외곈 World 👽🌏

🎈 가상 환경(virtual environment)

Python의 가상 환경(virtual environment)은 프로젝트마다 고유한 패키지와 의존성을 관리할 수 있도록 별도의 Python 환경을 생성하는 도구이다. 가상 환경을 사용하면 프로젝트마다 독립적인 Python 패키지 환경을 구축할 수 있어, 패키지 버전 충돌을 방지하고, 다른 프로젝트와의 의존성 문제를 해결할 수 있다.

** 가상 환경의 필요성

Python 프로젝트마다 사용해야 하는 라이브러리들이 다를 수 있고, 라이브러리가 같더라도 버전이 다를 수 있다. 이 경우 같은 시스템 환경에서 이 두 프로젝트를 관리하기가 어려울 수 있다. 가상 환경을 사용하면 프로젝트별로 라이브러리 버전을 독립적으로 관리할 수 있다.

** 요약

• 가상 환경 활성화: conda activate myenv
• 코드 실행: python my\_script.py 또는 python (인터프리터 사용)
• 가상 환경 비활성화: conda deactivate

1. 가상 환경 생성하기

✅ 가상 환경 생성

새로운 가상 환경을 생성하려면 conda create 명령어를 사용한다.

conda create --name myenv

위 명령어는 myenv라는 이름의 가상 환경을 생성한다. 환경 이름은 원하는 대로 지정할 수 있다.

✅ 특정 Python 버전을 지정하여 환경 생성

특정 Python 버전을 사용해야 하는 경우, 버전을 명시하여 가상 환경을 생성할 수 있다.

conda create --name myenv python=3.8

위 명령어는 Python 3.8 버전을 사용하는 myenv 가상 환경을 생성한다.

✅ Python 3.10** 버전을 사용하는 새로운 가상 환경 myenv01을 생성하는 명령어

conda create -n myenv python=3.10

⭐ --name 옵션은 환경의 이름을 지정하는 두 개의 대시(--)가 있는 긴 형태의 옵션이며,

단축형 옵션으로는 -n(대시 하나)도 사용할 수 있다.

2. 가상 환경 활성화

생성한 가상 환경을 사용하려면 활성화해야 한다.

conda activate myenv

터미널에 (myenv)와 같이 표시되며, myenv 가상 환경이 활성화된 상태임을 나타낸다.

3. 패키지 설치 및 관리

가상 환경이 활성화된 상태에서 conda install 명령어로 패키지를 설치할 수 있다.

conda install requests

위 명령어는 현재 활성화된 myenv 환경에만 requests 패키지를 설치한다.

✅ conda와 pip을 함께 사용하기

Conda 환경에서 제공되지 않는 패키지가 있을 경우, pip를 통해 설치할 수도 있다. Conda와 pip를 함께 사용할 때는 가상 환경이 활성화된 상태에서 pip install을 사용하는 것이 중요하다.

pip install some_package

이렇게 하면 해당 패키지는 myenv 환경 내에만 설치되며, 시스템 전역 환경에는 영향을 미치지 않는다.

4. 가상 환경 비활성화

가상 환경 사용을 마쳤으면, conda deactivate 명령어로 환경을 비활성화하여 시스템 기본 환경으로 돌아갈 수 있다.

conda deactivate

5. 가상 환경 관리

✅ 가상 환경 목록 확인

현재 생성된 모든 가상 환경을 확인하려면 conda env list 또는 conda info --envs 명령어를 사용한다.

conda env list

✅ 가상 환경 삭제

사용하지 않는 환경은 conda remove --name myenv --all 명령어로 삭제할 수 있다.

conda remove --name myenv --all

🎈 가상 환경의 장점

• 프로젝트 독립성: 여러 프로젝트마다 필요한 패키지와 Python 버전을 독립적으로 관리할 수 있어, 충돌 없이 작업할 수 있다.
• 버전 제어: 특정 프로젝트의 요구 사항에 맞춰 Python 및 패키지 버전을 고정하여 작업 재현성을 높일 수 있다.
• 시스템 보호: 시스템의 기본 Python 환경에 영향을 주지 않으므로, 시스템 전반의 안정성을 유지할 수 있다.

Miniconda를 사용한 가상 환경 관리는 여러 프로젝트를 효율적으로 관리하고, 각 프로젝트별로 일관된 작업 환경을 설정하는 데 매우 유용하다.

🎈 외부 라이브러리 (External Libraries)

Python의 외부 라이브러리는 커뮤니티나 특정 개발자가 제공하는 패키지로, 기본 설치된 표준 라이브러리 외에도 다양한 기능을 제공한다. 외부 라이브러리는 데이터 분석, 웹 스크래핑, HTTP 요청 등 다양한 작업에 유용하며, pip 패키지 관리자를 통해 설치할 수 있다. 외부 라이브러리를 사용하려면 먼저 설치가 필요하다.설치 후, import 키워드를 통해 사용할 수 있다.

1. pandas

데이터 분석을 위한 라이브러리

pandas는 데이터 분석과 조작에 유용한 라이브러리로, 테이블 형식의 데이터를 다루기에 편리하다. 데이터프레임(DataFrame)이라는 구조를 통해 행과 열로 구성된 데이터를 쉽게 조작할 수 있다.

• 설치 명령어: pip install pandas

import pandas as pd

# 데이터프레임 생성
data = {'Name': ['Karina', 'Winter', 'Ningning', 'Giselle'], 'Age': [24, 23, 21, 23]}
df = pd.DataFrame(data)
print(df)

# 데이터프레임의 특정 열 출력
print(df['Name'])  # Output: Name 열의 값

# 기초 통계 정보 출력
print(df.describe())  # 데이터의 통계 요약 정보

# DataFrame을 Excel 파일로 저장
df.to_excel('aespa_data.xlsx', index=False)

• to_excel() 메서드를 사용하여 DataFrame을 Excel 파일로 저장할 수 있다.( openpyxl 또는 xlsxwriter 라이브러리를 설치)
• 설치 명령어: pip install openpyxl
•  index=False: 이 옵션은 DataFrame의 인덱스를 파일에 포함시키지 않도록 설정한다. 만약 인덱스를 포함하려면 index=True로 설정하거나, 옵션을 생략할 수 있다.

⭐ 터미널 출력 결과

2. requests

HTTP 요청을 보내기 위한 라이브러리. 

HTTP 요청을 쉽게 보낼 수 있는 라이브러리로, 웹 API를 호출하거나 웹 페이지의 HTML을 가져올 때 자주 사용된다.

• 설치 명령어: pip install requests

✅ GET 요청 

import requests

response = requests.get("https://api.github.com")
print(response.status_code)   # 응답 상태 코드 출력
print(response.json())        # JSON 형식의 응답 데이터 출력

• requests.get()는 GET 요청을 보내서 데이터를 가져오는 메서드.
• https://api.github.com은 GitHub의 API 엔드포인트로, 기본적인 정보를 제공한다.
• response.status_code: HTTP 상태 코드 출력. 200은 요청이 성공적으로 처리되었음을 의미한다.
• response.json(): JSON 형식으로 응답 데이터를 출력한다.

✅ POST 요청 

import requests

data = {'key': 'value'}
response = requests.post("https://httpbin.org/post", data=data)
print(response.json())        # JSON 형식의 응답 데이터 출력

• requests.post(): POST 요청을 보내는 메서드로, 주로 데이터를 서버에 전송할 때 사용함.
• data=data: 서버로 전송할 데이터를 지정합니다. 예시코드에서는 {'key': 'value'}라는 딕셔너리를 데이터로 전송.
• https://httpbin.org/post: httpbin.org는 테스트용으로 많이 사용되는 서비스로, 요청을 그대로 되돌려준다.
• response.json(): JSON 형식으로 응답 데이터를 출력한다.

3. tqdm

반복 작업의 진행 상태를 시각적으로 보여주는 프로그레스 바 라이브러리.

• 설치 명령어: pip install tqdm

아래 코드를 실행하면, 10번의 반복 작업이 진행되는 동안 각 작업 사이에 0.1초씩 지연되며 프로그레스 바가 조금씩 채워지는 모습을 볼 수 있다.

from tqdm import tqdm
import time

# tqdm을 사용하여 반복 작업에 프로그레스 바 적용
for i in tqdm(range(10)):
    time.sleep(0.1)  # 작업을 지연시켜 진행 상태를 확인 가능하게 함

• for i in tqdm(range(10)): range(10)은 0부터 9까지 10번 반복되는 루프를 생성하며, tqdm을 통해 각 반복을 시각적으로 보여준다.
• time.sleep(0.1): 각 반복 사이에 0.1초의 지연을 추가한다. 이 지연이 없으면 프로그레스 바가 너무 빠르게 지나가, 진행 상태를 확인하기 어려울 수 있다.

4. numpy

배열 및 행렬 연산에 강력한 기능을 제공하는 라이브러리. 데이터 분석과 과학 계산에서 많이 사용된다.

• 설치 명령어: pip install numpy

import numpy as np

# 배열 생성 및 연산
array = np.array([1, 2, 3, 4])
print(array * 2)  # Output: [2 4 6 8]

# 2차원 배열 생성
matrix = np.array([[1, 2], [3, 4]])
print(matrix)

5. matplotlib

데이터 시각화를 위한 라이브러리. 그래프와 차트를 그리는 데 유용하다.

• 설치 명령어: pip install matplotlib

import matplotlib.pyplot as plt

# 간단한 라인 그래프 그리기
x = [1, 2, 3, 4]
y = [10, 20, 25, 30]
plt.plot(x, y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Simple Line Plot')
plt.show()

🎈 표준 라이브러리 (Standard Libraries)

Python은 다양한 표준 라이브러리를 제공하며, 추가 설치 없이도 많은 기능을 사용할 수 있다.

표준 라이브러리는 파일 입출력, 네트워킹, 데이터 처리, 날짜와 시간 관리 등 여러 기능을 제공하며, import 키워드를 사용해 간편하게 사용할 수 있다. Python의 표준 라이브러리는 사용자가 복잡한 작업을 쉽게 처리할 수 있도록 도와준다. 대표적인 표준 라이브러리는 다음과 같다.

01. math: 수학 관련 함수와 상수를 제공.

import math

# 제곱근 계산
print(math.sqrt(16))  # Output: 4.0

# 원주율 (pi) 상수 사용
print(math.pi)  # Output: 3.141592653589793

# 삼각 함수 계산
angle = math.radians(90)  # 각도를 라디안으로 변환
print(math.sin(angle))  # Output: 1.0

02. datetime: 날짜와 시간 처리를 위한 모듈.

import datetime

# 현재 날짜와 시간 출력
now = datetime.datetime.now()
print(now)  # 예: 2024-11-02 22:12:01.519150

# 특정 날짜 생성
birthday = datetime.datetime(2000, 1, 1)
print(birthday)  # Output: 2000-01-01 00:00:00

# 날짜 차이 계산
today = datetime.date.today()
new_year = datetime.date(today.year + 1, 1, 1)
days_until_new_year = (new_year - today).days
print(f"New Year까지 남은 일수: {days_until_new_year}일")

03. random: 난수 생성 및 무작위 선택 기능 제공.

import random

# 1에서 10 사이의 임의의 정수 생성
print(random.randint(1, 10))  # Output: 1에서 10 사이의 무작위 정수

# 0과 1 사이의 임의의 부동 소수점 생성
print(random.random())  # Output: 0.0 <= N < 1.0

# 리스트에서 무작위로 하나 선택
choices = ["apple", "banana", "cherry"]
print(random.choice(choices))  # Output: choices 중 하나

# 리스트를 무작위로 섞기
deck = [1, 2, 3, 4, 5]
random.shuffle(deck)
print(deck)  # Output: 예: [3, 1, 5, 2, 4]

# 1에서 100 사이의 임의의 부동 소수점 생성
print(random.uniform(1, 100))  # Output: 1.0 <= N <= 100.0

• random.randint(a, b): a와 b 사이의 정수 난수를 반환.
• random.random(): 0과 1 사이의 부동 소수점 난수를 반환.
• random.choice(seq): 시퀀스에서 무작위 요소를 선택.
• random.shuffle(seq): 시퀀스의 요소를 무작위로 섞음.
• random.uniform(a, b): a와 b 사이의 부동 소수점 난수를 반환.

이와 같이 random 모듈을 통해 다양한 무작위 작업을 쉽게 수행할 수 있다.

04. glob: 파일 경로 패턴 매칭을 통해 특정 파일 목록을 검색하는 데 유용한 모듈.

import glob

files = glob.glob('./*.py')  # 현재 디렉토리에서 모든 .py 파일 목록 가져오기
print(files) # 터미널에 현재 디렉토리의 모든 .py 파일이 리스트로 출력됨

05. json: JSON 형식으로 데이터를 변환하거나 JSON 파일을 읽고 쓰기 위한 모듈. Python에서 데이터를 JSON 파일로 저장

import json

aespa = {'karina': 24, 'winter': 23, 'ningning': 21, 'giselle': 23}

with open("./aespa.json", "wt") as f:
    json.dump(aespa, f)

1. 파일 열기: open("./aespa.json", "wt")로 aespa.json 파일을 쓰기 모드로 엽니다.
2. 파일 객체 참조: f 또는 aespa_file 변수에 파일 객체를 할당합니다.
3. JSON 데이터 저장: json.dump(aespa, f)를 통해 aespa 딕셔너리를 JSON 형식으로 파일에 저장합니다.
   
   * wt 모드 : wt는 파일을 열 때 사용하는 모드. wt를 사용하면 JSON 형식의 텍스트 데이터를 파일에 작성할 수 있다.
   w:쓰기 모드(write)로, 기존 파일이 있다면 내용을 덮어쓰고, 파일이 없으면 새로 생성합니다.
   t:텍스트 모드(text). 이 모드는 생략 가능하므로 보통 w만 써도 동일하게 작동한다. 
   
   * f 파일 객체 : f는 파일 객체를 가리키는 변수명으로, open() 함수를 통해 반환된 객체를 참조한다. 파일 객체를 통해 파일에 데이터를 쓰거나 읽을 수 있다.관례적으로 파일 작업에서는 f를 사용하지만, 상황에 맞는 변수명(aespa_file 등)을 사용하면 더 명확할 수 있다.
   
   * : with 구문 덕분에 블록이 끝나면 파일이 자동으로 닫힌다.

06. os: 모듈은 파일 시스템 작업, 환경 변수 접근 등 운영체제와 상호작용할 수 있는 기능을 제공 .

import os

# 현재 작업 디렉토리 확인
print(os.getcwd())  # 현재 디렉토리 경로 출력

# 새로운 디렉토리 생성
os.mkdir("test_directory")

# 파일 존재 여부 확인
print(os.path.exists("test_directory"))  # Output: True

# 환경 변수 접근
home_directory = os.environ.get("HOME")
print(home_directory)

07. sys: Python 인터프리터와 상호작용하는 기능 제공. 프로그램 종료 등의 기능도 포함

import sys

# Python 버전 확인
print(sys.version)

# 명령줄 인자 확인
print(sys.argv)  # 예: ['script_name.py', 'arg1', 'arg2']

# 프로그램 종료
try:
    sys.exit("프로그램을 종료합니다.")  # 프로그램 종료와 함께 메시지 출력
except SystemExit as e:
    print(e)

🎈 내장함수

파이썬에는 기본적으로 제공되는 내장 함수들이 있어 별도의 설치 없이 사용할 수 있다. 내장 함수는 데이터 처리, 입력/출력, 수학 계산 등 다양한 작업을 쉽게 수행할 수 있게 한다.

- abs(): 숫자의 절대값을 반하는 함수.

    print(abs(-5)) # 출력: 5

- all(): 반복 가능한 객체(리스트, 튜플 등) 안의 모든 값이 참이면 True를 반환하는 함수.

    print(all([True, 1, "hello"])) # 출력: True

- any(): 반복 가능한 객체 안의 값 중 하나라도 참이면 True를 반환하는 함수.

    print(any([False, 0, None, "text"])) # 출력: True

- chr(): 유니코드 값을 문자로 변환하는 함수.

  print(chr(65))  # 출력: 'A'

- ord(): 문자의 유니코드 값을 반환하는 함수.

  print(ord('A'))  # 출력: 65

- divmod(): 두 수를 나눈 몫과 나머지를 튜플로 반환하는 함수.

  print(divmod(10, 3))  # 출력: (3, 1)

- enumerate(): 반복 가능한 객체(리스트 등)에서 인덱스와 값을 함께 반환하는 함수.

  fruits = ['apple', 'banana']
  for index, fruit in enumerate(fruits):
      print(index, fruit)
  # 출력:
  # 0 apple
  # 1 banana

- eval(): 문자열 형태의 표현식을 실행하는 함수.

  print(eval("3 + 5"))  # 출력: 8

- filter(): 함수의 조건을 만족하는 요소만 걸러내는 함수.

  numbers = [1, 2, 3, 4, 5]
  even_numbers = list(filter(lambda x: x % 2 == 0, numbers))
  print(even_numbers)  # 출력: [2, 4]

- hex(): 정수를 16진수 문자열로 변환하는 함수.

  print(hex(255))  # 출력: '0xff'

- id(): 객체의 고유한 ID 값을 반환하는 함수.

  a = 3
  print(id(a))  # 출력: 메모리 주소값 (예: 140722945015568)

- int(): 문자열이나 실수를 정수로 변환하는 함수.

  print(int("10"))  # 출력: 10
  print(int(3.14))  # 출력: 3

- isinstance(): 인스턴스가 특정 클래스의 인스턴스인지 확인하는 함수.

  print(isinstance(5, int))  # 출력: True

- len(): 객체(문자열, 리스트 등)의 길이를 반환하는 함수.

  print(len("hello"))  # 출력: 5

- list(): 반복 가능한 객체를 리스트로 변환하는 함수.

  print(list("hello"))  # 출력: ['h', 'e', 'l', 'l', 'o']

- map(): 리스트 등의 각 요소에 함수를 적용하는 함수.

  numbers = [1, 2, 3]
  print(list(map(str, numbers)))  # 출력: ['1', '2', '3']

- max(): 반복 가능한 객체의 최댓값을 반환하는 함수.

  numbers = [10, 20, 30]
  print(max(numbers))  # 출력: 30

- min(): 반복 가능한 객체의 최솟값을 반환하는 함수.

  numbers = [10, 20, 30]
  print(min(numbers))  # 출력: 10

- pow(): x의 y 제곱을 반환하는 함수.

  print(pow(2, 3))  # 출력: 8

- range(): 정수 범위를 생성하는 함수.

  print(list(range(5)))  # 출력: [0, 1, 2, 3, 4]

- round(): 숫자를 반올림하는 함수.

  print(round(3.14159, 2))  # 출력: 3.14

- sorted(): 반복 가능한 객체를 정렬된 리스트로 반환하는 함수.

  numbers = [5, 2, 9, 1]
  print(sorted(numbers))  # 출력: [1, 2, 5, 9]

- str(): 객체를 문자열로 변환하는 함수.

  num = 100
  print(str(num))  # 출력: '100'

- sum(): 반복 가능한 객체의 합을 반환하는 함수.

  numbers = [1, 2, 3, 4, 5]
  print(sum(numbers))  # 출력: 15

- tuple(): 반복 가능한 객체를 튜플로 변환하는 함수.

  print(tuple("hello"))  # 출력: ('h', 'e', 'l', 'l', 'o')

- zip(): 여러 개의 리스트나 튜플을 짝지어주는 함수.

  names = ["Alice", "Bob"]
  scores = [90, 85]
  print(list(zip(names, scores)))  # 출력: [('Alice', 90), ('Bob', 85)]

예외 처리 (Exception Handling)

예외 처리는 코드 실행 중 발생할 수 있는 오류 상황을 처리하는 방법이다.

try, except, finally 구문을 사용하여 예외 발생 시 코드를 안전하게 종료하거나 특정 동작을 수행할 수 있다.

1. 기본적인 예외 처리 구조

try:
    # 예외가 발생할 가능성이 있는 코드
except ExceptionType:
    # 예외가 발생했을 때 실행되는 코드
else:
    # 예외가 발생하지 않았을 때 실행되는 코드
finally:
    # 예외 발생 여부와 상관없이 항상 실행되는 코드

• try: 예외가 발생할 가능성이 있는 코드를 작성. 예를 들어 파일을 열거나, 숫자를 0으로 나누는 등의 작업이 포함될 수 있다.
• except: 예외가 발생했을 때 실행할 코드를 작성. 발생한 예외 유형에 따라 여러 개의 except 블록을 지정할 수도 있다.
• else: 예외가 발생하지 않았을 때 실행되는 코드를 작성. else는 선택 사항으로, try 블록이 성공적으로 완료된 경우에만 실행된다.
• finally: 예외 발생 여부와 상관없이 항상 실행되는 코드를 작성. 파일을 열었다면 닫는 작업을 여기에 넣을 수 있다.

# 예제 코드 

사용자가 입력한 숫자를 100으로 나누는 프로그램으로,여기서 발생할 수 있는 ValueError와 ZeroDivisionError 예외를 처리하는 코드

try:
    num = int(input("숫자를 입력하세요: "))
    result = 100 / num
except ValueError:
    print("유효한 숫자가 아닙니다. 숫자를 입력해주세요.")
except ZeroDivisionError:
    print("0으로 나눌 수 없습니다.")
else:
    print(f"결과: {result}")
finally:
    print("프로그램이 종료되었습니다.")

• try 블록에서는 사용자가 입력한 값을 정수로 변환한 후, 100을 그 값으로 나누는 연산을 수행.
• except ValueError 블록은 사용자가 숫자가 아닌 값을 입력했을 때 실행되며, "유효한 숫자가 아닙니다"라는 메시지를 출력.
• except ZeroDivisionError 블록은 사용자가 0을 입력했을 때 실행되며, "0으로 나눌 수 없습니다"라는 메시지를 출력.
• else 블록은 예외가 없을 경우 실행되며, 나눗셈 결과를 출력.
• finally 블록은 예외 발생 여부와 관계없이 항상 실행되며, "프로그램이 종료되었습니다"라는 메시지를 출력.

이와 같은 예외 처리 방식으로 프로그램은 오류 상황에서도 안전하게 작동할 수 있다.

1. 모듈 (Modules)

모듈은 Python 코드가 포함된 파일로, 다른 Python 파일에서 이를 불러와 사용할 수 있다. 모듈은 코드 재사용성을 높이고, 코드를 구조화하여 유지보수에 용이하게 한다. 모듈을 사용하려면 import 키워드를 통해 불러올 수 있다.

# example_module.py 파일

def greet(name):  
print(f"Hello, {name}!")

다른 파일에서 불러오기:

import example_module
example_module.greet("Cheolsu")  # Output: Hello, Cheolsu!

2. 패키지 (Packages)

패키지는 모듈들을 디렉토리로 묶어 관리하는 방식이다. 패키지의 각 디렉토리에는 __init__.py 파일이 포함되어 있어 Python이 이 디렉토리를 패키지로 인식하게 한다. 이를 통해 계층 구조의 코드 모듈을 관리할 수 있다.

my_package/
├── __init__.py
├── module1.py
└── module2.py

불러오기 예시:

from my_package import module1
module1.some_function()

d = Dog("Buddy")
d.bark()  # Output: Buddy says woof!

1. 클래스의 정의

클래스는 객체지향 프로그래밍에서 코드의 재사용성을 높이기 위한 구조이다. 클래스는 특정 기능을 가진 데이터와 함수를 포함하며, 새로운 객체를 생성하는 틀로 활용된다. Python에서 클래스는 class 키워드를 사용해 정의할 수 있다.

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age

    def greet(self):
        print(f"Hello, {self.name}!")

Person 클래스는 이름과 나이를 속성으로 가지며, greet 메서드를 통해 인사말을 출력할 수 있다. 객체는 클래스를 기반으로 생성되며, 이를 통해 클래스를 호출하여 새로운 인스턴스를 만들 수 있다.

* self는 Python에서 클래스 인스턴스 자신을 참조하기 위한 특별한 변수다. 클래스의 메서드를 정의할 때 항상 첫 번째 매개변수로 self를 적어야 하며, 이를 통해 해당 인스턴스의 속성이나 메서드에 접근할 수 있다. JavaScript에서는 일반적으로 this를 통해 객체 내부의 프로퍼티에 접근하는데, Python에서는 self를 명시적으로 전달해야 한다.

p = Person("Cheolsu", 20)
p.greet()  # Output: Hello, Cheolsu!

2. __init__ 메서드 (Initializer)

__init__ 메서드는 클래스로부터 생성된 객체의 초기값을 설정하는 특별한 메서드이다. 객체 생성 시 자동으로 호출되며, 속성을 초기화한다. 여기서 첫 번째 매개변수 self는 해당 인스턴스를 나타내며, Python 클래스 메서드에서 항상 첫 번째 매개변수로 사용된다.

class Animal:
    def __init__(self, species, sound):
        self.species = species
        self.sound = sound

    def make_sound(self):
        print(f"{self.species} makes {self.sound}")

a = Animal("Cat", "meow")
a.make_sound()  # Output: Cat makes meow

3. 클래스 속성과 인스턴스 속성

클래스 속성은 클래스 자체에 속하는 반면, 인스턴스 속성은 특정 인스턴스에 속한다. 클래스 속성은 모든 인스턴스에서 공유되며, 객체를 생성하지 않고 클래스명으로 접근할 수 있다.

class Car:
    wheels = 4  # 클래스 속성

    def __init__(self, color):
        self.color = color  # 인스턴스 속성

print(Car.wheels)  # Output: 4
car1 = Car("Red")
print(car1.color)  # Output: Red

4. 메서드(Method)

클래스 내부에서 정의된 함수는 메서드라 불리며, 객체의 동작을 정의한다. 메서드는 객체를 통해 호출되며, 메서드 내부에서 인스턴스 속성에 접근할 수 있다.

class Dog:
    def __init__(self, name):
        self.name = name

    def bark(self):
        print(f"{self.name} says woof!")

5. 상속(Inheritance)

상속은 기존 클래스를 확장하여 새로운 클래스를 만드는 방법이다. 상속을 통해 코드 중복을 줄일 수 있으며, 상위 클래스의 속성과 메서드를 하위 클래스가 물려받는다.

class Animal:
    def __init__(self, species):
        self.species = species

    def speak(self):
        return "Sound"

class Dog(Animal):
    def speak(self):
        return "Bark"

d = Dog("Dog")
print(d.speak())  # Output: Bark

6. super() 함수

하위 클래스에서 상위 클래스의 메서드를 호출할 때 super() 함수를 사용한다. 이를 통해 상위 클래스의 기능을 확장할 수 있다.

class Bird(Animal):
    def __init__(self, species, can_fly):
        super().__init__(species)
        self.can_fly = can_fly        

7. 매직 메서드 (Magic Method)

매직 메서드는 특별한 기능을 수행하는 메서드로, 두 언더스코어(__)로 시작하고 끝나는 메서드다. 예를 들어, __str__은 객체를 문자열로 표현할 때 사용되며, __len__은 객체의 길이를 반환하는 데 사용된다.

class Book:
    def __init__(self, title, pages):
        self.title = title
        self.pages = pages

    def __str__(self):
        return f"{self.title} ({self.pages} pages)"

b = Book("Python Basics", 250)
print(b)  # Output: Python Basics (250 pages)

8. 클래스와 인스턴스 메서드

클래스 메서드는 @classmethod 데코레이터로 정의하며, 클래스 자체에 대한 동작을 수행한다. 반면, 인스턴스 메서드는 특정 인스턴스에 대한 동작을 수행한다.

class MyClass:
    @classmethod
    def class_method(cls):
        print("Class method called")

9. 정적 메서드 (Static Method)

정적 메서드는 특정 인스턴스나 클래스에 의존하지 않는 메서드이다. @staticmethod 데코레이터를 사용해 정의하며, 독립적으로 동작하는 함수를 클래스 내부에 정의할 수 있다.

class Math:
    @staticmethod
    def add(a, b):
        return a + b

print(Math.add(3, 5))  # Output: 8

10. 객체지향의 특징: 캡슐화, 상속, 다형성

• 캡슐화는 객체의 세부 구현을 감추고, 외부에는 인터페이스만 제공하는 방식이다. 이를 통해 외부에서는 객체 내부의 복잡한 로직을 알 필요 없이 필요한 정보에만 접근할 수 있다.
• 상속은 기존 클래스의 속성과 메서드를 새로운 클래스가 물려받아 재사용할 수 있게 한다. 코드의 중복을 줄이고 유지보수를 용이하게 한다.
• 다형성은 동일한 인터페이스를 사용하여 다른 동작을 수행할 수 있게 하는 특징이다. 예를 들어, 여러 클래스가 같은 이름의 메서드를 가지고 있어도 각 클래스의 동작에 맞게 사용할 수 있다.

함수 (Functions)

1. 함수 정의 (Defining a Function)

함수는 반복적인 작업을 모듈화하여 코드 재사용성을 높이는 방법이다. def 키워드를 사용해 함수를 정의하며, 함수 이름과 괄호 안에 매개변수를 작성할 수 있다. 함수는 호출되었을 때에만 실행된다.

def greet(name):
    print(f"안녕하세요, {name}님!")

greet("철수")  # 출력: 안녕하세요, 철수님!

2. 매개변수와 인자 (Parameters and Arguments)

함수는 매개변수를 사용해 외부에서 값을 전달받을 수 있다. 함수 호출 시 전달되는 값을 인자라고 한다. 매개변수는 함수 내부에서 변수를 선언한 것과 같은 역할을 한다.

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

result = add(3, 4)
print(result)  # 출력: 7

3. 기본 매개변수 (Default Parameters)

함수를 정의할 때 기본값을 설정할 수 있다. 함수 호출 시 해당 인자가 전달되지 않으면 기본값이 사용된다.

기본 매개변수는 매개변수의 순서가 중요하며, 기본값이 없는 매개변수보다 뒤에 위치해야 한다.

def greet(name="친구"):
    print(f"안녕하세요, {name}님!")

greet()  # 출력: 안녕하세요, 친구님!
greet("영희")  # 출력: 안녕하세요, 영희님!

1. 기본 매개변수 정의 및 규칙

기본값이 없는 매개변수는 먼저 작성되고, 기본값이 있는 매개변수는 뒤에 작성해야 한다.

기본값이 없는 매개변수는 반드시 기본값이 있는 매개변수보다 앞에 위치해야 합니다.

def add(a, b=3):
    return a + b
    
# a 값만 전달하면 b는 기본값 3을 사용
print(add(2))  # 출력: 5

이 함수는 a는 필수 매개변수로 받고, b는 기본값 3을 가진다. 함수 호출 시 b 값을 제공하지 않으면 기본값이 사용된다.

잘못된 매개변수 사용 예시:: 기본값이 없는 매개변수는 반드시 기본값이 있는 매개변수보다 앞에 위치해야 한다.

def add(a=1, b):
    return a + b

print(add(b=3))  
# 오류 발생: 기본값이 없는 매개변수 b가 기본값이 있는 매개변수 a 뒤에 위치해 있어 오류가 발생.
# 기본값이 없는 매개변수 b는 기본값이 있는 매개변수 a 앞에 위치해야 함.

# 수정된 함수
def add(b, a=1):
    return a + b

print(add(b=3))  # 출력: 4

4. 반환값 (Return Value)

함수는 return 키워드를 사용해 값을 반환할 수 있다. return을 만나면 함수는 실행을 종료하고, 값을 반환한다. 반환된 값은 함수 호출 시 변수에 저장되거나 다른 계산에 사용할 수 있다.

def multiply(a, b):
    return a * b

result = multiply(5, 6)
print(result)  # 출력: 30

5. 가변 인자 (Variable-length Arguments)

가변 인자는 함수가 몇 개의 인자를 받을지 미리 알 수 없을 때 사용된다.

*args는 위치 기반의 가변 인자를, **kwargs는 키워드 기반의 가변 인자를 의미한다.

하나의 함수에서 여러 개의 인자를 받을 수 있다.

*args

• *args는 여러 개의 위치 인자를 하나의 튜플로 받는다.
• 인자 개수가 정해져 있지 않을 때 사용한다.

def sum_all(*args):
    return sum(args)

result = sum_all(1, 2, 3, 4, 5)
print(result)  # 출력: 15

**kwargs

• **kwargs는 여러 개의 키워드 인자를 하나의 딕셔너리로 받는다.
• kwargs.items()는 딕셔너리의 키와 값을 가져올 때 사용한다.

def print_info(**kwargs):
    for key, value in kwargs.items():
        print(f"{key}: {value}")

print_info(name="영희", age=30)  
# 출력:
# name: 영희
# age: 30

+) JavaScript에서도 유사하게 가변 인자를 사용할 수 있다. 

스프레드 연산자(...)는 Python의 *args와 유사하게 동작하며, 객체로 받은 인자는 kwargs와 비슷하다.

// JavaScript에서 가변 인자
function sumAll(...args) {
    return args.reduce((acc, cur) => acc + cur, 0);
}

console.log(sumAll(1, 2, 3, 4, 5));  // 출력: 15

// JavaScript에서 객체 키-값 받기
function printInfo(obj) {
    for (let key in obj) {
        console.log(`${key}: ${obj[key]}`);
    }
}

printInfo({ name: "영희", age: 30 });
// 출력:// name: 영희// age: 30

6. 람다 함수 (Lambda Functions)

람다 함수는 익명 함수로, 이름 없이 사용할 수 있는 간단한 함수이다. 주로 일회성 함수나 코드가 짧을 때 사용한다. lambda 키워드를 사용하며, 함수의 매개변수와 반환값을 간단히 정의할 수 있다.

# 람다 함수 예시
square = lambda x: x ** 2
print(square(5))  # 출력: 25

# 일반 함수로 작성한 경우
def square_fn(x):
    return x ** 2

print(square_fn(5))  # 출력: 25

• lambda x : x는 매개변수. 함수의 인자를 의미한다.
• x ** 2 : **는 제곱 연산자로, x의 제곱을 계산한다. 따라서 x가 5라면 x ** 2는 5 ** 2가 되어 25가 된다.
• x ** 3은 x의 세제곱을 의미합니다. 즉, x를 3번 곱한 결과를 반환합니다. x**3은 125(5의 세제곱)가 된다.