Skip to content

2-data-type.md

Latest commit

 

History

History
327 lines (240 loc) · 8.85 KB

2-data-type.md

File metadata and controls

327 lines (240 loc) · 8.85 KB

Python 자료형에 대하여

💫 Reference: 점프투 파이썬 : https://wikidocs.net/book/1

변수

간단한 컴퓨터 구조와 램(RAM)

Alt text

  • RAM : context(문맥), 프로그램이 돌아가기 위한 저장공간을 의미함, 임시데이터 저장 공간
  • Disk : 영구적으로 저장되는 데이터의 저장소
  • CPU : 프로그램의 실제 연산을 진행 후 RAM에 저장

변수 할당(선언)

a = 1
my_first_number = 1
identity = 'Human'
name = 'Vicky'

변수 사용

  • 변수에 새로운 값을 입력하는 방법은 변수를 선언하는 것과 같다.
  • 변수는 왜 사용하는가? 재활용성(Reusability)
print(1) # 1
print(2) # 2
target = 3
target + 10 - 12 # 1
target - 10 * 10 # -97

name = 'Vicky'
print("Hello I',m",name,"!!") # Hello I'm Vicky !!

주석

  • 프로그래밍 언어가 무시하는 문자로 코드를 설명하거나 코드를 임시로 작동하지 못하게 한다.
  • #을 쓰고 그 오른쪽에 주석을 입력
  • 여러줄을 주석으로 처리하고 싶을때는 따옴표 """로 그 내용을 둘러싼다.
# 정체와 다리의 수를 출력하는 코드
identity = '사람' # 정체
number_of_legs # 다리의 수

print('안녕!')

# 이 아래 줄은 주석처리 되었기 때문에 실행되지 않는다.
#print('??')

"""
여러줄을
주석처리할 때에는
따옴표 3개로 주석처리해준다.
"""

자료형

  • RAM에 변수를 저장하는 형식
  • 컴퓨터가 추후에 변수관련 연산을 할 때 용이하게 해줌
  • 클래스(Class)

숫자(Integer, float)

  • 상세한 데이터 타입을 나눌 필요없이 파이썬이 알아서 정의해준다.
my_age = 31
a = 1
b = 2.3
c = -5
  • 다른 언어의 경우 숫자 자료형이 float, interger 등으로 상세히 나뉘어져 있음
    • C 언어의 경우 
      int a = 1
float b= 3.2
  • 숫자는 아래와 같이 여러가지 연산이 가능하다.
# 더하기
my_next_age = my_age + 1 # 32

# 곱하기
multiply = 9 * 9 # 81

# 나누기
divide = 30 / 5 # 6.0

# 거듭제곱 (2의 10승)
power = 2 ** 10 # 1024

# percent
remainder = 15 % 4 # 3

리스트(list)

  • list가 필요한 이유: 동일한 속성의 데이터를 하나로 묶어 관리하기 위함 아래와 같이 할당한다.

    class_score = [90, 30, 60] # 혹은
class_score = list([90, 30, 60])

    print(class_score) # [90, 30, 60]
    type(class_score) # list

    class_score = [1, 2, [1, 2]]
    ```

  • indexing

    • 0부터 시작하는 이유? 변수가 가리키는 list의 첫번째 값을 의미하므로

      • class_score[1]은 변수가 가리키는 list(90이 첫번째 값)에서 1단계 다음에 존재하므로 30
      class_score = [90, 30, 60]
class_score[2] # 60
class_score[1] # 30

    • -1 indexing

      class_score = [1, 2, 3, 4, 5];
print(class_score[-1]) # 5
print(class_score[-1]) # 4

    • ‘범위’ 인덱싱: 값을 여러 개 가져오고 싶을 때

      class_score = [1, 2, 3, 4, 5];
class_score[0:1] # [1] - 첫 번째 인수는 포함, 두 번째 인수는 미포함
class_score[0:2] # [1, 2]
class_score[:1] # [1]
class_score[1:] # [2, 3, 4, 5]
class_score[:] # [1, 2, 3, 4, 5]
class_score[-2:] # [4, 5]

type(class_score[1]) # int
type(class_score[0:2]) # list

  • 다차원 리스트

    # 2차원 리스트
중고차 = ["K5", "white", [5000, 6000]]
print(중고차[2][1]) # 6000

# 3차원 리스트 - 행렬
[
	[1, 2, 4],
	[1, 2, 3],
	[1, 3, 2]
]

튜플(tuple)

튜플은 리스트와 동일한데 다른 점이 있다. 먼저 사용법은 아래와 같다.

a = (1, 2)
type(a) # tuple

a[1] # 2

위 방법은 리스트와 동일함. 다른 점은 내용이 immutable하게 관리된다는 의미이다.

a = [1, 2]
a[0] = 3
a # [3, 2]

b = (1, 2)
b[0] = 3 # TypeError 'tuple' object does not support item assignment

위처럼 튜플 변수는 값을 수정할 수 없다. list는 mutable 자료형, tuple은 immutable 자료형임

튜플 자료형 변수에 대해 추가, 삭제, 변경 등의 operation이 일어날 때에는 기존의 값을 모두 버리고 새로운 값으로 대체되는 특징을 가진다(immutable이라 기존에 만들어진 값에는 수정이 불가능하므로 새로운 값을 생성) 이러한 특징을 이해하는데에는 포인터의 개념을 알면 도움이 되며, python mutable, immutable로 검색해서 더 공부해본다.

문자열(string)

문자열 = 스트링(string) = 문자열 스트링(string) 자료형 문자열 변수는 따옴표로 감싸진 글로 문자 그 자체를 나타나기 위해 사용된다.

a = 안녕하세요 # NameError : name '안녕하세요' is not defined
a = '안녕하세요'
a # 안녕하세요
  • indexing: 문자열은 한글자씩 인덱싱도 가능하다.
a = '안녕하세요'
a[0] # 안
a[-1] # 요
a[:-2] # 안녕하
  • 텍스트 두 개를 더하면 문자열이 이어붙으며, 텍스트는 더하기만 가능하고 빼기 등의 다른 계산은 불가능하다.
my_name = 'Vicky'
text = '1990'+'0326'

print(my_name, text) #Vicky 19900326

birth_year='1990'
birth_date='0326'
year_and_date = birth_year + birth_date

print("year_and_date : {}".format(year_and_date)) # year_and_date : 19900326

딕셔너리(dictionary) 자료형

리스트 자료형과 다르게 이름을 붙여 저장한다.

중고차2 = {"brand": "BMW", "model": "k5"}
중고차2["brand"] = "Hyundai"

print(중고차2["brand"]); # Hyundai

my_dict = {'car': 'k5', 'bmw': 'x5', 'tico': 'tico'}
# 혹은
my_dict2 = dict(car = 1000, name = 'vicky') # 이 방식으로 선언 시 key는 반드시 문자열이어야 함

굳이 딕셔너리 자료형을 써야하는 이유는 무엇일까? 아래와 같이 써도 구현 가능한데..?

my_list = [[ 123, 456 ], [ 'my_key', 1000 ]]

⇒ 딕셔너리 자료형의 원래 이름은 Hashtable 이라고 불림. 데이터를 저장 시 hash 값을 번호로 하는 방에 데이터를 저장함. unique 특성을 유지하는 것임. 결국 딕셔너리의 모든 key, value 쌍에 대해 하나씩 일일히 비교하면서 찾는 것이 아닌 hash 값을 이용해 딱 한번 check만 하면 되는 장점이 있음

my_list = [[ 123, 456 ], [ 'my_key', 1000 ], ...]

만약 위 리스트 데이터에서 인덱스 하나당 조회가 1초가 걸린다고 했을 때, 데이터가 100개고 맨 마지막 데이터를 찾는다면 첫 번째 값부터 조회할 시 100초가 걸리게 된다. 즉 n개의 데이터가 있을 때 조회 시 최악의 경우 n초가 걸리게 되는 것임. 반면에 hashtable의 경우 변수값이 저장된 방 key를 가지고 직접 저장된 데이터를 찾아오기 때문에 find operation 속도가 현저히 차이날 수 있음. 적재적소에 적절한 데이터형을 사용하는 것은 매우 중요하다.

company_list = ["삼성전자", "현대차"]
price_list = [10, 90]

company_price_list = [["삼성전자", 10], ["현대차", 90]]
stock_dict = { "삼성전자": 10, "현대차": 90 }
stock_dict["삼성전자"] # 10
stock_dict["현대차"] # 90

stock_dict["하이닉스"] = 100
stock_dict # { "삼성전자": 10, "현대차": 90, "하이닉스": 100 }

집합(set)

집합 자료형도 hash 알고리즘을 사용한다. 내부적으로 hash를 사용 (hash는 uniqueness가 보장되므로 이와 같은 특징을 갖는다)

my_set = {1, 2, 3, 1}
my_set # {1, 2, 3}

중복된 데이터를 저장하지 않을 때 사용한다. 이 외에도 데이터셋 간의 비교(교집합, 합집합, 차집합 등)과 빠른 find operation을 활용할 때 사용된다.

my_list = [1, 2, 3, 4, 4]
my_new_set = set(my_list) # set 자료형으로 변경
my_new_set # {1, 2, 3, 4}

불(bool, boolean)

이 자료형은 개념이 쉬우나 활용하는 측면에서 조금 어렵게 느껴질 수 있다.

a = 1 # 숫자
a = "abc" # 문자

a = True # 불
type(a) # bool
a = False
a # False
  • with and, or : and, or 연산자를 사용할 수 있다. 
    # and && - 두 값 모두 참이어야 참
True and True # True
True and False # False
False and False # False

# or || - 둘 중 한 값이 참이면 참
True or False # True
False or False # False

# 이런 것도 가능하다.
True and True or False # = ((True and True) or False) = True
  • bool로 받아들여야 하는 낯선 구문들: 부등호로 불 값을 변수에 저장할 수 있다. 
    a = -1
c = a < 1
c # True

a <= 1 # True
a == 3 # False
a != 3 # True

a > 1 or a < 0 # = False or True = True