개요

• 함수의 데코레이터
• numpy 실습

함수의 데코레이터

• Python에서 기존 함수를 바꾸지 않고 기능을 확장할 수 있게 해줌
• @데코레이터이름을 함수 위에 붙여서 사용
• 실행 시간 측정, 로그인 체크, 로깅, 권환 확인등에 활용 가능함

실습

class MyEST:
  count = 3700
  
  #정적메소드는 self파라메타를 사용안함, 클래스 자신접근 인자 기술시 에러 
  @staticmethod 
  def isSquare(w, h):
    area = w * h
    return area

  @classmethod
  def printCount(self):
    print(f'갯수는 = {self.count}')


# 데코레이션 사용시
hap = MyEST.isSquare(5, 5)
print(f'hap는 = {hap}')
MyEST.printCount()

@Staticmethod는 클래스 변수에 접근 하지 않는 독립적인 함수

데코레이터를 이용하여 시간 측정해보기

import time

def check_time(function):
	def measure(*mlist, **mtuple):
		start_time = time.time()
		result = function(*mlist, **mtuple)
		end_time = time.time()
		print(f"시간측정: {function.__name__}함수에서  {round( end_time - start_time ,5)}")
		return result
	return measure

@check_time 
def myTotal(n):
    total = 0
    for k in range(1, n+1):
        total =  total + k
    return total

myTotal(1000000)
print()

Numpy 실습

Numpy where

• np.where()을 이용하여 특정 조건을 만족하는 원소의 index를 찾을 수 있음
• 특정 조건 만족시 값을 대체하는 것도 가능

실습

import numpy as np 
eng = np.array( [ 7, 5, 3 ,9, 1, 2, 4, 6 ] )

print(eng)
print()

# numpy에서의 where절 -> 타 언어의 삼항 연산과 비슷함 조건 ? 참: 거짓 
print(np.where(eng > 5, 1, 0))
print()
# ret
ret = np.where(eng >= 5, 1, 0)
print(ret)
print()

data = np.arange(1,11)
print(np.where(data < 5 , data, 5*data))

• where() 중복 사용

eng = np.array( [ 7, 5, 3 ,9, 1, 2, 4, 6 ] )
grade = np.where(eng <= 4, np.where(eng <= 7, '중급', '상급'),'초급')
print(grade)

np.save

• Numpy 라이브러리에서 배열 데이터를 파일로 저장 및 불러오기가 가능함
• 확장자를 따로 지정 안하면 .npy 확장자로 저장됨

실습

import numpy as np 
import time
score = np.array( 
  [ [1,2,3] ,
  [4,5,6], 
  [7,8,9], 
  [10,11,12] 
  ] )

print(score)
np.save('./data/myarray', score) 
print('./data/myarray.npy 저장성공')
print()
time.sleep(1)
print(np.load('./data/myarray.npy'))
print('./data/myarray.npy 열기성공')

linspace

• 시작값과 끝값 사이를 균등한 간격으로 나눈 숫자 배령을 생성하는 함수
• 간격의 크기를 결정할 수 있음 (arange()는 지정한 간격 만큼 값을 생성함)
• np.linspace(start, stop, num)의 구조로 num의 기본값은 50

실습

import numpy as np 
import time

print('x = np.linspace(1, 5, 10)')
x = np.linspace(1, 5, 10)
print(x)
print()

print('y = np.linspace(1, 5, 30)')
y = np.linspace(1, 5, 30)
print(y)
print()
time.sleep(1)

print('z = np.linspace(1, 5)')
z = np.linspace(1, 5)
print(z)
print()

실행결과

Unique(), trim()

1. Unique()

• Numpy에서 배열의 중복을 제거할 때 사용함

2. trim()

• Numpy에서 배열의 앞, 뒷부분에 해당하는 0을 제거하는데 사용함
• 'f'면 앞, 'b'면 뒷부분, 'fb'or 'bf'는 앞뒤 전부 0을 제거함

실습

import numpy as np 

print('unique적용')
a = np.array( [9,5,4,3,1,2,3,4,3,2,4,1,2,3,7,3,1,2,1,2,5,1,7,1,2,2,1,3] )
ret = np.unique(a)  #[1 2 3 4 5 7 9]
print(ret)
print()

print('앞뒤 zero 숫자처리')
b = np.array( [0,0,0,3,0,2,3,4,0,2,4,1,2,3,7,3,1,2,0,0,5,1,7,1,0,0,0,0] )
print(np.trim_zeros(b))
print(np.trim_zeros(b, trim = 'f'))
print(np.trim_zeros(b,trim= 'b'))
print(np.trim_zeros(b,trim= 'bf'))
print()

transpose()

• 행과 열을 바꾸는데 사용
• vstack은 수직(행 기준)으로 배열 연결
  • 열(컬럼) 수가 같아야 함
• hstack은 수평(열 기준)으로 배열 연결
  • 행(로우)수가 같아야함

실습

c = np.array(([1,2,3], [7,8,9]))
print(c)
print()
print('변형\n', np.transpose(c))
print()
# c.T로도 변형 가능함
print('변형\n', c.T)

a = np.array( [ [1,2], [3,4] ] )  
b = np.array( [ [5,6], [7,8] ] )  
print('a\n', a)
print()
print('b\n', b)
print()
print('a 변형\n',np.transpose(a))
print()
print('b 변형\n',b.T)

dot()

• 행렬곱 함수
• 기본적으로 2개의 input만 받음
• A*B를 계산하다고 했을때 A의 열의 갯수와 B의 행의 갯수가 같아야함

[a_00, a_01]      [b_00, b_01]  
[a_10, a_11]  X  [b_10, b_11] 
계산 과정 
[a_00 * b_00 + a_01*b_10][a_00 * b_01 + a_01*b_11]
[a_10 * b_00 + a_11*b_10][a_10 * b_01 + a_11*b_11]

실습

import numpy as np 

kor = np.array([[3,2], [5,4]]) # 2*2행렬 
ret = np.dot(kor,kor)
print(ret)