 알아보자.\n","permalink":"https://quriemoon.github.io/posts/2019-06-08-fluent-python-chap3-2/","summary":"\u003cp\u003e\u003ccode\u003e이 포스트는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; (written by Luciano Ramalho, 강권학 옮김) 스터디를 진행하면서 공부한 내용을 정리하는 목적으로 작성되었습니다. 따라서 이 포스트 내 설명 및 코드의 출처는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; 임을 미리 밝힙니다.\u003c/code\u003e\u003c/p\u003e\n\u003ch2 id=\"chapter-3-딕셔너리와-집합\"\u003eChapter 3. 딕셔너리와 집합\u003c/h2\u003e\n\u003ch3 id=\"34-융통성-있게-키를-조회하는-매핑\"\u003e3.4 융통성 있게 키를 조회하는 매핑\u003c/h3\u003e\n\u003ch4 id=\"341-defaultdict-존재하지-않는-키에-대한-또-다른-처리\"\u003e3.4.1 defaultdict: 존재하지 않는 키에 대한 또 다른 처리\u003c/h4\u003e\n\u003cp\u003e저번 포스트에서 봤던 \u003ccode\u003esetdefault()\u003c/code\u003e 예제 코드를 다시 보자.\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-python\" data-lang=\"python\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003eimport\u003c/span\u003e sys\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003eimport\u003c/span\u003e re\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003eWORD_RE \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e re\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003ecompile(\u003cspan style=\"color:#e6db74\"\u003er\u003c/span\u003e\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;\\w+\u0026#39;\u003c/span\u003e)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003eindex\u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e{}\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#66d9ef\"\u003ewith\u003c/span\u003e open(sys\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003eargv[\u003cspan style=\"color:#ae81ff\"\u003e1\u003c/span\u003e]) \u003cspan style=\"color:#66d9ef\"\u003eas\u003c/span\u003e fp:\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e        \u003cspan style=\"color:#66d9ef\"\u003efor\u003c/span\u003e line_no, line \u003cspan style=\"color:#f92672\"\u003ein\u003c/span\u003e enumerate(fp, \u003cspan style=\"color:#ae81ff\"\u003e1\u003c/span\u003e):\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e             \u003cspan style=\"color:#66d9ef\"\u003efor\u003c/span\u003e \u003cspan style=\"color:#66d9ef\"\u003ematch\u003c/span\u003e \u003cspan style=\"color:#f92672\"\u003ein\u003c/span\u003e WORD_RE\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003efinditer(line):\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e                     word \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e \u003cspan style=\"color:#66d9ef\"\u003ematch\u003c/span\u003e\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003egroup()\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e                     column_no \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e \u003cspan style=\"color:#66d9ef\"\u003ematch\u003c/span\u003e\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003estart()\u003cspan style=\"color:#f92672\"\u003e+\u003c/span\u003e\u003cspan style=\"color:#ae81ff\"\u003e1\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e                     location \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e (line_no, column_no)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e                     index\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003esetdefault(word, [])\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003eappend(location)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e                     \n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#66d9ef\"\u003efor\u003c/span\u003e word \u003cspan style=\"color:#f92672\"\u003ein\u003c/span\u003e sorted(index, key\u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003estr\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003eupper):\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e        print(word, index[word])\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e이때, \u003ccode\u003eindex\u003c/code\u003e를 기본 \u003ccode\u003edict\u003c/code\u003e 가 아닌 \u003ccode\u003ecollections.defaultdict\u003c/code\u003e 객체로 생성하여 위 코드를 다시 쓸 수 있다.\u003c/p\u003e","title":"Fluent Python - Chap 3. 딕셔너리와 집합 (2)"},{"content":"이 포스트는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; (written by Luciano Ramalho, 강권학 옮김) 스터디를 진행하면서 공부한 내용을 정리하는 목적으로 작성되었습니다. 따라서 이 포스트 내 설명 및 코드의 출처는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; 임을 미리 밝힙니다.\nChapter 2. 시퀀스 2.9 리스트가 답이 아닐 때 이 장에서는 특정 상황에서 리스트보다 더 효율적인, 리스트를 대체할 수 있는 여러 시퀀스형을 살펴보자.\n2.9.1 배열 \u0026gt;\u0026gt;\u0026gt; from array import array \u0026gt;\u0026gt;\u0026gt; from random import random \u0026gt;\u0026gt;\u0026gt; floats = array(\u0026#39;d\u0026#39;, (random() for i in range(10**7))) 배열을 생성할 떄는 배열에 저장되는 각 항목의 형(type)을 결정하는 문자인 타입코드(typecode) 를 지정한다. 위 코드에서 타입코드는 'd' 이다. 는 \u0026lsquo;실수\u0026rsquo;를 의미하기 때문에 floats 배열은 실수를 담고 있는 배열임을 알 수 있다.\n위 코드에서 배열 초기화 시, 제너레이터 표현식을 사용했다.\n그렇다면, 리스트 대신에 배열을 왜 써야할까? 배열은 숫자만 들어 있는, 특히 숫자가 아주 많이 들어 있는 시퀀스를 처리할 때, 효율적이다. 아래 코드를 실행해보면서 실행 시간을 비교해보자.\n리스트의 각 원소를 한 행에 하나씩 텍스트 파일에 저장하는 예제 import timeit from array import array from random import random floats_list = [random() for i in range(10**7)] start_time = timeit.default_timer() with open(\u0026#39;floats_default.txt\u0026#39;, \u0026#39;w\u0026#39;) as fp: for i in range(len(floats_list)): fp.write(str(floats_list[i])+\u0026#39;\\n\u0026#39;) stop_time = timeit.default_timer() elapsed_time = stop_time - start_time print(\u0026#34;Program Executed in {} seconds\u0026#34;.format(elapsed_time)) # Program Executed in 19.114658007980324 seconds array.tofile() 메서드를 이용해서 배열을 파일에 저장하는 예제 import timeit from array import array from random import random floats = array(\u0026#39;d\u0026#39;, (random() for i in range(10**7))) start_time = timeit.default_timer() with open(\u0026#39;floats.bin\u0026#39;, \u0026#39;wb\u0026#39;) as fp: floats.tofile(fp) stop_time = timeit.default_timer() elapsed_time = stop_time - start_time print(\u0026#34;Program Executed in {} seconds\u0026#34;.format(elapsed_time)) # Program Executed in 0.163494489970617 seconds 실행 시간을 비교해봤을 때, 배열(array)을 사용했을 때, 파일 쓰기를 위해 소요되는 시간이 약 1/100 배로 줄어들었다. 또한, 결과 파일 크기 역시 floats.bin 의 경우, 80MB인 반면에 floats_default.txt 의 경우, 192.7MB 로 차이가 상당하다.\n역으로 파일을 읽어오는 예제 역시 리스트보다 배열을 사용했을 때, 실행 속도가 훨씬 빨랐다.\nfloats_default.txt 에서 값을 읽어와 리스트에 저장하는 예제 import timeit from array import array from random import random floats_list = [] start_time = timeit.default_timer() with open(\u0026#39;floats_default.txt\u0026#39;, \u0026#39;r\u0026#39;) as fp: lines = fp.readlines() for i in range(len(lines)): floats_list.append(float(lines[i].split(\u0026#39;\\n\u0026#39;)[0])) stop_time = timeit.default_timer() elapsed_time = stop_time - start_time print(\u0026#34;Program Executed in {} seconds\u0026#34;.format(elapsed_time)) # Program Executed in 10.558079929091036 seconds floats.bin 에서 값을 읽어와 배열에 저장하는 예제 import timeit from array import array from random import random floats = array(\u0026#39;d\u0026#39;) start_time = timeit.default_timer() with open(\u0026#39;floats.bin\u0026#39;, \u0026#39;rb\u0026#39;) as fp: floats.fromfile(fp, 10**7) stop_time = timeit.default_timer() elapsed_time = stop_time - start_time print(\u0026#34;Program Executed in {} seconds\u0026#34;.format(elapsed_time)) # Program Executed in 0.09963303396943957 seconds 2.9.2 메모리 뷰 메모리 뷰(memoryview) 라는 내장 클래스는 공유 메모리 시퀀스형이다. 책에서는 16비트 정수 배열에서 바이트 하나를 변경하는 예제를 보여준다.\n\u0026gt;\u0026gt;\u0026gt; import array \u0026gt;\u0026gt;\u0026gt; numbers = array.array(\u0026#39;h\u0026#39;, [-2,-1,0,1,2]) \u0026gt;\u0026gt;\u0026gt; memv = memoryview(numbers) \u0026gt;\u0026gt;\u0026gt; len(memv) 5 \u0026gt;\u0026gt;\u0026gt; memv[0] -2 \u0026gt;\u0026gt;\u0026gt; memv_oct = memv.cast(\u0026#39;B\u0026#39;) \u0026gt;\u0026gt;\u0026gt; memv_oct.tolist() [254, 255, 255, 255, 0, 0, 1, 0, 2, 0] \u0026gt;\u0026gt;\u0026gt; memv_oct[5]=4 \u0026gt;\u0026gt;\u0026gt; memv_oct.tolist() [254, 255, 255, 255, 0, 4, 1, 0, 2, 0] \u0026gt;\u0026gt;\u0026gt; memv.tolist() # 2바이트 unsigned int의 최상위 비트에 4가 대입되었기에 memv[2] == 1024이다. [-2, -1, 1024, 1, 2] \u0026gt;\u0026gt;\u0026gt; numbers array(\u0026#39;h\u0026#39;, [-2, -1, 1024, 1, 2]) memoryview 는 왜 필요할까? 책에 따르면, 메모리뷰 덕분에 SQLlite 데이터베이스, NumPy 배열 들 데이터 구조체를 복사하지 않고 메모리를 공유하여 사용할 수 있다 . 즉, 데이터셋이 커지는 상황에서 유용하다.\n그렇지만 여전히 굳이 memoryview라는 새로운 클래스를 왜 사용해야할까?? 일단, 동일한 메모리를 공유한다는 말을 다시 곱씹어보자. 위 예제를 보면, memory_oct 를 바꾸었을 때, memv 와numbers 의 내용 역시 바뀌었다. 이를 통해서 memory_oct 와 memv 와numbers 가 동일한 메모리를 공유한다고 볼 수 있다. 그렇다면, 이 셋은 동일한 걸까? 아래 코드를 보자.\n\u0026gt;\u0026gt;\u0026gt; numbers == memv # memv = memoryview(numbers) True \u0026gt;\u0026gt;\u0026gt; numbers == memv_oct # memv_oct = memv.cast(\u0026#39;B\u0026#39;) False \u0026gt;\u0026gt;\u0026gt; memv == memv_oct False \u0026gt;\u0026gt;\u0026gt; id(numbers) 4542538032 \u0026gt;\u0026gt;\u0026gt; id(memv) 4541520200 \u0026gt;\u0026gt;\u0026gt; id(memv_oct) 4541520584 우선, memv 는 memoryview() 함수를 통해서 numbers를 참조하는 새로 만들어진 memoryview 객체이다. 또한, memv_oct 의 경우, memoryview.cast() 에 의해서 반환된 또 다른 memoryview 객체이다. 따라서 id(numbers), id(memv), id(memv_oct) 가 서로 다 다르다.\n질문: 왜 numbers == memv_oct 와 meme == memv_oct 는 False 일까? memv_oct는 memv 요소를 unsigned char(타입코드 \u0026lsquo;B\u0026rsquo;) 로 형변환한 결과로 생성되었기 때문일까?\n추가 링크: memoryview() in Python - GeeksforGeeks\n추가로, 위 코드에서 왜 numbers 와 memv 의 id() 값이 다른데, numbers == memv 가 True 인지 궁금할 경우, Python에서 두 객체를 비교할 때, 이용되는 == 와 is 의 차이를 설명해주는 아래 글을 읽어보자.\nPython에서 is 와 == 의 차이\n2.9.3 NumPy와 SciPy 생략\n2.9.4 덱 및 기타 큐 책에 나와있듯이, append()와 pop() 메서드를 이용해서 리스트를 스택이나 큐로 사용할 수 있다. 하지만, 이럴 경우 0번 인덱스에 위치한 요소처럼 끝에 위치한 값을 새로 삽입하거나 삭제하고 싶은 경우, 전체 요소를 이동시켜야하는 부담이 있다. 이때, 유용하게 이용할 수 있는 것이 바로 덱(collections.deque) 클래스이다.\n덱 클래스는 큐의 양쪽 어디에서든 빠르게 삽입 및 삭제할 수 있도록 만들어진 양방향 큐다. 따라서 \u0026lsquo;최근에 본 항목\u0026rsquo; 등의 목록을 만들 때도 유용하게 이용할 수 있다. 아래 예시를 보자.\n\u0026gt;\u0026gt;\u0026gt; from collections import deque \u0026gt;\u0026gt;\u0026gt; dq = deque(range(10), maxlen = 10) \u0026gt;\u0026gt;\u0026gt; dq deque([0, 1, 2, 3, 4, 5, 6, 7, 8, 9], maxlen=10) 위 maxlen 이라는 parameter를 통해서 deque 객체가 수용할 수 있는 최대 항목 수를 설정한다.\n\u0026gt;\u0026gt;\u0026gt; dq.rotate(3) # rotate(n): n이 양수일 때는 오른쪽 끝에 있는 항목 중 n개를 왼 쪽 끝으로 \u0026gt;\u0026gt;\u0026gt; dq deque([7, 8, 9, 0, 1, 2, 3, 4, 5, 6], maxlen=10) \u0026gt;\u0026gt;\u0026gt; dq.rotate(-4) # rotate(n): n이 음수일 때는 왼쪽 끝에 있는 항목 중 n개를 오른쪽 끝으로 \u0026gt;\u0026gt;\u0026gt; dq deque([1, 2, 3, 4, 5, 6, 7, 8, 9, 0], maxlen=10) rotate() 함수를 통해서 deque을 조작할 수 있다.\n\u0026gt;\u0026gt;\u0026gt; dq deque([1, 2, 3, 4, 5, 6, 7, 8, 9, 0], maxlen=10) \u0026gt;\u0026gt;\u0026gt; dq.append(100) \u0026gt;\u0026gt;\u0026gt; dq deque([2, 3, 4, 5, 6, 7, 8, 9, 0, 100], maxlen=10) \u0026gt;\u0026gt;\u0026gt; dq.appendleft(-1) \u0026gt;\u0026gt;\u0026gt; dq deque([-1, 2, 3, 4, 5, 6, 7, 8, 9, 0], maxlen=10) \u0026gt;\u0026gt;\u0026gt; dq.extend([10,20,30]) \u0026gt;\u0026gt;\u0026gt; dq deque([4, 5, 6, 7, 8, 9, 0, 10, 20, 30], maxlen=10) \u0026gt;\u0026gt;\u0026gt; dq.extendleft([-40,-30,-20,-10]) # extendleft()의 경우, 항목이 역순으로 추가된다. \u0026gt;\u0026gt;\u0026gt; dq deque([-10, -20, -30, -40, 4, 5, 6, 7, 8, 9], maxlen=10) dq가 가득 찬 상태에서 새로운 항목을 추가하려고 할 때는 반대쪽 항목을 삭제한다.\n이처럼 덱은 리스트 메서드 대부분을 구현했을 뿐만 아니라 rotate() 처럼 고유한 메서드를 추가로 가지고 있다. 하지만, 덱의 중간 항목을 삭제하는 연산은 그리 빠르지 않다는 단점이 있다.\n참고: 아래 상황에서는 시퀀스는 아니지만 set 형으로 구현하는 것도 고려해보자.\nitem in my_collection 처럼 특정 항목이 주어진 my_collection 에 포함되 어 있는지 아닌지 자주 검사할 때 위 상황에서 특히 my_collection 의 항목 수가 아주 많을 때 ","permalink":"https://quriemoon.github.io/posts/2019-05-08-fluent-python-chap2-3/","summary":"\u003cp\u003e\u003ccode\u003e이 포스트는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; (written by Luciano Ramalho, 강권학 옮김) 스터디를 진행하면서 공부한 내용을 정리하는 목적으로 작성되었습니다. 따라서 이 포스트 내 설명 및 코드의 출처는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; 임을 미리 밝힙니다.\u003c/code\u003e\u003c/p\u003e\n\u003ch2 id=\"chapter-2-시퀀스\"\u003eChapter 2. 시퀀스\u003c/h2\u003e\n\u003ch3 id=\"29-리스트가-답이-아닐-때\"\u003e2.9 리스트가 답이 아닐 때\u003c/h3\u003e\n\u003cp\u003e이 장에서는 특정 상황에서 리스트보다 더 효율적인, \u003cstrong\u003e리스트를 대체할 수 있는 여러 시퀀스형\u003c/strong\u003e을 살펴보자.\u003c/p\u003e\n\u003ch4 id=\"291-배열\"\u003e2.9.1 배열\u003c/h4\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-python\" data-lang=\"python\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e \u003cspan style=\"color:#f92672\"\u003efrom\u003c/span\u003e array \u003cspan style=\"color:#f92672\"\u003eimport\u003c/span\u003e array\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e \u003cspan style=\"color:#f92672\"\u003efrom\u003c/span\u003e random \u003cspan style=\"color:#f92672\"\u003eimport\u003c/span\u003e random\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e floats \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e array(\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;d\u0026#39;\u003c/span\u003e, (random() \u003cspan style=\"color:#66d9ef\"\u003efor\u003c/span\u003e i \u003cspan style=\"color:#f92672\"\u003ein\u003c/span\u003e range(\u003cspan style=\"color:#ae81ff\"\u003e10\u003c/span\u003e\u003cspan style=\"color:#f92672\"\u003e**\u003c/span\u003e\u003cspan style=\"color:#ae81ff\"\u003e7\u003c/span\u003e)))\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e배열을 생성할 떄는 배열에 저장되는 각 항목의 형(type)을 결정하는 문자인 \u003cstrong\u003e타입코드(typecode)\u003c/strong\u003e 를 지정한다. 위 코드에서 타입코드는 \u003ccode\u003e'd'\u003c/code\u003e 이다. 는 \u0026lsquo;실수\u0026rsquo;를 의미하기 때문에 \u003ccode\u003efloats\u003c/code\u003e 배열은 실수를 담고 있는 배열임을 알 수 있다.\u003c/p\u003e","title":"Fluent Python - Chap 2. 시퀀스 (3)"},{"content":"이 포스트는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; (written by Luciano Ramalho, 강권학 옮김) 스터디를 진행하면서 공부한 내용을 정리하는 목적으로 작성되었습니다. 따라서 이 포스트 내 설명 및 코드의 출처는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; 임을 미리 밝힙니다.\nChapter 2. 시퀀스 2.6 시퀀스의 복합 할당(augmented assignment) +=, *= 와 같은 연산자가 복합 할당 연산자에 해당한다. 책에서 설명했듯이, += 에 적용되는 개념은 *= 에도 적용되기 때문에 += 에 대해 집중적으로 알아보자.\n우선, += 연산자를 실제로 구현하는 메소드는 __iadd__() 이다. __iadd__() 메소드가 구현되어 있지 않은 경우, 파이썬은 __add__() 메소드를 대신 호출한다.\n참고:\n__iadd__() 메소드\n*= 의 경우, __imul__() 이라는 메소드로 구현되어 있다.\n__imul__() 메소드\n이러한 복합 할당 연산자의 작동은 첫 번째 피연산자에 따라서 다르게 작동한다. 아래 식을 보자.\n\u0026gt;\u0026gt;\u0026gt; a += b 위 덧셈 복합 할당 연산자 += 의 동작은 __iadd()__ 라는 특수한 메소드의 구현 여부에 따라서 달라진다.\n__iadd()__ 메소드가 구현된 경우\n위 덧셈 복합 할당 연산자 += 의 동작은 첫 번째 피연산자인 a 에 의해서 결정된다. 구체적으로, a 의 자료구조(자료형)에서 __iadd()__ 메소드가 구현되어 있으면, 구현된 해당 메서드가 호출된다.\n대표적인 활용 예: 가변 시퀀스 (list , bytearray , array.array) __iadd()__ 메소드가 구현되지 않은 경우\n아래 과정을 거쳐서 위 += 연산자가 동작한다.\na+=b 라는 표현식이 a=a+b 가 되고 a+b 식이 먼저 평가(evalutate) 되고 위에서 평가된 a+b 식을 토대로 새로 객체가 생성되고 이렇게 새로 생성된 객체를 a 에 할당한다. 위에서 언급된 두 방식이 어떻게 차이가 나는지 아래 예제 코드를 통해서 알아보자.\n__iadd()__ 메소드가 구현된 경우\n\u0026gt;\u0026gt;\u0026gt; l=[1,2,3] \u0026gt;\u0026gt;\u0026gt; id(l) # initial ID of the list l 4408277768 \u0026gt;\u0026gt;\u0026gt; l *= 2 \u0026gt;\u0026gt;\u0026gt; l [1, 2, 3, 1, 2, 3] \u0026gt;\u0026gt;\u0026gt; id(l) 4408277768 __iadd()__ 메소드가 구현되지 않은 경우\n\u0026gt;\u0026gt;\u0026gt; t=(1,2,3) \u0026gt;\u0026gt;\u0026gt; id(t) # initial ID of the tuple t 4408294136 \u0026gt;\u0026gt;\u0026gt; t *= 2 \u0026gt;\u0026gt;\u0026gt; id(t) 4408035464 위 id() 함수에서 보이듯이, __iadd()__ 메소드가 구현된 경우,*= 를 통해서 기존 객체의 내용을 변경한다. 하지만, __iadd()__ 메소드가 구현되지 않은 경우에는 곱셈 연산을 수행한 후, 새로운 튜플 객체를 만들어 t 에 대입한다. 이를 통해, 불변 시퀀스에서 반복적으로 연결 연산을 수행하고자 복합 할당 연산자를 쓰는 것은 비효율적임을 알 수 있다.\nstr 객체 역시 불변 시퀀스이지만, str 객체는 반복적으로 수행되는 연결 연산에 대해서 효율적이다. 이는 실제로 문자열에 대해서는 += 연산자를 이용한 작업이 빈번히 수행된다는 점을 CPython에서 고려했기 때문이다. 따라서 str 객체의 경우, 메모리 안에 여분의 공간을 갖고 할당되어 이후에 str 객체 연결 작업 수행 시, 매번 전체 문자열을 다시 생성하지 않는다.\n2.7 list.sort()와 sorted() 내장 함수 list.sort() 와 sorted() 함수의 차이는 아래와 같다.\nlist.sort() sorted() 타깃 객체(리스트 내부)를 직접 변경해서 정렬 타깃 객체(리스트 내부)를 직접 변경 X None을 반환 (새로운 리스트 생성 X) 정렬된 새로운 리스트를 생성해서 반환 아래 코드를 보자.\n\u0026gt;\u0026gt;\u0026gt; backpack = [\u0026#39;paper\u0026#39;, \u0026#39;glue\u0026#39;, \u0026#39;notebook\u0026#39;, \u0026#39;pencils\u0026#39;, \u0026#39;eraser\u0026#39;] \u0026gt;\u0026gt;\u0026gt; sorted(backpack) [\u0026#39;eraser\u0026#39;, \u0026#39;glue\u0026#39;, \u0026#39;notebook\u0026#39;, \u0026#39;paper\u0026#39;, \u0026#39;pencils\u0026#39;] \u0026gt;\u0026gt;\u0026gt; backpack # 원본 리스트인 backpack은 바뀌지 않았다. [\u0026#39;paper\u0026#39;, \u0026#39;glue\u0026#39;, \u0026#39;notebook\u0026#39;, \u0026#39;pencils\u0026#39;, \u0026#39;eraser\u0026#39;] \u0026gt;\u0026gt;\u0026gt; sorted(backpack, reverse=True) # 역순으로 정렬 [\u0026#39;pencils\u0026#39;, \u0026#39;paper\u0026#39;, \u0026#39;notebook\u0026#39;, \u0026#39;glue\u0026#39;, \u0026#39;eraser\u0026#39;] \u0026gt;\u0026gt;\u0026gt; sorted(backpack, key=len) # 문자열의 길이에 따라 정렬 [\u0026#39;glue\u0026#39;, \u0026#39;paper\u0026#39;, \u0026#39;eraser\u0026#39;, \u0026#39;pencils\u0026#39;, \u0026#39;notebook\u0026#39;] \u0026gt;\u0026gt;\u0026gt; sorted(backpack, key=len, reverse=True) [\u0026#39;notebook\u0026#39;, \u0026#39;pencils\u0026#39;, \u0026#39;eraser\u0026#39;, \u0026#39;paper\u0026#39;, \u0026#39;glue\u0026#39;] \u0026gt;\u0026gt;\u0026gt; backpack [\u0026#39;paper\u0026#39;, \u0026#39;glue\u0026#39;, \u0026#39;notebook\u0026#39;, \u0026#39;pencils\u0026#39;, \u0026#39;eraser\u0026#39;] \u0026gt;\u0026gt;\u0026gt; backpack.sort() \u0026gt;\u0026gt;\u0026gt; backpack # 원본 리스트인 backpack이 바뀌었다. [\u0026#39;eraser\u0026#39;, \u0026#39;glue\u0026#39;, \u0026#39;notebook\u0026#39;, \u0026#39;paper\u0026#39;, \u0026#39;pencils\u0026#39;] 책을 보다보면, \u0026ldquo;정렬 알고리즘이 안정적\u0026rdquo; 이라는 표현이 나온다. 각주를 보면, 안정적인 정렬 알고리즘이란 비교해서 동일한 항목들이 상대적인 순서를 유지하는 알고리즘이다. 아래 코드를 보자.\n\u0026gt;\u0026gt;\u0026gt; fruit = [\u0026#39;banana\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;grape\u0026#39;] \u0026gt;\u0026gt;\u0026gt; sorted(fruit) [\u0026#39;apple\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;grape\u0026#39;] \u0026gt;\u0026gt;\u0026gt; sorted(fruit, reverse=True) [\u0026#39;grape\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;apple\u0026#39;] \u0026gt;\u0026gt;\u0026gt; fruit_2 = [\u0026#39;banana\u0026#39;, \u0026#39;grape\u0026#39;, \u0026#39;apple\u0026#39;] \u0026gt;\u0026gt;\u0026gt; sorted(fruit_2) [\u0026#39;apple\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;grape\u0026#39;] \u0026gt;\u0026gt;\u0026gt; sorted(fruit_2, reverse=True) [\u0026#39;grape\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;apple\u0026#39;] 위 fruit 리스트와 fruit_2 리스트의 원소는 'banana', 'apple', 'grape' 로 동일하다. 두 리스트의 유일한 차이점은 'apple' 원소와 'grape' 원소의 순서다. 따라서 주어진 리스트를 알파벳순으로 정렬하는 경우에는 정렬 결과에 차이가 없다.\n하지만, 아래 코드를 보자.\n\u0026gt;\u0026gt;\u0026gt; fruit = [\u0026#39;banana\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;grape\u0026#39;] \u0026gt;\u0026gt;\u0026gt; sorted(fruit, key = len) [\u0026#39;apple\u0026#39;, \u0026#39;grape\u0026#39;, \u0026#39;banana\u0026#39;] \u0026gt;\u0026gt;\u0026gt; sorted(fruit, key=len, reverse=True) [\u0026#39;banana\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;grape\u0026#39;] \u0026gt;\u0026gt;\u0026gt; fruit_2 = [\u0026#39;banana\u0026#39;, \u0026#39;grape\u0026#39;, \u0026#39;apple\u0026#39;] \u0026gt;\u0026gt;\u0026gt; sorted(fruit_2, key=len) [\u0026#39;grape\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;banana\u0026#39;] \u0026gt;\u0026gt;\u0026gt; sorted(fruit_2, key=len, reverse=True) [\u0026#39;banana\u0026#39;, \u0026#39;grape\u0026#39;, \u0026#39;apple\u0026#39;] 분명 동일한 원소를 포함하고 있는데, key=len 이라는 옵션을 설정하자 두 리스트의 정렬 결과가 달라졌다. 왜 이런 결과가 나왔을까?\n'apple' 원소와 'grape' 원소의 경우, 길이가 5로 동일하다. 따라서 길이를 기준으로 리스트를 정렬할 경우, 'apple' 원소와 'grape' 원소 중에서 어떤 원소가 먼저 와야하는가라는 문제가 발생한다. 이때, 파이썬은 정렬 알고리즘의 안정성 을 유지하는 방향으로 정렬한다. 즉, 기존 리스트의 원소 정렬 순서가 유지되는 방향으로 정렬한다. 위 예시를 보면, 기존에 fruit 리스트에서는 'apple' 원소가, fruit_2 리스트에서는 'grape' 원소가 더 앞에 위치하기 때문에 위와 같은 결과가 나온다.\nlist.sort()는 사본을 만들지 않고, 리스트 내부를 변경해서 정렬한다는 말에서 예상할 수 있듯이, tuple 타입의 객체에 대한 sort() 내장 함수는 구현되어 있지 않다.\n\u0026gt;\u0026gt;\u0026gt; t=(4,2,1,5) \u0026gt;\u0026gt;\u0026gt; type(t) \u0026lt;class \u0026#39;tuple\u0026#39;\u0026gt; \u0026gt;\u0026gt;\u0026gt; t.sort() Traceback (most recent call last): File \u0026#34;\u0026lt;stdin\u0026gt;\u0026#34;, line 1, in \u0026lt;module\u0026gt; AttributeError: \u0026#39;tuple\u0026#39; object has no attribute \u0026#39;sort\u0026#39; 2.8 정렬된 시퀀스를 bisect로 관리하기 2.8절은 표준 이진 검색 알고리즘이 구현된 파이썬 표준 라이브러리인 bisect 모듈에 대한 내용이다. 구체적으로, 이미 정렬된 시퀀스의 정렬 상태를 유지한 채로 새로운 항목을 추가하는 bisect.insort() 함수 등에 대해 살펴보지만 이 포스트에서 자세한 내용은 생략한다.\n지금까지 살펴보았듯이, 리스트형은 매우 편리한 자료형(자료구조)이다. 하지만, 때때로 배열이나 덱(deque) 등 다른 자료형을 사용하는 게 더 효율적일 때가 있다. 다음 포스트에서 리스트형 이외에 어떤 시퀀스형이 있는지, 해당 시퀀스형이 어떤 상황에서 유용한지 알아보자.\n","permalink":"https://quriemoon.github.io/posts/2019-05-06-fluent-python-chap2-2/","summary":"\u003cp\u003e\u003ccode\u003e이 포스트는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; (written by Luciano Ramalho, 강권학 옮김) 스터디를 진행하면서 공부한 내용을 정리하는 목적으로 작성되었습니다. 따라서 이 포스트 내 설명 및 코드의 출처는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; 임을 미리 밝힙니다.\u003c/code\u003e\u003c/p\u003e\n\u003ch2 id=\"chapter-2-시퀀스\"\u003eChapter 2. 시퀀스\u003c/h2\u003e\n\u003ch3 id=\"26-시퀀스의-복합-할당augmented-assignment\"\u003e2.6 시퀀스의 복합 할당(augmented assignment)\u003c/h3\u003e\n\u003cp\u003e\u003ccode\u003e+=\u003c/code\u003e, \u003ccode\u003e*=\u003c/code\u003e 와 같은 연산자가 \u003cstrong\u003e복합 할당 연산자\u003c/strong\u003e에 해당한다. 책에서 설명했듯이, \u003ccode\u003e+=\u003c/code\u003e 에 적용되는 개념은 \u003ccode\u003e*=\u003c/code\u003e 에도 적용되기 때문에 \u003ccode\u003e+=\u003c/code\u003e 에 대해 집중적으로 알아보자.\u003c/p\u003e","title":"Fluent Python - Chap 2. 시퀀스 (2)"},{"content":"GPU가 없지만 딥러닝 모델을 학습시켜서 활용하고 싶거나 BERT와 같은 덩치가 큰 모델을 돌리고 싶을 때, GPU 장비와 같은 환경적인 조건이 갖추어져 있지 않아 시도조차 해보기 어려울 때가 종종 있다. 이때, 유용하게 사용할 수 있는 게 바로 Google Colab이다.\n이 글에서는 Google Colab 사용법 중에 하나로, Google Drive와의 연동을 통한 Google Drive 데이터를 불러오는 법을 살펴보려고 한다.\n이 글에서 등장하는 Google Drive 구조는 아래와 같다.\n여기서 우리는 현재 작업 중인 위치를 \u0026rsquo;new_folder\u0026rsquo;로 설정한 후, 해당 폴더에 하위 항목(\u0026lsquo;data\u0026rsquo; 폴더, sample.txt) 를 이용하려고 한다.\n다시 Colab으로 돌아와서, 구글 드라이브를 연동하기 전에 현재 작업 중인 위치와 접근 가능한파일을 살펴보면 아래와 같다.\n!pwd # pwd: 현재 작업 중인 위치를 알려준다. # /content !ls # ls: 현재 작업 중인 디렉토리 내에 있는 디렉토리 및 파일 출력 # sample_data 아래 코드를 통해서 구글 드라이브를 연결해보자.\n마운트?\n컴퓨터 과학에서 저장 장치에 접근할 수 있는 경로를 디렉터리 구조에 편입시키는 작업을 말한다. (출처: 위키백과 - \u0026lsquo;마운트\u0026rsquo;)\n다음 코드를 실행하면, 결과창에 나오는 URL이 등장한다. 해당 URL을 클릭하여 authorization code를 복사해온 후, 입력창에 붙여넣자.\n# 구글 드라이브 연동 from os.path import join from google.colab import drive ROOT = \u0026#34;/content/gdrive\u0026#34; drive.mount(ROOT) # Go to this URL in a browser: https://accounts.google.com... # Enter your authorization code: # ·········· # Mounted at /content/gdrive 구글 드라이브와 연동을 마치고서 다시 현재 작업 중인 위치 및 세부 파일에 대한 정보를 확인해보자.\n!pwd # /content !ls # gdrive sample_data 구글 드라이브를 연동한 후에는 현재 작업 중인 디렉토리 안에 \u0026lsquo;gdrive\u0026rsquo; 라는 디렉토리가 보인다. 바로 이 \u0026lsquo;gdrive\u0026rsquo; 를 이용해서 구글 드라이브 내 파일에 접근할 수 있다.\n세부 경로를 설정하기 전에 ls 명령어를 이용하여 설정하려는 세부 경로가 맞는 경로인지 확인할 수 있다.\n!ls /content/gdrive/\u0026#39;My Drive\u0026#39;/new_folder # data sample.txt 위 결과를 통해서 /content/gdrive/'My Drive'/new_folder라는 경로가 이 예제에서 설정하려는 경로가 맞다는 걸 확인했다.\n팁: 디렉토리명에 \u0026rsquo; \u0026rsquo; (공백; white space) 가 포함된 경우, 하나의 디렉토리명이 공백을 기준으로 분리가 되어 에러가 발생할 수 있다. 이럴 경우, \u0026rsquo; \u0026lsquo;으로 해당 디렉토리명을 묶어주면 된다.\n위 경로를 이용하여 우리가 이용할 프로젝트 경로 (주소)를 만들자.\nPROJ = \u0026#34;My Drive/new_folder\u0026#34; #에러 발생 시, 아래 PROJ 할당문 실행 # PROJ = \u0026#34;\\\u0026#39;My Drive\\\u0026#39;/new_folder\u0026#34; PROJECT_PATH = join(ROOT, PROJ) # 위에서 ROOT = \u0026#34;/content/gdrive\u0026#34; 팁: 위에서 언급했듯이, 공백이 포함된 디렉토리명이 포함된 경로 입력 시, \u0026rsquo; \u0026lsquo;가 필요할 수도 있다. 이때, 문자열 안에 다시 문자열을 입력해야하는 경우, 이스케이스 문자(\\)를 쓰면 된다.\n새로 만든 프로젝트 주소를 이용할 수 있도록 경로에 추가하자.\nimport os import sys sys.path.insert(0, PROJECT_PATH) 우리가 이용하려는 data 디렉토리와 sample.txt 에 바로 접근할 수 있도록 new_folder 로 이동하자.\n%cd gdrive/\u0026#39;My Drive\u0026#39;/new_folder pwd 명령어를 통해서 현재 작업 중인 위치가 new_folder 로 바뀌었음을 알 수 있다.\n!pwd # /content/gdrive/My Drive/new_folder 이제 pd.read_csv('sample.txt') 와 같이 new_folder 에 있는 항목들에 바로 접근할 수 있다.\n","permalink":"https://quriemoon.github.io/posts/2019-04-16-connect-to-gdrive/","summary":"\u003cp\u003eGPU가 없지만 딥러닝 모델을 학습시켜서 활용하고 싶거나 BERT와 같은 덩치가 큰 모델을 돌리고 싶을 때, GPU 장비와 같은 환경적인 조건이 갖추어져 있지 않아 시도조차 해보기 어려울 때가 종종 있다. 이때, 유용하게 사용할 수 있는 게 바로 Google Colab이다.\u003c/p\u003e\n\u003cp\u003e이 글에서는 Google Colab 사용법 중에 하나로, Google Drive와의 연동을 통한 Google Drive 데이터를 불러오는 법을 살펴보려고 한다.\u003c/p\u003e\n\u003chr\u003e\n\u003cp\u003e이 글에서 등장하는 Google Drive 구조는 아래와 같다.\u003c/p\u003e\n\u003cp\u003e\u003cimg alt=\"gdrive_sample_directory\" loading=\"lazy\" src=\"/images/post_images/gdrive_sample_directory.png\"\u003e\u003c/p\u003e\n\u003cp\u003e여기서 우리는 현재 작업 중인 위치를 \u0026rsquo;new_folder\u0026rsquo;로 설정한 후, 해당 폴더에 하위 항목(\u0026lsquo;data\u0026rsquo; 폴더, sample.txt) 를 이용하려고 한다.\u003c/p\u003e","title":"Google Colab 환경에서 Google Drive 연동하기"},{"content":"이 포스트는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; (written by Luciano Ramalho, 강권학 옮김) 스터디를 진행하면서 공부한 내용을 정리하는 목적으로 작성되었습니다. 따라서 이 포스트 내 설명 및 코드의 출처는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; 임을 미리 밝힙니다.\nChapter 2. 시퀀스 2.2 지능형 리스트 (list comp) 와 제너레이터 표현식 (genexpr) 아래 코드는 주어진 문자열의 문자에 해당하는 아스키 코드를 담고 있는 리스트를 새로 생성하고 있다.\n\u0026gt;\u0026gt;\u0026gt; new_str = \u0026#34;convert to ASCII\u0026#34; \u0026gt;\u0026gt;\u0026gt; char_list = [] \u0026gt;\u0026gt;\u0026gt; for one_char in new_str: ... char_list.append(ord(one_char)) ... \u0026gt;\u0026gt;\u0026gt; char_list [99, 111, 110, 118, 101, 114, 116, 32, 116, 111, 32, 65, 83, 67, 73, 73] 위 코드를 지능형 리스트(listcomp)를 통해서 표현하면, 아래와 같이 쓸 수 있다.\n\u0026gt;\u0026gt;\u0026gt; codes = [ord(one_char) for one_char in new_str] \u0026gt;\u0026gt;\u0026gt; codes [99, 111, 110, 118, 101, 114, 116, 32, 116, 111, 32, 65, 83, 67, 73, 73] 위와 같은 지능형 리스트는 왜 사용해야할까? 그 이유는 바로 지능형 리스트의 가독성이 좋고 때로는 지능형 리스트를 통해서 실행 속도가 빠른 코드를 만들기 쉽기 때문이다. 또한, (Python3의) 지능형 리스트는 더 이상 메모리를 누수하지 않는다.\n물론 지능형 리스트를 남용해서 이해가 정말 어려운 코드를 만들 수도 있다. 따라서 책에서는 다음과 같은 상황에서는 지능형 리스트를 사용하지 않도록 권한다: 생성된 리스트를 사용하지 않을 경우, 코드를 짧게 쓰기 어려운 경우, 지능형 리스트 구문이 두 줄 이상 넘어가는 경우\n지능형 리스트는 오로지 새로운 리스트를 만드는 일만 한다는 것 주의하자.\n위에서 살펴본 지능형 리스트를 이용하여 아래와 같이 튜플, 배열 등 리스트 이외의 시퀀스형을 초기화할 수 있다.\n\u0026gt;\u0026gt;\u0026gt; codes = [ord(one_char) for one_char in new_str] \u0026gt;\u0026gt;\u0026gt; codes [99, 111, 110, 118, 101, 114, 116, 32, 116, 111, 32, 65, 83, 67, 73, 73] \u0026gt;\u0026gt;\u0026gt; type(codes) \u0026lt;class \u0026#39;list\u0026#39;\u0026gt; \u0026gt;\u0026gt;\u0026gt; new_tuple = tuple(codes) \u0026gt;\u0026gt;\u0026gt; new_tuple (99, 111, 110, 118, 101, 114, 116, 32, 116, 111, 32, 65, 83, 67, 73, 73) \u0026gt;\u0026gt;\u0026gt; type(new_tuple) \u0026lt;class \u0026#39;tuple\u0026#39;\u0026gt; 하지만, 책에서는 방금 살펴본 코드처럼 다른 생성자에 전달할 리스트를 통째로 만드는 대신에 **반복자 프로토콜 (iterative protocol)**을 이용해서 항목을 하나씩 생성하는 제너레이터 표현식을 권한다. 데카르트 곱(Cartesian product)를 각각 지능형 리스트와 제너레이터 표현식을 이용해서 구해봄으로써 이에 대한 내용을 살펴보자.\n먼저, 지능형 리스트를 이용해서 Cartesian product를 구하면 아래와 같이 구할 수 있다.\n\u0026gt;\u0026gt;\u0026gt; weather=[\u0026#39;sunny\u0026#39;,\u0026#39;cloudy\u0026#39;,\u0026#39;rainy\u0026#39;,\u0026#39;snowy\u0026#39;] \u0026gt;\u0026gt;\u0026gt; drinks=[\u0026#39;coffee\u0026#39;,\u0026#39;coke\u0026#39;] \u0026gt;\u0026gt;\u0026gt; what_to_drink_today=[(weather, drink) for weather in weather ... for drink in drinks] \u0026gt;\u0026gt;\u0026gt; what_to_drink_today [(\u0026#39;sunny\u0026#39;, \u0026#39;coffee\u0026#39;), (\u0026#39;sunny\u0026#39;, \u0026#39;coke\u0026#39;), (\u0026#39;cloudy\u0026#39;, \u0026#39;coffee\u0026#39;), (\u0026#39;cloudy\u0026#39;, \u0026#39;coke\u0026#39;), (\u0026#39;rainy\u0026#39;, \u0026#39;coffee\u0026#39;), (\u0026#39;rainy\u0026#39;, \u0026#39;coke\u0026#39;), (\u0026#39;snowy\u0026#39;, \u0026#39;coffee\u0026#39;), (\u0026#39;snowy\u0026#39;, \u0026#39;coke\u0026#39;)] 이때, 날씨와 음료수의 조합을 메모리에 유지할 필요 없는 데이터를 생성하고 싶다면, 아래와 같이 제너레이터 표현식을 사용하는 게 더 효율적이다.\n\u0026gt;\u0026gt;\u0026gt; for weather_drink in (\u0026#39;%s %s\u0026#39; % (weather, drink) for weather in weather for drink in drinks): ... print(weather_drink) ... sunny coffee sunny coke cloudy coffee cloudy coke rainy coffee rainy coke snowy coffee snowy coke 제너레이터 표현식은 이처럼 단순히 for 루프에 전달하기 위한 용도를 위해서만 리스트를 생성하는 일을 피할 수 있다.\n2.3 튜플은 단순한 불변 리스트가 아니다 튜플은 종종 리스트와 비교되어, \u0026lsquo;불변 리스트\u0026rsquo;로 소개된다. 하지만, 책에서는 튜플의 용도를 다음 2가지로 정리한다.\n필드명 없는 레코드 불변 리스트 각각에 대해서 살펴보자.\n2.3.1 튜플: 필드명 없는 레코드 튜플을 필드명 없는 레코드를 쓴 예제는 다음과 같다.\n\u0026gt;\u0026gt;\u0026gt; scoreboard = [(\u0026#39;Min-su\u0026#39;,\u0026#39;Math\u0026#39;,20), (\u0026#39;Woo-ri\u0026#39;,\u0026#39;Korean\u0026#39;,30),(\u0026#39;Kyung-mi\u0026#39;,\u0026#39;English\u0026#39;,25)] \u0026gt;\u0026gt;\u0026gt; for score in sorted(scoreboard): ... print(\u0026#39;Name: {}, Subject: {}, Score: {}\u0026#39;.format(*score)) ... Name: Kyung-mi, Subject: English, Score: 25 Name: Min-su, Subject: Math, Score: 20 Name: Woo-ri, Subject: Korean, Score: 30 위 코드에서 보이듯이 튜플의 각 항목은 레코드의 필드 하나를 의미한다. 위 예시에서 각 튜플의 첫번째 항목은 이름, 두번째 항목은 과목명, 세번째 항목은 점수를 의미한다. 이처럼 각 항목의 위치에 의해서 항목의 의미가 결정되기 때문에 각 항목의 위치/순서가 중요하다.\n뿐만 아니라 튜플은 언패킹 메커니즘 (tuple unpacking/iterative unpacking) 덕분에 레코드로써 기능을 더욱 잘 수행한다. 아래 예를 통해서 언패킹이 사용된 사례를 살펴보자.\n\u0026gt;\u0026gt;\u0026gt; # 예제 1 \u0026gt;\u0026gt;\u0026gt; basket = (\u0026#39;banana\u0026#39;, \u0026#39;apple\u0026#39;) \u0026gt;\u0026gt;\u0026gt; fruit_1, fruit_2 = basket \u0026gt;\u0026gt;\u0026gt; fruit_1 \u0026#39;banana\u0026#39; \u0026gt;\u0026gt;\u0026gt; fruit_2 \u0026#39;apple\u0026#39; \u0026gt;\u0026gt;\u0026gt; # 예제 2 \u0026gt;\u0026gt;\u0026gt; scoreboard = [(\u0026#39;Min-su\u0026#39;,\u0026#39;Math\u0026#39;,20), (\u0026#39;Woo-ri\u0026#39;,\u0026#39;Korean\u0026#39;,30),(\u0026#39;Kyung-mi\u0026#39;,\u0026#39;English\u0026#39;,25)] \u0026gt;\u0026gt;\u0026gt; for score in sorted(scoreboard): ... print(\u0026#39;Name: %s, Subject: %s, Score: %s\u0026#39; % score) ... Name: Kyung-mi, Subject: English, Score: 25 Name: Min-su, Subject: Math, Score: 20 Name: Woo-ri, Subject: Korean, Score: 30 이 기능이 특히 유용할 때는 바로 swap 기능을 사용할 때다!\n\u0026gt;\u0026gt;\u0026gt; a = 10 \u0026gt;\u0026gt;\u0026gt; b = 20 \u0026gt;\u0026gt;\u0026gt; a,b (10, 20) \u0026gt;\u0026gt;\u0026gt; a,b = b,a \u0026gt;\u0026gt;\u0026gt; a,b (20, 10) 위에서 살펴보았듯이 튜플의 여러 항목들을 함수의 인자로 전달해줘야할 때, *를 활용하면 유용하다.\n\u0026gt;\u0026gt;\u0026gt; #*를 이용한 튜플 언패킹 \u0026gt;\u0026gt;\u0026gt; for score in sorted(scoreboard): ... print(\u0026#39;Name: {}, Subject: {}, Score: {}\u0026#39;.format(*score)) ... Name: Kyung-mi, Subject: English, Score: 25 Name: Min-su, Subject: Math, Score: 20 Name: Woo-ri, Subject: Korean, Score: 30 *은 초과 항목을 잡기 위해서도 사용될 수 있다. 초과 항목을 잡는다는 표현은 함수 매개변수 전달 시, *를 이용해서 초과된 인수를 가져온다는 뜻인데, 파이썬 3에서는 이 개념을 확장하여 병렬 할당 상황에서도 이 기능을 이용한다.\n병렬 할당: 반복형 데이터를 변수로 구성된 튜플에 할당하는 것\n\u0026gt;\u0026gt;\u0026gt; a,b,*rest = range(3) \u0026gt;\u0026gt;\u0026gt; a, b, *rest = range(5) \u0026gt;\u0026gt;\u0026gt; a, b, rest (0, 1, [2, 3, 4]) \u0026gt;\u0026gt;\u0026gt; type(rest) \u0026lt;class \u0026#39;list\u0026#39;\u0026gt; \u0026gt;\u0026gt;\u0026gt; len(rest) 3 \u0026gt;\u0026gt;\u0026gt; rest [2, 3, 4] \u0026gt;\u0026gt;\u0026gt; a,b,*rest = range(3) \u0026gt;\u0026gt;\u0026gt; a,b,rest (0, 1, [2]) \u0026gt;\u0026gt;\u0026gt; a,b,*rest = range(2) \u0026gt;\u0026gt;\u0026gt; a,b,rest (0, 1, []) 병렬 할당의 경우, *는 단 하나의 변수에만 적용할 수 있지만 어떠한 변수에도 적용 가능할 수 있다.\n\u0026gt;\u0026gt;\u0026gt; a, *b, *rest = range(5) File \u0026#34;\u0026lt;stdin\u0026gt;\u0026#34;, line 1 SyntaxError: two starred expressions in assignment \u0026gt;\u0026gt;\u0026gt; *a, b, rest = range(5) \u0026gt;\u0026gt;\u0026gt; a,b,rest ([0, 1, 2], 3, 4) \u0026gt;\u0026gt;\u0026gt; a,*b,rest = range(5) \u0026gt;\u0026gt;\u0026gt; a,b,rest (0, [1, 2, 3], 4) \u0026gt;\u0026gt;\u0026gt; a,b,*rest = range(5) \u0026gt;\u0026gt;\u0026gt; a,b,rest (0, 1, [2, 3, 4]) 추가적으로, 튜플 언패킹은 내포된 구조, 즉 nested 형태에도 적용이 가능하다.\n이처럼 튜플은 아주 편리하나 때로는 필드에 이름을 붙일 필요가 있다. 그래서 고안된 함수가 collections.namedtuple() 함수로, 이를 통해 명명된 튜플을 이용할 수 있다.\n\u0026gt;\u0026gt;\u0026gt; from collections import namedtuple \u0026gt;\u0026gt;\u0026gt; Student = namedtuple(\u0026#39;Student\u0026#39;, \u0026#39;name student_id favorite_subject\u0026#39;) \u0026gt;\u0026gt;\u0026gt; Minsu = Student(\u0026#39;Minsu\u0026#39;, 23, \u0026#39;Math\u0026#39;) \u0026gt;\u0026gt;\u0026gt; Minsu Student(name=\u0026#39;Minsu\u0026#39;, student_id=23, favorite_subject=\u0026#39;Math\u0026#39;) \u0026gt;\u0026gt;\u0026gt; Minsu.name \u0026#39;Minsu\u0026#39; 명명된 튜플은 튜플에서 상속받은 속성 외에 추가적인 몇 가지 속성들을 더 가지고 있다.\n\u0026gt;\u0026gt;\u0026gt; Student._fields (\u0026#39;name\u0026#39;, \u0026#39;student_id\u0026#39;, \u0026#39;favorite_subject\u0026#39;) \u0026gt;\u0026gt;\u0026gt; Student._fields #_fields: 클래스의 필드명을 담고 있는 튜플 (\u0026#39;name\u0026#39;, \u0026#39;student_id\u0026#39;, \u0026#39;favorite_subject\u0026#39;) \u0026gt;\u0026gt;\u0026gt; mina_data = (\u0026#39;Mina\u0026#39;, 25, \u0026#39;English\u0026#39;) \u0026gt;\u0026gt;\u0026gt; Mina = Student._make(mina_data) \u0026gt;\u0026gt;\u0026gt; Mina Student(name=\u0026#39;Mina\u0026#39;, student_id=25, favorite_subject=\u0026#39;English\u0026#39;) \u0026gt;\u0026gt;\u0026gt; Mina = Student(*mina_data) #_make() 함수를 이용한 것과 결과 동일 \u0026gt;\u0026gt;\u0026gt; Mina Student(name=\u0026#39;Mina\u0026#39;, student_id=25, favorite_subject=\u0026#39;English\u0026#39;) \u0026gt;\u0026gt;\u0026gt; Mina._asdict() OrderedDict([(\u0026#39;name\u0026#39;, \u0026#39;Mina\u0026#39;), (\u0026#39;student_id\u0026#39;, 25), (\u0026#39;favorite_subject\u0026#39;, \u0026#39;English\u0026#39;)]) \u0026gt;\u0026gt;\u0026gt; for key, value in Mina._asdict().items(): ... print(key+\u0026#34;:\u0026#34;,value) ... name: Mina student_id: 25 favorite_subject: English \u0026lt;추가 내용\u0026gt; 명명된 튜플의 장점\n튜플과 마찬가지로, 객체당 오버헤드가 적다. 이름을 이용해서 필드에 간단히 접근할 수 있다. _asdict() 메서드를 사용하여 레코드를 OrderedDict 객체로 내보낼 수 있다(export). 2.3.2 튜플: 불변 리스트 튜플과 리스트에서 동시에 사용할 수 있는 기능과 튜플이 immutable하기 때문에 리스트에서는 가능하지만 튜플에서는 가능하지 않은 기능(예: append, insert, remove)을 구분해서 알자.\n2.4 슬라이싱 파이썬의 강력한 기능인 슬라이싱은 [] 안에서 a: b: c 표기법을 통해서 이루어진다. 이렇게 이루어지는 slice(a,b,c) 객체를 생성한다. 슬라이스 객체를 알아두어야 하는 이유는 슬라이스 객체를 통해서 슬라이스에 이름을 붙일 수 있기 때문이다.\n\u0026gt;\u0026gt;\u0026gt; shopping_list = \u0026#34;\u0026#34;\u0026#34; ... 0....5...................25...29..... ... 001 banana 2 $4.9 ... 002 kiwi 4 $12 ... 003 apple 8 $20.2 ... \u0026#34;\u0026#34;\u0026#34; \u0026gt;\u0026gt;\u0026gt; id_num = slice(0,5) #shopping_list.split(\u0026#39;\\n\u0026#39;)[1] 을 통해서 슬라이싱 때, 나누어야할 지점의 인덱스를 알 수 있다. \u0026gt;\u0026gt;\u0026gt; item_name = slice(5,25) \u0026gt;\u0026gt;\u0026gt; quantity = slice(25,29) \u0026gt;\u0026gt;\u0026gt; price = slice(29, None) \u0026gt;\u0026gt;\u0026gt; line_items = shopping_list.split(\u0026#39;\\n\u0026#39;)[2:] \u0026gt;\u0026gt;\u0026gt; for item in line_items: ... print(item[item_name], item[quantity], item[price]) ... banana 2 $4.9 kiwi 4 $12 apple 8 $20.2 또한, 슬라이스에 할당하는 것 역시 가능하다.\n\u0026gt;\u0026gt;\u0026gt; l = list(range(10)) \u0026gt;\u0026gt;\u0026gt; l [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] \u0026gt;\u0026gt;\u0026gt; l[2:5] = [20,30] \u0026gt;\u0026gt;\u0026gt; l [0, 1, 20, 30, 5, 6, 7, 8, 9] \u0026gt;\u0026gt;\u0026gt; l[2:5] = [100,200,300] \u0026gt;\u0026gt;\u0026gt; l [0, 1, 100, 200, 300, 6, 7, 8, 9] \u0026gt;\u0026gt;\u0026gt; del l[5:7] \u0026gt;\u0026gt;\u0026gt; l [0, 1, 100, 200, 300, 8, 9] \u0026gt;\u0026gt;\u0026gt; l[3::2] = [11,22] \u0026gt;\u0026gt;\u0026gt; l [0, 1, 100, 11, 300, 22, 9] 이때, 위처럼 슬라이스에 할당할 경우, 항목 하나만 할당하는 경우에도 할당문 오른쪽에 반복 가능한 객체가 와야 한다.\n\u0026gt;\u0026gt;\u0026gt; l = list(range(10)) \u0026gt;\u0026gt;\u0026gt; l [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] \u0026gt;\u0026gt;\u0026gt; l[2:5] = 100 Traceback (most recent call last): File \u0026#34;\u0026lt;stdin\u0026gt;\u0026#34;, line 1, in \u0026lt;module\u0026gt; TypeError: can only assign an iterable \u0026gt;\u0026gt;\u0026gt; l[2:5] = [100] \u0026gt;\u0026gt;\u0026gt; l [0, 1, 100, 5, 6, 7, 8, 9] 2.5 시퀀스에 덧셈과 곱셈 연산자 사용하기 시퀀스에 덧셈과 곱셈 연산자를 적용하여 새로운 시퀀스를 만들 수 있다.\n\u0026gt;\u0026gt;\u0026gt; l = [1,2,3] \u0026gt;\u0026gt;\u0026gt; l * 5 [1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3] \u0026gt;\u0026gt;\u0026gt; 5 * \u0026#39;abcd\u0026#39; \u0026#39;abcdabcdabcdabcdabcd\u0026#39; 위 l * 5 와 같은 표현식을 이용해서 nested list를 만든 후, 이 nested list를 이용하여 리스트를 초기화할 수 있다. 이때, 동일 리스트를 여러 번 참조하지 않도록 주의해야한다. 아래 코드를 보면 동일한 리스트를 (의도치 않게) 여러 번 참조했을 때의 문제점을 볼 수 있다.\n\u0026gt;\u0026gt;\u0026gt; weird_board = [[\u0026#39;_\u0026#39;] * 3] * 3 \u0026gt;\u0026gt;\u0026gt; weird_board [[\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;]] \u0026gt;\u0026gt;\u0026gt; weird_board[1][2] = \u0026#39;X\u0026#39; \u0026gt;\u0026gt;\u0026gt; weird_board [[\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;X\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;X\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;X\u0026#39;]] 사용자가 의도했던 결과는 [['_', '_', '_'], ['_', '_', 'X'], ['_', '_', '_']] 인데, 위 결과는 그렇지 않다. 위 코드를 사용자가 의도한 결과가 나오도록 고치면 아래와 같다.\n\u0026gt;\u0026gt;\u0026gt; board = [[\u0026#39;_\u0026#39;] * 3 for i in range(3)] \u0026gt;\u0026gt;\u0026gt; board [[\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;]] \u0026gt;\u0026gt;\u0026gt; board[1][2] = \u0026#39;X\u0026#39; \u0026gt;\u0026gt;\u0026gt; board [[\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;X\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;]] 왜 두 코드의 실행 결과가 다른 걸까? 위 두 코드는 아래와 같이 풀어서 쓸 수 있다.\n\u0026gt;\u0026gt;\u0026gt; # weird_board 사례 \u0026gt;\u0026gt;\u0026gt; row = [\u0026#39;_\u0026#39;] * 3 \u0026gt;\u0026gt;\u0026gt; board = [] \u0026gt;\u0026gt;\u0026gt; for i in range(3): ... board.append(row) # 동일한 행이 board 리스트에 세 번 추가된다 ... \u0026gt;\u0026gt;\u0026gt; board [[\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;]] \u0026gt;\u0026gt;\u0026gt; board[1][2] = \u0026#39;X\u0026#39; \u0026gt;\u0026gt;\u0026gt; board [[\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;X\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;X\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;X\u0026#39;]] \u0026gt;\u0026gt;\u0026gt; board = [] \u0026gt;\u0026gt;\u0026gt; for i in range(3): ... row = [\u0026#39;_\u0026#39;] * 3 # 반복할 때마다 row 객체를 새로 만들어서 ... board.append(row) # board에 추가한다 ... \u0026gt;\u0026gt;\u0026gt; board [[\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;]] \u0026gt;\u0026gt;\u0026gt; board[1][2] = \u0026#39;X\u0026#39; \u0026gt;\u0026gt;\u0026gt; board [[\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;X\u0026#39;], [\u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;, \u0026#39;_\u0026#39;]] 다음 포스트에서 시퀀스의 복합 할당 ( +=, *= ) 부터 이어서 보자.\n","permalink":"https://quriemoon.github.io/posts/2019-04-27-fluent-python-chap2-1/","summary":"\u003cp\u003e\u003ccode\u003e이 포스트는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; (written by Luciano Ramalho, 강권학 옮김) 스터디를 진행하면서 공부한 내용을 정리하는 목적으로 작성되었습니다. 따라서 이 포스트 내 설명 및 코드의 출처는 \u0026lt;\u0026lt;Fluent Python (전문가를 위한 파이썬) \u0026gt;\u0026gt; 임을 미리 밝힙니다.\u003c/code\u003e\u003c/p\u003e\n\u003ch2 id=\"chapter-2-시퀀스\"\u003eChapter 2. 시퀀스\u003c/h2\u003e\n\u003ch3 id=\"22-지능형-리스트-list-comp-와-제너레이터-표현식-genexpr\"\u003e2.2 지능형 리스트 (list comp) 와 제너레이터 표현식 (genexpr)\u003c/h3\u003e\n\u003cp\u003e아래 코드는 주어진 문자열의 문자에 해당하는 아스키 코드를 담고 있는 리스트를 새로 생성하고 있다.\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-python\" data-lang=\"python\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e new_str \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e \u003cspan style=\"color:#e6db74\"\u003e\u0026#34;convert to ASCII\u0026#34;\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e char_list \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e []\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e \u003cspan style=\"color:#66d9ef\"\u003efor\u003c/span\u003e one_char \u003cspan style=\"color:#f92672\"\u003ein\u003c/span\u003e new_str:\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e...\u003c/span\u003e     char_list\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003eappend(ord(one_char))\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e...\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e char_list\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e[\u003cspan style=\"color:#ae81ff\"\u003e99\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e111\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e110\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e118\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e101\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e114\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e116\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e32\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e116\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e111\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e32\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e65\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e83\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e67\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e73\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e73\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e위 코드를 지능형 리스트(listcomp)를 통해서 표현하면, 아래와 같이 쓸 수 있다.\u003c/p\u003e","title":"Fluent Python - Chap 2. 시퀀스 (1)"},{"content":"이 이 포스트의 설명 및 코드는 Python official documentation을 참조했습니다.\nurl: https://docs.python.org/ko/3/tutorial/datastructures.html\n5.5 딕셔너리 딕셔너리를 자세히 살펴보기 위해서는 아래 링크를 보자.\nhttps://docs.python.org/ko/3/tutorial/datastructures.html#dictionaries\n이 본문에서는 일단 파이썬 공식문서에 등장한 내용부터 다루려고 한다.\n하나의 딕셔너리는\u0026hellip;\n키(key)로 인덱싱이 되고\n이때, 키(key)들은 서로 중복되지 않는다라는 제약 조건을 지키며\n키(key):값(value) 로 된 쌍(pair)의 집합\n이다.\n또한, 집합(set)에서 언급되었지만 {} 은 빈 딕셔너리를 만들고, {} 안에 키:값 쌍들의 목록을 넣는 방식으로 딕셔너리를 초기화할 수 있다.\n\u0026gt;\u0026gt;\u0026gt; empty_dict = {} \u0026gt;\u0026gt;\u0026gt; empty_dict {} \u0026gt;\u0026gt;\u0026gt; type(empty_dict) \u0026lt;class \u0026#39;dict\u0026#39;\u0026gt; \u0026gt;\u0026gt;\u0026gt; len(empty_dict) 0 \u0026gt;\u0026gt;\u0026gt; new_dict = {\u0026#39;key1\u0026#39;:1,\u0026#39;key2\u0026#39;:2,\u0026#39;This_is_also_a_key\u0026#39;:5} \u0026gt;\u0026gt;\u0026gt; new_dict {\u0026#39;key1\u0026#39;: 1, \u0026#39;key2\u0026#39;: 2, \u0026#39;This_is_also_a_key\u0026#39;: 5} \u0026gt;\u0026gt;\u0026gt; type(new_dict) \u0026lt;class \u0026#39;dict\u0026#39;\u0026gt; \u0026gt;\u0026gt;\u0026gt; len(new_dict) 3 위에 첨부한 링크를 따라가면, 딕셔너리가 지원하는 연산들에 대해서 자세히 알 수 있다. 이때, 딕셔너리의 주 연산을 한줄로 요약한다면, 값에 대한 연산이 키를 이용하여 이루어진다 는 것이다.\n\u0026gt;\u0026gt;\u0026gt; new_dict {\u0026#39;key1\u0026#39;: 1, \u0026#39;key2\u0026#39;: 2, \u0026#39;This_is_also_a_key\u0026#39;: 5} \u0026gt;\u0026gt;\u0026gt; new_dict[\u0026#39;key1\u0026#39;] #key를 이용하여 딕셔너리 내 value에 접근 1 \u0026gt;\u0026gt;\u0026gt; new_dict {\u0026#39;key1\u0026#39;: 1, \u0026#39;key2\u0026#39;: 2, \u0026#39;This_is_also_a_key\u0026#39;: 5} \u0026gt;\u0026gt;\u0026gt; del new_dict[\u0026#39;key1\u0026#39;] #del도 key를 이용 \u0026gt;\u0026gt;\u0026gt; new_dict {\u0026#39;key2\u0026#39;: 2, \u0026#39;This_is_also_a_key\u0026#39;: 5} 새로운 원소를 추가하는 것 역시 key를 중심으로 할 수 있다.\n\u0026gt;\u0026gt;\u0026gt; new_dict {\u0026#39;key1\u0026#39;: 1, \u0026#39;key2\u0026#39;: 2, \u0026#39;This_is_also_a_key\u0026#39;: 5} \u0026gt;\u0026gt;\u0026gt; new_dict[\u0026#39;new_key\u0026#39;] = 329020 \u0026gt;\u0026gt;\u0026gt; new_dict {\u0026#39;key1\u0026#39;: 1, \u0026#39;key2\u0026#39;: 2, \u0026#39;This_is_also_a_key\u0026#39;: 5, \u0026#39;new_key\u0026#39;: 329020} 추가적으로, 키에 대한 내용을 좀 더 살펴보면,\nlist(d) 는 딕셔너리에서 사용되고 있는 모든 키의 리스트를 삽입 순서대로 돌려준다. ​ 정렬된 결과를 돌려받고 싶을 때는 sorted(d) 를 이용하면 된다.\n\u0026gt;\u0026gt;\u0026gt; tel = {\u0026#39;jack\u0026#39;: 4098, \u0026#39;sape\u0026#39;: 4139} \u0026gt;\u0026gt;\u0026gt; tel[\u0026#39;guido\u0026#39;] = 4127 \u0026gt;\u0026gt;\u0026gt; tel {\u0026#39;jack\u0026#39;: 4098, \u0026#39;sape\u0026#39;: 4139, \u0026#39;guido\u0026#39;: 4127} \u0026gt;\u0026gt;\u0026gt; del tel[\u0026#39;sape\u0026#39;] \u0026gt;\u0026gt;\u0026gt; tel[\u0026#39;irv\u0026#39;] = 4127 \u0026gt;\u0026gt;\u0026gt; tel {\u0026#39;jack\u0026#39;: 4098, \u0026#39;guido\u0026#39;: 4127, \u0026#39;irv\u0026#39;: 4127} \u0026gt;\u0026gt;\u0026gt; list(tel) [\u0026#39;jack\u0026#39;, \u0026#39;guido\u0026#39;, \u0026#39;irv\u0026#39;] \u0026gt;\u0026gt;\u0026gt; sorted(tel) [\u0026#39;guido\u0026#39;, \u0026#39;irv\u0026#39;, \u0026#39;jack\u0026#39;] 하나의 키가 딕셔너리에 있는지 검사하려면, in 키워드를 사용한다. \u0026gt;\u0026gt;\u0026gt; \u0026#39;guido\u0026#39; in tel True \u0026gt;\u0026gt;\u0026gt; \u0026#39;jact\u0026#39; not in tel True \u0026gt;\u0026gt;\u0026gt; \u0026#39;jack\u0026#39; not in tel False 다음으로, 딕셔너리를 생성하는 추가적인 방법을 알아보자.\ndict() 이용\n딕셔너리 생성 시, dict() 생성자를 사용하여 키-값 쌍들의 시퀀스 (예: 리스트)로부터 직접 딕셔너리를 만들 수도 있다. \u0026gt;\u0026gt;\u0026gt; dict([(\u0026#39;sape\u0026#39;,4139),(\u0026#39;guido\u0026#39;,4127),(\u0026#39;jack\u0026#39;,4098)]) #(key, value) {\u0026#39;sape\u0026#39;: 4139, \u0026#39;guido\u0026#39;: 4127, \u0026#39;jack\u0026#39;: 4098} 딕셔너리 컴프리헨션\n\u0026gt;\u0026gt;\u0026gt; dict_1 = {x: x**2 for x in (2,4,6)} \u0026gt;\u0026gt;\u0026gt; dict_1 {2: 4, 4: 16, 6: 36} \u0026gt;\u0026gt;\u0026gt; dict_1[6] #6 is the key for the value 36 36 키가 간단한 문자열일 때, 키워드 인자를 이용해서 쌍을 만들 수 있다.\n\u0026gt;\u0026gt;\u0026gt; sape Traceback (most recent call last): File \u0026#34;\u0026lt;stdin\u0026gt;\u0026#34;, line 1, in \u0026lt;module\u0026gt; NameError: name \u0026#39;sape\u0026#39; is not defined \u0026gt;\u0026gt;\u0026gt; dict(sape=4139, guido=4127, jack=4098) #sape, guido, jack 모두 \u0026#39;\u0026#39; 표시 없는데도 문자열로 인식됨 {\u0026#39;sape\u0026#39;: 4139, \u0026#39;guido\u0026#39;: 4127, \u0026#39;jack\u0026#39;: 4098} \u0026gt;\u0026gt;\u0026gt; sape Traceback (most recent call last): File \u0026#34;\u0026lt;stdin\u0026gt;\u0026#34;, line 1, in \u0026lt;module\u0026gt; NameError: name \u0026#39;sape\u0026#39; is not defined 5.6 루프 테크닉 시퀀스를 루핑할 때, 즉, 반복문을 돌 때, 다음 세가지 함수를 이용하자: items() , enumerate() , zip()\nitems()\nitems() 메서드를 사용하면 키와 해당 키에 대응하는 값을 동시에 얻을 수 있다.\n\u0026gt;\u0026gt;\u0026gt; match_the_fruit = {\u0026#39;red\u0026#39;:\u0026#39;apple\u0026#39;,\u0026#39;yellow\u0026#39;:\u0026#39;banana\u0026#39;,\u0026#39;green\u0026#39;:\u0026#39;kiwi\u0026#39;} \u0026gt;\u0026gt;\u0026gt; match_the_fruit {\u0026#39;red\u0026#39;: \u0026#39;apple\u0026#39;, \u0026#39;yellow\u0026#39;: \u0026#39;banana\u0026#39;, \u0026#39;green\u0026#39;: \u0026#39;kiwi\u0026#39;} \u0026gt;\u0026gt;\u0026gt; type(match_the_fruit) \u0026lt;class \u0026#39;dict\u0026#39;\u0026gt; \u0026gt;\u0026gt;\u0026gt; for color, fruit_name in match_the_fruit.items(): ... print(color, fruit_name) ... red apple yellow banana green kiwi enumerate()\nenumerate() 함수를 사용하면 위치 인덱스와 해당 인덱스에 대응하는 값을 동시에 얻을 수 있다.\n\u0026gt;\u0026gt;\u0026gt; for i, v in enumerate([\u0026#39;tic\u0026#39;,\u0026#39;tac\u0026#39;,\u0026#39;toe\u0026#39;]): ... print(i,v) ... 0 tic 1 tac 2 toe zip()\nzip() 함수는 둘 혹은 그 이상의 시퀀스를 동시에 루핑할 때, 사용된다.\nzip() 함수로 엔트리들의 쌍을 만들 수 있다.\n\u0026gt;\u0026gt;\u0026gt; questions = [\u0026#39;name\u0026#39;, \u0026#39;favorite food\u0026#39;, \u0026#39;favorite color\u0026#39;] \u0026gt;\u0026gt;\u0026gt; answers = [\u0026#39;lancelot\u0026#39;, \u0026#39;fried potatoes\u0026#39;, \u0026#39;blue\u0026#39;] \u0026gt;\u0026gt;\u0026gt; for q, a in zip(questions, answers): ... print(\u0026#39;What is your {0}? It is {1}.\u0026#39;.format(q,a)) ... What is your name? It is lancelot. What is your favorite food? It is fried potatoes. What is your favorite color? It is blue. 추가적으로, 시퀀스를 거꾸로 루핑할 때는 reversed() 함수를, 정렬된 순서로 시퀀스를 루핑할 때는 sorted() 함수를 이용한다.\n그리고 루프를 돌고 있는 리스트를 변경하고 싶을 때는 이 자체를 변경하기보다 새 리스트를 만드는 게 종종 더 간단하고 안전하다. 아래 예제를 보면, 루프를 돌고 있는 리스트를 변경해서 무한 루프가 발생한다.\n\u0026gt;\u0026gt;\u0026gt; #아래 코드 시, 무한 루프가 발생하니 되도록 실행을 권하지 않으며 혹시 실행 시 주의!! \u0026gt;\u0026gt;\u0026gt; import math \u0026gt;\u0026gt;\u0026gt; raw_data = [56.2, float(\u0026#39;NaN\u0026#39;), 51.7, 55.3, 52.5, float(\u0026#39;NaN\u0026#39;), 47.8] \u0026gt;\u0026gt;\u0026gt; \u0026gt;\u0026gt;\u0026gt; for value in raw_data: ... if not math.isnan(value): ... raw_data.append(value) 위 코드를 보면, for 문 안에서 value가 NaN 이 아닐 때마다 해당 값을 raw_data 에 추가하는데, 이때, NaN 이 아닌 값이 계속해서 추가되기 때문에 무한 루프가 발생한다. 위 코드를 아래와 같이 수정해보자.\n\u0026gt;\u0026gt;\u0026gt; import math \u0026gt;\u0026gt;\u0026gt; raw_data = [56.2, float(\u0026#39;NaN\u0026#39;), 51.7, 55.3, 52.5, float(\u0026#39;NaN\u0026#39;), 47.8] \u0026gt;\u0026gt;\u0026gt; filtered_data = [] \u0026gt;\u0026gt;\u0026gt; for value in raw_data: ... if not math.isnan(value): ... print(value) ... filtered_data.append(value) ... 56.2 51.7 55.3 52.5 47.8 \u0026gt;\u0026gt;\u0026gt; raw_data [56.2, nan, 51.7, 55.3, 52.5, nan, 47.8] \u0026gt;\u0026gt;\u0026gt; filtered_data [56.2, 51.7, 55.3, 52.5, 47.8] 위 코드에서는 filtered_data 라는 새로운 리스트를 사용함으로써 사용자가 의도했던 NaN 이 아닌 값만 추출하려는 목적도 충족하고, 무한 루프도 발생하지 않는다.\n5.7 조건 더 보기 ​\t이 부분에서는 아래 두 내용만 짚고 넘어가자.\n논리 연산자 and 와 or 는 단락-회로(short-circuit) 연산자이다. 이 두 논리 연산자를 사용할 경우, 인자들은 왼쪽에서 오른쪽으로 값이 구해지고, 결과가 결정되자마자 값 구하기는 중단된다. 즉, A and B and C 라는 식에서 A 와 C 가 True , B 가 False 이면 첫번째 and 뒤에 있는 B 에 의해서 이 식의 값이 False 로 정해지기 때문에 마지막 C 는 계산되지 않는다.\n비교의 결과나 다른 논리 표현식의 결과를 변수에 대입할 수 있다.\n\u0026gt;\u0026gt;\u0026gt; string1, string2, string3 = \u0026#39;\u0026#39;, \u0026#39;Trondheim\u0026#39;, \u0026#39;Hammer Dance\u0026#39; \u0026gt;\u0026gt;\u0026gt; non_null = string1 or string2 or string3 \u0026gt;\u0026gt;\u0026gt; non_null #\u0026#39;Hammer Dance\u0026#39;는 출력되지 않는 것에 주의! \u0026#39;Trondheim\u0026#39; \u0026gt;\u0026gt;\u0026gt; result = (3+4==7) and (2+3==5) \u0026gt;\u0026gt;\u0026gt; result True 파이썬에서는 표현식 안에서는 대입 연산자가 등장할 수 없다.\n5.8 시퀀스와 다른 형들을 비교하기 ","permalink":"https://quriemoon.github.io/posts/2019-03-27-python3-tutorial-chap5/","summary":"\u003cp\u003e\u003ccode\u003e이 이 포스트의 설명 및 코드는 Python official documentation을 참조했습니다.\u003c/code\u003e\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003eurl: https://docs.python.org/ko/3/tutorial/datastructures.html\u003c/code\u003e\u003c/p\u003e\n\u003ch3 id=\"55--딕셔너리\"\u003e5.5  딕셔너리\u003c/h3\u003e\n\u003cp\u003e딕셔너리를 자세히 살펴보기 위해서는 아래 링크를 보자.\u003c/p\u003e\n\u003cp\u003e\u003ca href=\"https://docs.python.org/ko/3/tutorial/datastructures.html#dictionaries\"\u003ehttps://docs.python.org/ko/3/tutorial/datastructures.html#dictionaries\u003c/a\u003e\u003c/p\u003e\n\u003cp\u003e이 본문에서는 일단 파이썬 공식문서에 등장한 내용부터 다루려고 한다.\u003c/p\u003e\n\u003chr\u003e\n\u003cp\u003e하나의 딕셔너리는\u0026hellip;\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003e키(key)로 인덱싱이 되고\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e이때, 키(key)들은 서로 중복되지 않는다라는 제약 조건을 지키며\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003e키(key):값(value) 로 된 쌍(pair)의 집합\u003c/p\u003e\n\u003cp\u003e이다.\u003c/p\u003e\n\u003c/li\u003e\n\u003c/ul\u003e\n\u003cp\u003e또한, 집합(set)에서 언급되었지만 \u003ccode\u003e{}\u003c/code\u003e 은 빈 딕셔너리를 만들고, \u003ccode\u003e{}\u003c/code\u003e 안에 키:값 쌍들의 목록을 넣는 방식으로 딕셔너리를 초기화할 수 있다.\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-python\" data-lang=\"python\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e empty_dict \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e {}\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e empty_dict\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e{}\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e type(empty_dict)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026lt;\u003c/span\u003e\u003cspan style=\"color:#66d9ef\"\u003eclass\u003c/span\u003e \u003cspan style=\"color:#960050;background-color:#1e0010\"\u003e\u0026#39;\u003c/span\u003e\u003cspan style=\"color:#a6e22e\"\u003edict\u003c/span\u003e\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;\u0026gt;\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e len(empty_dict)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#ae81ff\"\u003e0\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e new_dict \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e {\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;key1\u0026#39;\u003c/span\u003e:\u003cspan style=\"color:#ae81ff\"\u003e1\u003c/span\u003e,\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;key2\u0026#39;\u003c/span\u003e:\u003cspan style=\"color:#ae81ff\"\u003e2\u003c/span\u003e,\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;This_is_also_a_key\u0026#39;\u003c/span\u003e:\u003cspan style=\"color:#ae81ff\"\u003e5\u003c/span\u003e}\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e new_dict\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e{\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;key1\u0026#39;\u003c/span\u003e: \u003cspan style=\"color:#ae81ff\"\u003e1\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;key2\u0026#39;\u003c/span\u003e: \u003cspan style=\"color:#ae81ff\"\u003e2\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;This_is_also_a_key\u0026#39;\u003c/span\u003e: \u003cspan style=\"color:#ae81ff\"\u003e5\u003c/span\u003e}\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e type(new_dict)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026lt;\u003c/span\u003e\u003cspan style=\"color:#66d9ef\"\u003eclass\u003c/span\u003e \u003cspan style=\"color:#960050;background-color:#1e0010\"\u003e\u0026#39;\u003c/span\u003e\u003cspan style=\"color:#a6e22e\"\u003edict\u003c/span\u003e\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;\u0026gt;\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e len(new_dict)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#ae81ff\"\u003e3\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e위에 첨부한 링크를 따라가면, 딕셔너리가 지원하는 연산들에 대해서 자세히 알 수 있다. 이때, 딕셔너리의 주 연산을 한줄로 요약한다면, \u003cstrong\u003e값에 대한 연산이 키를 이용하여 이루어진다\u003c/strong\u003e 는 것이다.\u003c/p\u003e","title":"Python 3 Tutorial 공부 (5. 자료 구조 - 딕셔너리)"},{"content":"이 포스트의 설명 및 코드는 Python official documentation을 참조했습니다.\nurl: https://docs.python.org/ko/3/tutorial/datastructures.html\n5.4 집합 일단, 집합은 중복되는 요소가 없는 그리고 순서가 없는 컬렉션이다. 따라서 집합의 기본적인 용도는 멤버십 검사와 중복 엔트리 제거이다.\n집합을 만들 때는 중괄호나 set() 함수를 사용할 수 있다.\n\u0026gt;\u0026gt;\u0026gt; basket = {\u0026#39;apple\u0026#39;, \u0026#39;orange\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;pear\u0026#39;, \u0026#39;orange\u0026#39;, \u0026#39;banana\u0026#39;} \u0026gt;\u0026gt;\u0026gt; print(basket) #basket is a set {\u0026#39;apple\u0026#39;, \u0026#39;orange\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;pear\u0026#39;} \u0026gt;\u0026gt;\u0026gt; a= set(\u0026#39;abracadabra\u0026#39;) \u0026gt;\u0026gt;\u0026gt; a {\u0026#39;r\u0026#39;, \u0026#39;d\u0026#39;, \u0026#39;b\u0026#39;, \u0026#39;c\u0026#39;, \u0026#39;a\u0026#39;} \u0026gt;\u0026gt;\u0026gt; b=set(\u0026#39;alacazam\u0026#39;) \u0026gt;\u0026gt;\u0026gt; b {\u0026#39;l\u0026#39;, \u0026#39;m\u0026#39;, \u0026#39;z\u0026#39;, \u0026#39;c\u0026#39;, \u0026#39;a\u0026#39;} 이때, 주의할 점이 있다. 바로 빈 집합을 만들려면 {} 이 아닌 set() 을 사용한다. {} 은 빈 집합이 아닌 빈 딕셔너리 를 만든다.\n\u0026gt;\u0026gt;\u0026gt; empty_dict = {} \u0026gt;\u0026gt;\u0026gt; type(empty_dict) \u0026lt;class \u0026#39;dict\u0026#39;\u0026gt; \u0026gt;\u0026gt;\u0026gt; empty_set = set() \u0026gt;\u0026gt;\u0026gt; type(empty_set) \u0026lt;class \u0026#39;set\u0026#39;\u0026gt; 특정 요소가 해당 집합에 포함되어 있는지 아닌지를 확인하기 위해서 in 을 사용할 수 있다.\n\u0026gt;\u0026gt;\u0026gt; \u0026#39;orange\u0026#39; in basket True \u0026gt;\u0026gt;\u0026gt; \u0026#39;crabgrass\u0026#39; in basket False 기존 집합 연산 역시 지원된다.\n\u0026gt;\u0026gt;\u0026gt; a= set(\u0026#39;abracadabra\u0026#39;) \u0026gt;\u0026gt;\u0026gt; a {\u0026#39;r\u0026#39;, \u0026#39;d\u0026#39;, \u0026#39;b\u0026#39;, \u0026#39;c\u0026#39;, \u0026#39;a\u0026#39;} \u0026gt;\u0026gt;\u0026gt; b=set(\u0026#39;alacazam\u0026#39;) \u0026gt;\u0026gt;\u0026gt; b {\u0026#39;l\u0026#39;, \u0026#39;m\u0026#39;, \u0026#39;z\u0026#39;, \u0026#39;c\u0026#39;, \u0026#39;a\u0026#39;} \u0026gt;\u0026gt;\u0026gt; a-b #letters in a but not in b {\u0026#39;r\u0026#39;, \u0026#39;d\u0026#39;, \u0026#39;b\u0026#39;} \u0026gt;\u0026gt;\u0026gt; a|b #letters in a or b or both #합집합 {\u0026#39;l\u0026#39;, \u0026#39;r\u0026#39;, \u0026#39;d\u0026#39;, \u0026#39;b\u0026#39;, \u0026#39;m\u0026#39;, \u0026#39;z\u0026#39;, \u0026#39;c\u0026#39;, \u0026#39;a\u0026#39;} \u0026gt;\u0026gt;\u0026gt; a\u0026amp;b #letters in both a and b #교집합 {\u0026#39;a\u0026#39;, \u0026#39;c\u0026#39;} \u0026gt;\u0026gt;\u0026gt; a^b #letters in a or b but not both #Exclusive OR {\u0026#39;l\u0026#39;, \u0026#39;b\u0026#39;, \u0026#39;m\u0026#39;, \u0026#39;z\u0026#39;, \u0026#39;r\u0026#39;, \u0026#39;d\u0026#39;} 또한, 리스트 컴프리헨션처럼 집합 컴프리헨션도 지원다.\n\u0026gt;\u0026gt;\u0026gt; a = {x for x in \u0026#39;abracadabra\u0026#39; if x not in \u0026#39;abc\u0026#39;} \u0026gt;\u0026gt;\u0026gt; a {\u0026#39;r\u0026#39;, \u0026#39;d\u0026#39;} 다음 포스트에서 딕셔너리에 대해서도 알아보자.\n","permalink":"https://quriemoon.github.io/posts/2019-03-23-python3-tutorial-chap5/","summary":"\u003cp\u003e\u003ccode\u003e이 포스트의 설명 및 코드는 Python official documentation을 참조했습니다.\u003c/code\u003e\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003eurl: https://docs.python.org/ko/3/tutorial/datastructures.html\u003c/code\u003e\u003c/p\u003e\n\u003ch3 id=\"54--집합\"\u003e5.4  집합\u003c/h3\u003e\n\u003cp\u003e일단, 집합은 \u003cstrong\u003e중복되는 요소가 없는\u003c/strong\u003e 그리고 \u003cstrong\u003e순서가 없는\u003c/strong\u003e 컬렉션이다. 따라서 집합의 기본적인 용도는 멤버십 검사와 중복 엔트리 제거이다.\u003c/p\u003e\n\u003cp\u003e집합을 만들 때는 중괄호나 \u003ccode\u003eset()\u003c/code\u003e 함수를 사용할 수 있다.\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-python\" data-lang=\"python\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e basket \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e {\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;pear\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e}\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e print(basket) \u003cspan style=\"color:#75715e\"\u003e#basket is a set\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e{\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;pear\u0026#39;\u003c/span\u003e}\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e a\u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e set(\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;abracadabra\u0026#39;\u003c/span\u003e)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e a\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e{\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;r\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;d\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;b\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;c\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;a\u0026#39;\u003c/span\u003e}\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e b\u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003eset(\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;alacazam\u0026#39;\u003c/span\u003e)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e b\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e{\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;l\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;m\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;z\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;c\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;a\u0026#39;\u003c/span\u003e}\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e이때, 주의할 점이 있다. 바로 빈 집합을 만들려면 \u003ccode\u003e{}\u003c/code\u003e 이 아닌 \u003ccode\u003eset()\u003c/code\u003e 을 사용한다. \u003ccode\u003e{}\u003c/code\u003e 은 빈 집합이 아닌 \u003cstrong\u003e빈 딕셔너리\u003c/strong\u003e 를 만든다.\u003c/p\u003e","title":"Python 3 Tutorial 공부 (5. 자료 구조 - 집합)"},{"content":"이 포스트의 설명 및 코드는 Python official documentation을 참조했습니다.\nurl: https://docs.python.org/ko/3/tutorial/datastructures.html\n5.3 튜플과 시퀀스 Python에는 세 가지 기본 시퀀스 형이 있다: list, tuple, range\n파이썬 공식 문서를 보면, 추후에 다른 시퀀스 자료형이 추가될 수도 있다고 한다.\n기본적으로, 튜플은 쉼표로 구분되는 여러 값으로 구성된다.\n\u0026gt;\u0026gt;\u0026gt; t = 12345, 54321, \u0026#39;hello!\u0026#39; #하나의 튜플 안에 서로 다른 자료형을 가진 원소들이 포함될 수 있다. \u0026gt;\u0026gt;\u0026gt; t (12345, 54321, \u0026#39;hello!\u0026#39;) 튜플은 중첩된(nested) 형태로도 사용될 수 있다.\n\u0026gt;\u0026gt;\u0026gt; u = t, (1,2,3,4,5) \u0026gt;\u0026gt;\u0026gt; u ((12345, 54321, \u0026#39;hello!\u0026#39;), (1, 2, 3, 4, 5)) \u0026gt;\u0026gt;\u0026gt; u[0] (12345, 54321, \u0026#39;hello!\u0026#39;) \u0026gt;\u0026gt;\u0026gt; u[0][0] 12345 이때, 튜플은 수정될 수 없다(immutable)는 특징이 있다.\n\u0026gt;\u0026gt;\u0026gt; t (12345, 54321, \u0026#39;hello!\u0026#39;) \u0026gt;\u0026gt;\u0026gt; t[0] = 1 Traceback (most recent call last): File \u0026#34;\u0026lt;stdin\u0026gt;\u0026#34;, line 1, in \u0026lt;module\u0026gt; TypeError: \u0026#39;tuple\u0026#39; object does not support item assignment 추가적으로, 빈 튜플이랑 하나의 항목을 갖는 튜플을 만들어보자.\n\u0026gt;\u0026gt;\u0026gt; empty = () \u0026gt;\u0026gt;\u0026gt; singleton = \u0026#39;hello\u0026#39;, #쉼표에 주의하자 \u0026gt;\u0026gt;\u0026gt; len(empty) 0 \u0026gt;\u0026gt;\u0026gt; len(singleton) 1 \u0026gt;\u0026gt;\u0026gt; empty () \u0026gt;\u0026gt;\u0026gt; singleton (\u0026#39;hello\u0026#39;,) 추가적으로 튜플에서는 \u0026lsquo;패킹\u0026rsquo;과 \u0026lsquo;언패킹\u0026rsquo; 개념이 등장한다. 이에 대해서는 별개의 포스트에서 집중적으로(?) 살펴보자.\n","permalink":"https://quriemoon.github.io/posts/2019-03-22-python3-tutorial-chap5/","summary":"\u003cp\u003e\u003ccode\u003e이 포스트의 설명 및 코드는 Python official documentation을 참조했습니다.\u003c/code\u003e\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003eurl: https://docs.python.org/ko/3/tutorial/datastructures.html\u003c/code\u003e\u003c/p\u003e\n\u003ch3 id=\"53--튜플과-시퀀스\"\u003e5.3  튜플과 시퀀스\u003c/h3\u003e\n\u003cp\u003ePython에는 세 가지 기본 시퀀스 형이 있다: \u003ccode\u003elist, tuple, range\u003c/code\u003e\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003e파이썬 공식 문서를 보면, 추후에 다른 시퀀스 자료형이 추가될 수도 있다고 한다.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003e기본적으로, 튜플은 쉼표로 구분되는 여러 값으로 구성된다.\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-python\" data-lang=\"python\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e t \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e \u003cspan style=\"color:#ae81ff\"\u003e12345\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e54321\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;hello!\u0026#39;\u003c/span\u003e \u003cspan style=\"color:#75715e\"\u003e#하나의 튜플 안에 서로 다른 자료형을 가진 원소들이 포함될 수 있다.\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e t\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e(\u003cspan style=\"color:#ae81ff\"\u003e12345\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e54321\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;hello!\u0026#39;\u003c/span\u003e)\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e튜플은 중첩된(nested) 형태로도 사용될 수 있다.\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-python\" data-lang=\"python\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e u \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e t, (\u003cspan style=\"color:#ae81ff\"\u003e1\u003c/span\u003e,\u003cspan style=\"color:#ae81ff\"\u003e2\u003c/span\u003e,\u003cspan style=\"color:#ae81ff\"\u003e3\u003c/span\u003e,\u003cspan style=\"color:#ae81ff\"\u003e4\u003c/span\u003e,\u003cspan style=\"color:#ae81ff\"\u003e5\u003c/span\u003e)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e u\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e((\u003cspan style=\"color:#ae81ff\"\u003e12345\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e54321\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;hello!\u0026#39;\u003c/span\u003e), (\u003cspan style=\"color:#ae81ff\"\u003e1\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e2\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e3\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e4\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e5\u003c/span\u003e))\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e u[\u003cspan style=\"color:#ae81ff\"\u003e0\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e(\u003cspan style=\"color:#ae81ff\"\u003e12345\u003c/span\u003e, \u003cspan style=\"color:#ae81ff\"\u003e54321\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;hello!\u0026#39;\u003c/span\u003e)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e u[\u003cspan style=\"color:#ae81ff\"\u003e0\u003c/span\u003e][\u003cspan style=\"color:#ae81ff\"\u003e0\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#ae81ff\"\u003e12345\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e이때, 튜플은 수정될 수 없다(immutable)는 특징이 있다.\u003c/p\u003e","title":"Python 3 Tutorial 공부 (5. 자료 구조 - 튜플과 시퀀스)"},{"content":"이 포스트의 설명 및 코드는 Python official documentation을 참조했습니다.\nurl: https://docs.python.org/ko/3/tutorial/datastructures.html\n5.1 리스트 우선, 리스트의 메서드 관련해서 살펴보자.\nsorted() vs. list.sort(key=None, reverse=False)\n\u0026gt;\u0026gt;\u0026gt; fruits = [\u0026#39;orange\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;pear\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;kiwi\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;banana\u0026#39;] \u0026gt;\u0026gt;\u0026gt; sorted(fruits) [\u0026#39;apple\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;kiwi\u0026#39;, \u0026#39;orange\u0026#39;, \u0026#39;pear\u0026#39;] \u0026gt;\u0026gt;\u0026gt; fruits [\u0026#39;orange\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;pear\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;kiwi\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;banana\u0026#39;] 위 코드에서 보이듯이 sorted() 함수를 사용 시, 정렬된 리스트를 확인할 수 있지만 리스트 자체가 변하지 않는다.\n반면에\n\u0026gt;\u0026gt;\u0026gt; fruits = [\u0026#39;orange\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;pear\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;kiwi\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;banana\u0026#39;] \u0026gt;\u0026gt;\u0026gt; fruits.sort() \u0026gt;\u0026gt;\u0026gt; fruits [\u0026#39;apple\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;kiwi\u0026#39;, \u0026#39;orange\u0026#39;, \u0026#39;pear\u0026#39;] 리스트의 method인 sort() 이용 시, 해당 리스트 자체가 정렬된다.\nreversed(), list.reverse() 도 위와 같다. 즉, reversed() 를 이용하면, 순서가 뒤집어진 리스트를 확인할 수 있지만 원래 리스트 자체가 변화하지 않는다. 반면에 list.reverse()를 사용 시, 원래 리스트 자체에 변화가 있지만 None을 return 받는다.\ninsert(), remove(), sort()와 같은 메서드들은 리스트 자체를 수정하고 None을 return한다.\nlist.index(x[, start[, end]])\n\u0026gt;\u0026gt;\u0026gt; fruits = [\u0026#39;banana\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;kiwi\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;pear\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;orange\u0026#39;] \u0026gt;\u0026gt;\u0026gt; fruits.index(\u0026#39;apple\u0026#39;) 1 \u0026gt;\u0026gt;\u0026gt; fruits.index(\u0026#39;beet\u0026#39;) Traceback (most recent call last): File \u0026#34;\u0026lt;stdin\u0026gt;\u0026#34;, line 1, in \u0026lt;module\u0026gt; ValueError: \u0026#39;beet\u0026#39; is not in list fruits.index(\u0026lsquo;apple\u0026rsquo;) 입력 시, \u0026lsquo;apple\u0026rsquo;이라는 항목이 fruits라는 리스트 안에서 몇 번째 위치해있는지, 즉 해당 인덱스를 반환(return)해준다.\nPython에서도 리스트의 인덱스는 0부터 시작한다.\n이때, 해당 항목이 리스트 안에 존재하지 않으면 ValueError가 발생한다.\n또한, Python 공식 문서에서 index() 메소드를 보면 다음과 같이 추가적인 인자(start, end)를 줄 수 있다.\nlist.index(x[, start[, end]])\n위 메서드 설명에 등장하는 [] 표기법의 경우, 파이썬 라이브러리 레퍼런스에 자주 등장하는 표기법이다.\n메서드 설명 중 [, i ]와 같은 식이 등장했다면 이는 해당 매개변수 i 가 선택적임을 뜻한다. 즉, 그 위치에 []를 입력해야 한다는 뜻이 아니라 해당 매개변수 i 를 선택적으로 사용하라는 뜻이다.\n이때, start와 end는 슬라이스 표기법처럼 해석된다. 따라서 index() 메소드를 통해 검색을 수행할 때, 전체 리스트가 아닌 start와 end를 통해서 제한된 서브 시퀀스 내에서 검색을 수행한다.\n\u0026gt;\u0026gt;\u0026gt; fruits = [\u0026#39;banana\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;kiwi\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;pear\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;orange\u0026#39;] \u0026gt;\u0026gt;\u0026gt; fruits.index(\u0026#39;apple\u0026#39;,2,3) Traceback (most recent call last): File \u0026#34;\u0026lt;stdin\u0026gt;\u0026#34;, line 1, in \u0026lt;module\u0026gt; ValueError: \u0026#39;apple\u0026#39; is not in list \u0026gt;\u0026gt;\u0026gt; fruits.index(\u0026#39;apple\u0026#39;,2) 5 위 코드를 보면, \u0026lsquo;apple\u0026rsquo;이 fruits 리스트 안에 존재한다.\n하지만, fruits.index('apple',2,3) 의 경우, fruits라는 전체 리스트가 아닌 fruits[2:3] 를 통해 슬라이싱된 서브 리스트에서 \u0026lsquo;apple\u0026rsquo;을 검색하는 상황과 같다.\n이때, fruits[2:3] 은 ['kiwi']와 같기 때문에 \u0026lsquo;apple\u0026rsquo;이 검색하려는 리스트 내에 존재하지 않는 상황과 같다. 따라서 ValueError가 발생한다.\n비슷하게 생각해보면, fruits.index('apple',2) 의 경우, fruits[2:] 로 슬라이싱된 서브 리스트 내에서 이루어지는 검색으로 이해할 수 있다.\nlist.pop([i])\n리스트의 항목 중에서 인덱스가 i 인 항목을 삭제하고, 해당 항목을 반환한다. 이때, i 를 입력하지 않을 경우, default로 마지막 항목을 삭제하고 돌려준다.\n\u0026gt;\u0026gt;\u0026gt; fruits [\u0026#39;orange\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;pear\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;kiwi\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;banana\u0026#39;] \u0026gt;\u0026gt;\u0026gt; fruits.pop(2) \u0026#39;pear\u0026#39; \u0026gt;\u0026gt;\u0026gt; fruits [\u0026#39;orange\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;kiwi\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;banana\u0026#39;] \u0026gt;\u0026gt;\u0026gt; fruits.pop() \u0026#39;banana\u0026#39; \u0026gt;\u0026gt;\u0026gt; fruits [\u0026#39;orange\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;kiwi\u0026#39;, \u0026#39;apple\u0026#39;] list.copy()\nlist.copy()는 리스트의 얕은 사본을 돌려준다. a[:]와 동등하다.\n\u0026gt;\u0026gt;\u0026gt; fruits [\u0026#39;orange\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;pear\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;kiwi\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;banana\u0026#39;] \u0026gt;\u0026gt;\u0026gt; fruits.copy() [\u0026#39;orange\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;pear\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;kiwi\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;banana\u0026#39;] \u0026gt;\u0026gt;\u0026gt; fruits[:] [\u0026#39;orange\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;pear\u0026#39;, \u0026#39;banana\u0026#39;, \u0026#39;kiwi\u0026#39;, \u0026#39;apple\u0026#39;, \u0026#39;banana\u0026#39;] 다음으로, 리스트의 활용 방안을 생각해보자.\n​\t1) 리스트를 스택으로 사용하기\n​\t2) 리스트를 큐로 사용하기\n이때, 리스트로 큐를 구현하는 것은 효율적이지 않다.\n왜냐하면 리스트의 머리(head)에 덧붙이거나 꺼내기 위해서는 다른 요소들을 모두 한 칸씩 이동시켜야하기 때문에 느리다. 따라서 이때는 collections.deque를 이용하자.\n리스트 컴프리헨션\n리스트를 만드는 간결한 방법\n\u0026gt;\u0026gt;\u0026gt; squares = [x**2 for x in range(10)] \u0026gt;\u0026gt;\u0026gt; squares [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] 위 내용을 아래와 같은 코드로도 표현할 수 있다.\n\u0026gt;\u0026gt;\u0026gt; squares = list(map(lambda x:x**2, range(10))) \u0026gt;\u0026gt;\u0026gt; squares [0, 1, 4, 9, 16, 25, 36, 49, 64, 81] 하지만, 책 \u0026ldquo;Fluent Python\u0026quot;을 보면 저자는 위와 같은 상황에서 map()과 lambda를 사용하는 것보다 기존 리스트 컴프리헨션 방식을 권한다.\n추가 예제\n\u0026gt;\u0026gt;\u0026gt; [(x,y) for x in [1,2,3] for y in [3,1,4] if x!= y] [(1, 3), (1, 4), (2, 3), (2, 1), (2, 4), (3, 1), (3, 4)] #example using tuple #the tuple must be parenthesized \u0026gt;\u0026gt;\u0026gt; [(x, x**2) for x in range(6)] [(0, 0), (1, 1), (2, 4), (3, 9), (4, 16), (5, 25)] \u0026gt;\u0026gt;\u0026gt; [x, x**2 for x in range(6)] File \u0026#34;\u0026lt;stdin\u0026gt;\u0026#34;, line 1 [x, x**2 for x in range(6)] ^ SyntaxError: invalid syntax # flatten a list using a listcomp with two \u0026#39;for\u0026#39; \u0026gt;\u0026gt;\u0026gt; vec = [[1,2,3],[4,5,6],[7,8,9]] \u0026gt;\u0026gt;\u0026gt; vec [[1, 2, 3], [4, 5, 6], [7, 8, 9]] \u0026gt;\u0026gt;\u0026gt; [num for elem in vec for num in elem] [1, 2, 3, 4, 5, 6, 7, 8, 9] #order is important \u0026gt;\u0026gt;\u0026gt; [num for num in elem for elem in vec] Traceback (most recent call last): File \u0026#34;\u0026lt;stdin\u0026gt;\u0026#34;, line 1, in \u0026lt;module\u0026gt; NameError: name \u0026#39;elem\u0026#39; is not defined \u0026gt;\u0026gt;\u0026gt; from math import pi \u0026gt;\u0026gt;\u0026gt; [str(round(pi, i)) for i in range(1,6)] [\u0026#39;3.1\u0026#39;, \u0026#39;3.14\u0026#39;, \u0026#39;3.142\u0026#39;, \u0026#39;3.1416\u0026#39;, \u0026#39;3.14159\u0026#39;] 5.2 del 문 del문은 리스트에서 값 대신 인덱스로 특정 요소를 삭제하게 해준다.\n\u0026gt;\u0026gt;\u0026gt; a = [-1, 1, 66.25, 333, 333, 1234.5] \u0026gt;\u0026gt;\u0026gt; del a[0] \u0026gt;\u0026gt;\u0026gt; a [1, 66.25, 333, 333, 1234.5] \u0026gt;\u0026gt;\u0026gt; del a[2:4] \u0026gt;\u0026gt;\u0026gt; a 또한, 리스트에서 슬라이스를 삭제하거나 전체 리스트를 비우는 데도 사용할 수 있다.\n\u0026gt;\u0026gt;\u0026gt; a = [-1, 1, 66.25, 333, 333, 1234.5] \u0026gt;\u0026gt;\u0026gt; a [-1, 1, 66.25, 333, 333, 1234.5] \u0026gt;\u0026gt;\u0026gt; del a[:] \u0026gt;\u0026gt;\u0026gt; a [] 이때, del 문은 변수 자체를 삭제하는데도 사용될 수 있다. 하지만, del a 직후에 a를 참조하면 에러가 발생한다.\n\u0026gt;\u0026gt;\u0026gt; a = [-1, 1, 66.25, 333, 333, 1234.5] \u0026gt;\u0026gt;\u0026gt; a [-1, 1, 66.25, 333, 333, 1234.5] \u0026gt;\u0026gt;\u0026gt; del a \u0026gt;\u0026gt;\u0026gt; a Traceback (most recent call last): File \u0026#34;\u0026lt;stdin\u0026gt;\u0026#34;, line 1, in \u0026lt;module\u0026gt; NameError: name \u0026#39;a\u0026#39; is not defined 다음 포스트에서 또다른 기본 시퀀스 형인 튜플에 대해서 알아보자.\n","permalink":"https://quriemoon.github.io/posts/2019-03-21-python3-tutorial-chap5/","summary":"\u003cp\u003e\u003ccode\u003e이 포스트의 설명 및 코드는 Python official documentation을 참조했습니다.\u003c/code\u003e\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003eurl: https://docs.python.org/ko/3/tutorial/datastructures.html\u003c/code\u003e\u003c/p\u003e\n\u003ch3 id=\"51--리스트\"\u003e5.1  리스트\u003c/h3\u003e\n\u003cp\u003e우선, 리스트의 메서드 관련해서 살펴보자.\u003c/p\u003e\n\u003cul\u003e\n\u003cli\u003e\n\u003cp\u003esorted() vs. list.sort(\u003cem\u003ekey=None\u003c/em\u003e, \u003cem\u003ereverse=False\u003c/em\u003e)\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-python\" data-lang=\"python\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e [\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;pear\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;kiwi\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e sorted(fruits)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e[\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;kiwi\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;pear\u0026#39;\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e[\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;pear\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;kiwi\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e위 코드에서 보이듯이 sorted() 함수를 사용 시, 정렬된 리스트를 확인할 수 있지만 \u003cstrong\u003e리스트 자체가 변하지 않는다.\u003c/strong\u003e\u003c/p\u003e\n\u003cp\u003e반면에\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-python\" data-lang=\"python\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e [\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;pear\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;kiwi\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003esort()\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e[\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;kiwi\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;pear\u0026#39;\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e리스트의 method인 sort() 이용 시, 해당 리스트 자체가 정렬된다.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003ereversed(), list.reverse() 도 위와 같다. 즉, reversed() 를 이용하면, 순서가 뒤집어진 리스트를 확인할 수 있지만 원래 리스트 자체가 변화하지 않는다. 반면에 list.reverse()를 사용 시, 원래 리스트 자체에 변화가 있지만 None을 return 받는다.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cblockquote\u003e\n\u003cp\u003einsert(), remove(), sort()와 같은 메서드들은 리스트 자체를 수정하고 None을 return한다.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003elist.index(\u003cem\u003ex\u003c/em\u003e[, \u003cem\u003estart\u003c/em\u003e[, \u003cem\u003eend\u003c/em\u003e]])\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-python\" data-lang=\"python\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e [\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;kiwi\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;pear\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003eindex(\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#ae81ff\"\u003e1\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003eindex(\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;beet\u0026#39;\u003c/span\u003e)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003eTraceback (most recent call last):\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e  File \u003cspan style=\"color:#e6db74\"\u003e\u0026#34;\u0026lt;stdin\u0026gt;\u0026#34;\u003c/span\u003e, line \u003cspan style=\"color:#ae81ff\"\u003e1\u003c/span\u003e, \u003cspan style=\"color:#f92672\"\u003ein\u003c/span\u003e \u003cspan style=\"color:#f92672\"\u003e\u0026lt;\u003c/span\u003emodule\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#a6e22e\"\u003eValueError\u003c/span\u003e: \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;beet\u0026#39;\u003c/span\u003e \u003cspan style=\"color:#f92672\"\u003eis\u003c/span\u003e \u003cspan style=\"color:#f92672\"\u003enot\u003c/span\u003e \u003cspan style=\"color:#f92672\"\u003ein\u003c/span\u003e list\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003efruits.index(\u0026lsquo;apple\u0026rsquo;) 입력 시, \u0026lsquo;apple\u0026rsquo;이라는 항목이 fruits라는 리스트 안에서 몇 번째 위치해있는지, 즉 해당 인덱스를 반환(return)해준다.\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003ePython에서도 리스트의 인덱스는 0부터 시작한다.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003e이때, 해당 항목이 리스트 안에 존재하지 않으면 \u003cstrong\u003eValueError\u003c/strong\u003e가 발생한다.\u003c/p\u003e\n\u003cp\u003e또한, Python 공식 문서에서 index() 메소드를 보면 다음과 같이 추가적인 인자(\u003cem\u003estart, end\u003c/em\u003e)를 줄 수 있다.\u003c/p\u003e\n\u003cp\u003e\u003ccode\u003elist.index(x[, start[, end]])\u003c/code\u003e\u003c/p\u003e\n\u003cblockquote\u003e\n\u003cp\u003e위 메서드 설명에 등장하는 [] 표기법의 경우, 파이썬 라이브러리 레퍼런스에 자주 등장하는 표기법이다.\u003c/p\u003e\n\u003cp\u003e메서드 설명 중 [, \u003cem\u003ei\u003c/em\u003e ]와 같은 식이 등장했다면 이는 해당 매개변수 \u003cem\u003ei\u003c/em\u003e 가 선택적임을 뜻한다. 즉, 그 위치에 []를 입력해야 한다는 뜻이 아니라 해당 매개변수 \u003cem\u003ei\u003c/em\u003e 를 선택적으로 사용하라는 뜻이다.\u003c/p\u003e\n\u003c/blockquote\u003e\n\u003cp\u003e이때, \u003cem\u003estart\u003c/em\u003e와 \u003cem\u003eend\u003c/em\u003e는 슬라이스 표기법처럼 해석된다. 따라서 index() 메소드를 통해 검색을 수행할 때, 전체 리스트가 아닌 \u003cem\u003estart\u003c/em\u003e와 \u003cem\u003eend\u003c/em\u003e를 통해서 제한된 서브 시퀀스 내에서 검색을 수행한다.\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-python\" data-lang=\"python\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits \u003cspan style=\"color:#f92672\"\u003e=\u003c/span\u003e [\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;kiwi\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;pear\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003eindex(\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e,\u003cspan style=\"color:#ae81ff\"\u003e2\u003c/span\u003e,\u003cspan style=\"color:#ae81ff\"\u003e3\u003c/span\u003e)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003eTraceback (most recent call last):\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e  File \u003cspan style=\"color:#e6db74\"\u003e\u0026#34;\u0026lt;stdin\u0026gt;\u0026#34;\u003c/span\u003e, line \u003cspan style=\"color:#ae81ff\"\u003e1\u003c/span\u003e, \u003cspan style=\"color:#f92672\"\u003ein\u003c/span\u003e \u003cspan style=\"color:#f92672\"\u003e\u0026lt;\u003c/span\u003emodule\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#a6e22e\"\u003eValueError\u003c/span\u003e: \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e \u003cspan style=\"color:#f92672\"\u003eis\u003c/span\u003e \u003cspan style=\"color:#f92672\"\u003enot\u003c/span\u003e \u003cspan style=\"color:#f92672\"\u003ein\u003c/span\u003e list\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003eindex(\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e,\u003cspan style=\"color:#ae81ff\"\u003e2\u003c/span\u003e)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#ae81ff\"\u003e5\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003cp\u003e위 코드를 보면, \u0026lsquo;apple\u0026rsquo;이 fruits 리스트 안에 존재한다.\u003c/p\u003e\n\u003cp\u003e하지만, \u003ccode\u003efruits.index('apple',2,3)\u003c/code\u003e 의 경우, fruits라는 전체 리스트가 아닌 \u003ccode\u003efruits[2:3]\u003c/code\u003e 를 통해 슬라이싱된 서브 리스트에서 \u0026lsquo;apple\u0026rsquo;을 검색하는 상황과 같다.\u003c/p\u003e\n\u003cp\u003e이때, \u003ccode\u003efruits[2:3]\u003c/code\u003e 은 \u003ccode\u003e['kiwi']\u003c/code\u003e와 같기 때문에 \u0026lsquo;apple\u0026rsquo;이 검색하려는 리스트 내에 존재하지 않는 상황과 같다. 따라서 \u003cstrong\u003eValueError\u003c/strong\u003e가 발생한다.\u003c/p\u003e\n\u003cp\u003e비슷하게 생각해보면, \u003ccode\u003efruits.index('apple',2)\u003c/code\u003e 의 경우, \u003ccode\u003efruits[2:]\u003c/code\u003e 로 슬라이싱된 서브 리스트 내에서 이루어지는 검색으로 이해할 수 있다.\u003c/p\u003e\n\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003elist.pop([\u003cem\u003ei\u003c/em\u003e])\u003c/p\u003e\n\u003cp\u003e리스트의 항목 중에서 인덱스가 \u003cem\u003ei\u003c/em\u003e 인 항목을 삭제하고, 해당 항목을 반환한다. 이때, \u003cem\u003ei\u003c/em\u003e 를 입력하지 않을 경우, default로 마지막 항목을 삭제하고 돌려준다.\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-python\" data-lang=\"python\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e[\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;pear\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;kiwi\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003epop(\u003cspan style=\"color:#ae81ff\"\u003e2\u003c/span\u003e)\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;pear\u0026#39;\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e[\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;kiwi\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003epop()\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e[\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;kiwi\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003c/li\u003e\n\u003cli\u003e\n\u003cp\u003elist.copy()\u003c/p\u003e\n\u003cp\u003elist.copy()는 리스트의 얕은 사본을 돌려준다. a[:]와 동등하다.\u003c/p\u003e\n\u003cdiv class=\"highlight\"\u003e\u003cpre tabindex=\"0\" style=\"color:#f8f8f2;background-color:#272822;-moz-tab-size:4;-o-tab-size:4;tab-size:4;-webkit-text-size-adjust:none;\"\u003e\u003ccode class=\"language-python\" data-lang=\"python\"\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e[\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;pear\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;kiwi\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits\u003cspan style=\"color:#f92672\"\u003e.\u003c/span\u003ecopy()\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e[\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;pear\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;kiwi\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e\u003cspan style=\"color:#f92672\"\u003e\u0026gt;\u0026gt;\u0026gt;\u003c/span\u003e fruits[:]\n\u003c/span\u003e\u003c/span\u003e\u003cspan style=\"display:flex;\"\u003e\u003cspan\u003e[\u003cspan style=\"color:#e6db74\"\u003e\u0026#39;orange\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;pear\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;kiwi\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;apple\u0026#39;\u003c/span\u003e, \u003cspan style=\"color:#e6db74\"\u003e\u0026#39;banana\u0026#39;\u003c/span\u003e]\n\u003c/span\u003e\u003c/span\u003e\u003c/code\u003e\u003c/pre\u003e\u003c/div\u003e\u003c/li\u003e\n\u003c/ul\u003e","title":"Python 3 Tutorial 공부 (5. 자료 구조 - 리스트)"},{"content":"촘촘한 나뭇잎에 가려진 숲을 보려고 노력합니다.\n통계학과 컴퓨터과학을 활용하여, 숫자 속에 숨겨진 현상을 발견하는 데이터 분석가가 되려고 합니다.\n","permalink":"https://quriemoon.github.io/about/","summary":"\u003cp\u003e촘촘한 나뭇잎에 가려진 숲을 보려고 노력합니다.\u003c/p\u003e\n\u003cp\u003e통계학과 컴퓨터과학을 활용하여, 숫자 속에 숨겨진 현상을 발견하는 데이터 분석가가 되려고 합니다.\u003c/p\u003e","title":"About"}]