13주차-Module, Numpy

• 모듈(Module)

필요한 함수나 변수, 클래스를 모아 놓은 스크립트 파일(.py)

 

 

EX) factorial 구하기

def factorial(n):
    result = 1
    for i in range(1,n+1):
        result *= i
    return result
    
print('5! =',factorial(5))

import math

print('5! =', math.factorial(5))

 

• 모듈 안에서 특정 함수만 불러오기

EX)

from math import factorial

print('5! =',factorial(5))

 

* "모듈이름"까지 사용하면 ERROR

from math import factorial 

print('5! = ',math.factorial(5))

 

-동시에 여러 함수 불러올 수 있다.

EX)

from math import pow, sqrt

a = pow(2,3)	#pow(): 제곱수
b = sqrt(4)	#sqrt(): 제곱근(루트)

print(a)
print(b)

=> 부동 소수형으로 출력된다. 

 

• 모듈 안에서 특정 함수만 불러오기

모듈 이름없이 함수나 변수를 직접 사용

*(asterisk)기호는 정규 표현식으로 모든것이란 뜻 

 

EX)

from math import *

print(pi)
print(factorial(5))

 

• 모듈/함수 이름에 별명 붙이기

1. 모듈이름에 별칭사용

2. 모듈 안의 함수 이름에 별칭사용

 

EX)

import math as m

a = m.pow(2,3)
b = m.sqrt(4)

print(a)
print(b)

from math import pow as p, sqrt as s

a = p(2,3)
b = s(4)

print(a)
print(b)

 

• 모듈을 해제(del)

EX)

import math

a = math.pow(2,3)
print(a)

del math

a = math.pow(2,3)

=> del math로 지우면 ERROR

 

• 사용자 정의 모듈

• my_mod.py

pi = 3.141592

def add(a,b):
    return a+b

def sub(a,b):
    return a-b

• main.py

import my_mod

a = my_mod.add(5,3)
b = my_mod.sub(5,3)

print(a)
print(b)

print(my_mod.pi)

 

• ★ __name__변수 ★

• my_mod.py

pi = 3.141592

def add(a,b):
    return a+b

def sub(a,b):
    return a-b

print("*** main.py에서는 보이면 안되는 부분 ***")

=> 다음과 같이 수정하고 main.py를 실행하면

모듈 import할때 모듈 안의 실행하는 부분도 동작한다.

 

이것을 막는 때 사용하는 것이 __name__변수 (내부적으로 사용되는 특별한 함수)

• 자기 스크립트가 실행 중 

__name__ 변수 => "__main__"라는 값이 들어감

 

• 모듈이 실행되고 있으면

__name__변수 => 모듈의 이름이 들어감

 

EX)

• my_mod.py

pi = 3.141592

def add(a,b):
    return a+b

def sub(a,b):
    return a-b

if __name__ == "__main__":
    print("*** main.py에서는 보이면 안되는 부분 ***")
else:
    print(__name__)

=> 다음과 같이 수정하고 main.py를 실행하면

my__mod.py의 __name__변수에 값이 my_mod가 되면서 불필요한 부분없이 main.py실행

 

 

표준모듈

• random모듈

임의의 수(난수)를 생성하거나 리스트 내의 요소를 무작위로 선택 또는 섞는 함수 포함

 

• randint(start, stop)

start~end사이 랜덤 정수 반환

import random

print(random.randint(1,6))

• random()

0~1.0 사이의 랜덤 실수를 반환

import random

print(random.random())

• choice(list)

리스트 항목을 랜덤하게 반환

import random

color = ['red','green','blue']
print(random.choice(color))

• shuffle(list)

리스트 항목을 랜덤하게 섞음

import random

color = ['red','green','blue']
random.shuffle(color)
print(color)

 

• OS모듈(operating system)

파이썬이 실행되는 운영체제와 관계없이 운영체제의 기본적인 기능을 다룰 수 있도록 해주는 모듈

 

• listdir()

현재 경로의 파일과 디렉토리 리스트 반환

import os

print(os.listdir())

• mkdir('디렉토리_이름')

새로운 디렉토리 생성

import os

os.mkdir("TEST")
print(os.listdir())

=>TEST항목이 추가됨

• getcwd()

현재 경로를 return

 

• chdir("../")

현재 경로를 상위 경로로 변경(다른 경로도 가능)

 

*절대경로: 최상위 디스크부터 시작

*상대경로: 현재 작업 디렉터리부터 시작

 

• time모듈

• time()

기준 시간 이후 경과한 시간을 초 단위 반환 (float값이 반환)

import time 

t = time.time()
print(t)

• localtime(경과한 초)

현재 지역의 시간대 출력 (struct_time: 객체에 정보를 넣어서 돌려줌)

import time 

t = time.time()
time_local = time.localtime(t)
print(time_local)

• strtftime(시간객체)

tima.localtime이 만든 시간 객체를 원하는 포맷으로 출력

import time 

t = time.time()
time_local = time.localtime(t)

print(time.strftime('%Y-%m-%d', time_local))
print(time.strftime('%d', time_local))

%d : 일 / %m : 숫자 월 / %Y : 네 자릿수 연도
%c : 날짜, 요일, 시간을 출력, 현재 시간대 기준

• sleep

해당 초 만큼 시간을 지연하는 함수

import time 

time.sleep(3)
print("3초지남")

=>3초가 지난뒤 출력됨

 

 EX) 피보나치 수열 알고리즘 동작 시간 측정

import time 

def fib(n):
    a,b = 0,1
    while b<n:
        print(b,end=' ')
        a,b = b,a+b
    print()

start = time.time()
fib(10000)
end = time.time()
print(end-start)

=> 실행하는 컴퓨터에 따라 시간은 다르다.

 

• datatime 모듈

날짜와 시간에 관련된 모듈, datatime모듈 안에 datatime클래스를 사용

• datatime.today()

현재의 날짜와 시간을 반환

import datetime

print(datetime.datetime.today())

 

EX) 제대 날짜를 계산(특정 날짜와 시간으로 객체를 만들 수 있다)

import datetime

today = datetime.datetime.today()
end_day = datetime.datetime(2024,9,30)
d_day = end_day - today

print(d_day)

 

• calendar모듈

달력 기능을 제공

import calendar

cal = calendar.month(2024,1)
print(cal)

 

 

써드 파티(3rd Party)모듈

외부 회사나 단체가 제공하는 모듈 

• Numpy

파이썬의 고성능 과학 계산용 패키지

 

EX)

 

• 2차원 배열은 matrix와 같이 생성

a = np.array([1,2,3])
b = np.array([[1,2,3],[4,5,6]])

• shape : 크기확인 / size : element수

np.shape(b)
np.size(b)

• arange([start,],stop,[step,])

>>> np.arange(10)
array([0,1,2,3,4,5,6,7,8,9])
>>> np.arange(2,10,2)
array([2,4,6,8])

• linespace(start,stop,num=50)

>>> np.linespace(1,2,3)
array([1. , 1.5, 2. ])
>>> np.linespace(1,3,3)
array([1., 2., 3.])

 

Practice

import numpy as np

v1 = np.array([1,2,3])
v2 = np.array([4,5,6])
v3 = np.array([7,8])

print(v1+v2)
print(v1*3)
print(v1+v3) #ERROR

 

import numpy as np

m1 = np.array([[1,2],[3,4]])
m2 = np.array([[5,6],[7,8]])

print(m1+m2)
print(m2//m1) 
print(m1*m2) #요소 곱
print(m1@m2) #행렬 곱
print(m1.T)  #전치

 

import numpy as np

v4 = np.arange(1,10)

m3 = np.reshape(v4,(3,3))

s1 = m3[1,1]

m4 = m3[0:1]

v5 = m3[0,:]

print(v4)
print(m3)
print(s1)
print(m4)
print(v5)

 

import numpy as np

v4 = np.arange(1,10)
m3 = np.reshape(v4,(3,3))

m5 = np.reshape(v4[1:], (2,4))
m6 = np.zeros_like(m3)
m7 = np.ones_like(m5)
m8 = np.reshape(v4[1:],(4,-1))

print(v4)
print(m3)
print(m5)
print(m6)
print(m7)
print(m8)

 

• ★np.where★

np.where(조건, 결과, else결과)

>>> a = np.arange(10)
>>> np.where(a<5,a,a*10)
array([0,1,2,3,4,50,60,70,80,90])

>>> a = np.arange(0, 100, 10)
>>> a
array([0,10,20,30,40,50,60,70,80,90])
>>> np.where(a%20==0)
(array([0,2,4,6,8]),)	#인덱스
>>> a[np.where(a%20==0)]
array([0,20,40,60,80])

 

• np.zeros() / np.ones()

np.zeros(): 0으로 채워진 배열 생성
np.ones(): 1로 채워진 배열 생성

>>> np.zeros(shape=(3,5))
array([[0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0.]])
>>> np.ones(shape=(2,3))
array([[1., 1., 1.],
       [1., 1., 1.]])

 

• full() / eye()

np.full(shape, fill_value): 지정한 값(fill_value)으로 채워진 배열 생성
np.eye(N): identicla matrix생성, 대각 방향으로 1로 세워진 행렬

>>> np.full(shape=(3,3), fill_value=5)  
array([[5, 5, 5],
       [5, 5, 5],
       [5, 5, 5]])
>>> np.eye(N=3)
array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])

• pad()

array의 특정 축 방향으로 padding 수행

>>> A=np.ones((2,2))
>>> A
array([[1., 1.],
       [1., 1.]])
>>> np.pad(A,((1,2),(0,1)),'constant',constant_values=2)
array([[2., 2., 2.],
       [1., 1., 2.],
       [1., 1., 2.],
       [2., 2., 2.],
       [2., 2., 2.]])
>>> np.pad(A,(1,2),'constant',constant_values=0) 
array([[0., 0., 0., 0., 0.],
       [0., 1., 1., 0., 0.],
       [0., 1., 1., 0., 0.],
       [0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0.]])

행의 시작에 1만큼 pad / 행의 끝에 2만큼 pad
열의 시작에 0만큼 pad / 열의 끝에 1만큼 pad

행의 시작에 1만큼 pad / 행의 끝에 2만큼 pad
열의 시작에 1만큼 pad / 열의 끝에 2만큼 pad