12wk-2: 클래스공부 3단계 – 문제연습

Author

최규빈

Published

May 24, 2023

강의영상

youtube: https://youtube.com/playlist?list=PLQqh36zP38-zjmP7YXpRtdrKdWNOjo5_G

imports

import matplotlib.pyplot as plt
from IPython.core.display import HTML

클래스공부 3단계: 문제연습

암기사항

외우세요 (논리적으로 생각하지 말고)

#1 클래스의 선언: 클래스의 선언은 아래와 같이 하며 클래스의 이름은 대문자로 한다.

# 예시1: 좋은사례
class JungKKuckMa:
    pass 
# 예시2: 나쁜사례 -- 클래스 이름은 대문자로 시작해야해
class jungkkuckma:
    pass

딴지: 1. 사실 저거 말고도 선언하는 방법 있는데.. 2. 대문자가 아니어도 에러는 안나는데..

#2 클래스의 내용: 클래스의 내용은 메소드만을 정의하는데에만 사용한다.

# 예시1: 클래스의 내용을 메소드로만 작성한예시 
class JungKKuckMa:
    def method1(self): 
        blabla
    def method2(self): 
        blabla
    def method3(self): 
        blabla
    def method4(self): 
        blabla
    def method5(self): 
        blabla    
# 예시2: 나쁜사례
class JungKKuckMa:
    a=1 
    b=1

딴지: 꼭 메소드만 클래스의 내용으로 쓰라는 법은 없음

#3 메소드의 첫번째 입력은 항상 self 로 사용한다.

딴지: 이것도 꼭 그런건 아님

#4 __init__ 메소드는 “클래스 \(\to\) 인스턴스” 시점에 자동으로 실행되는 특수한 메소드이다.

문제풀이

각 예제의 조건에 맞는 클래스를 구현하라

- 예제1 – self는 항상 써야 해

아래의 조건에 맞는 클래스를 구현하라.

  1. 클래스에는 hello()라는 메소드가 정의되어 있으며, hello()의 기능은 “안녕하세요”를 출력하는 것이다.

(풀이)

class Klass: 
    def hello(self):
        print("안녕하세요")
ins = Klass()
ins.hello()
안녕하세요

- 예제2– __init__의 사용방법

아래의 조건에 맞는 클래스를 구현하라.

  1. “클래스 \(\to\) 인스턴스”의 과정에서 변수 a가 True 로 초기설정된다.
  2. 클래스에는 show()라는 메소드가 정의되어 있으며, show()의 기능은 a의 값을 print 하는 기능을 한다.

(풀이)

class Klass: 
    def __init__(self):
        self.a = True
    def show(self):
        print(self.a)
ins = Klass()
ins.show()
True

- 예제3– method의 정의 및 사용

아래의 조건에 맞는 클래스를 구현하라.

  1. “클래스 \(\to\) 인스턴스”의 과정에서 변수 a가 True 로 초기설정된다.
  2. 클래스에는 toggle() 이라는 메소드가 정의되어 있다. 이 기능은 변수 a의 값이 True 이면 False 로, False 이면 True 로 바꾸는 역할을 한다.
  3. 클래스에는 show()라는 메소드가 정의되어 있다. 이 기능은 a의 값을 print 하는 기능을 한다.

(풀이)

class Klass: 
    def __init__(self):
        self.a = True
    def toggle(self):
        self.a = not self.a
    def show(self):
        print(self.a)
ins = Klass()
ins.a
True
ins.toggle()
ins.show()
False
ins.toggle()
ins.toggle()
ins.show()
False
ins.toggle()
ins.toggle()
ins.toggle()
ins.show()
True

- 예제4 – method의 정의 및 사용

아래의 조건에 맞는 클래스를 구현하라.

  1. “클래스 \(\to\) 인스턴스”의 과정에서 변수 a가 0으로 초기설정된다.
  2. 클래스에는 up()라는 메소드가 정의되어 있다. up()의 기능은 a의 값을 1증가시키는 기능을 한다.
  3. 클래스에는 show()라는 메소드가 정의되어 있다. show()의 기능은 a의 값을 print 하는 가능을 한다.

(풀이)

class Klass:
    def __init__(self):
        self.a = 0 
    def up(self):
        self.a = self.a + 1
    def show(self):
        print(self.a) 
ins = Klass() 
ins.show()
0
ins.up()
ins.up()
ins.show()
2

- 예제5 – 외부입력을 사용하는 __init__

아래의 조건에 맞는 클래스를 구현하라.

  1. “클래스 \(\to\) 인스턴스”의 과정에서 변수 a의 값이 사용자가 입력한 값으로 초기설정된다.
  2. 클래스에는 show()라는 메소드가 정의되어 있다. show()의 기능은 a의 값을 print 하는 가능을 한다.

(풀이)

class Klass:
    def __init__(self,value):
        self.a = value
    def show(self):
        print(self.a) 
ins = Klass(397)
ins.show()
397

- 예제6 – 외부입력을 사용하는 method

아래의 조건에 맞는 클래스를 구현하라.

  1. “클래스 \(\to\) 인스턴스”의 과정에서 변수 a가 0으로 초기설정된다.
  2. 클래스에는 up()라는 메소드가 정의되어 있다. up()의 기능은 a의 값을 1증가시키는 기능을 한다.
  3. 클래스에는 jump()라는 메소드가 정의되어 있다. jump()는 jump_size 를 입력으로 받으며 a의 값을 jump_size 만큼 증가시키는 기능을 한다.
  4. 클래스에는 show()라는 메소드가 정의되어 있다. show()의 기능은 a의 값을 print 하는 기능을 한다.

(풀이)

class Klass:
    def __init__(self):
        self.a = 0
    def up(self):
        self.a = self.a + 1  
    def jump(self,jump_size):
        self.a = self.a + jump_size      
    def show(self):
        print('a={}'.format(self.a))
ins = Klass()
ins.show()
a=0
ins.up()
ins.show()
a=1
ins.up()
ins.jump(100)
ins.show()
a=102

- 예제7 – 메소드에서 메소드 사용하기

아래의 조건에 맞는 클래스를 구현하라.

  1. “클래스 \(\to\) 인스턴스”의 과정에서 변수 a가 0으로 초기설정된다.
  2. 클래스에는 up()라는 메소드가 정의되어 있다. up()의 기능은 a의 값을 1증가시키는 기능을 한다.
  3. 클래스에는 jump()라는 메소드가 정의되어 있다. jump()는 jump_size 를 입력으로 받으며 a의 값을 jump_size 만큼 증가시키는 기능을 한다.
  4. 클래스에는 reset()이라는 메소드가 정의되어 있다. reset()는 a의 값을 0으로 초기화하는 역할을 한다.
  5. 클래스에는 show()라는 메소드가 정의되어 있다. show()의 기능은 a의 값을 print 하는 기능을 한다.
class Klass:
    def __init__(self):
        self.a = 0
    def up(self):
        self.a = self.a + 1  
    def jump(self,jump_size):
        self.a = self.a + jump_size      
    def show(self):
        print('a={}'.format(self.a))
    def reset(self):
        self.__init__()
ins = Klass()
ins.show()
a=0
ins.up()
ins.jump(3)
ins.up()
ins.up()
ins.jump(5)
ins.show()
a=11
ins.reset()
ins.show()
a=0

- 예제8: – 이미지출력

아래의 코드를 관찰

url = 'https://github.com/guebin/PP2023/blob/main/posts/03_Class/burgerking.png?raw=true'
html_str = '<img src={url} width="600">'.format(url=url)
display(HTML(html_str))

아래의 조건에 맞는 클래스를 구현하라.

  1. “클래스 \(\to\) 인스턴스”의 과정에서 변수 url이 위에서 제시된 값으로 초기화된다.
  2. 클래스에는 show()라는 함수가 있어서 url에 해당하는 이미지를 출력해주는 기능을 가진다.

(풀이)

class Klass:
    def __init__(self):
        self.url = 'https://github.com/guebin/PP2023/blob/main/posts/03_Class/burgerking.png?raw=true'
    def show(self):
        html_str = '<img src={url} width="600">'.format(url=self.url)
        display(HTML(html_str))
ins = Klass()
ins.show()

- 예제9– 이미지 출력 + 횟수 기록

  1. “클래스 \(\to\) 인스턴스”의 과정에서 변수 url이 위에서 제시된 값으로 초기화된다.
  2. 클래스에는 show()라는 함수가 있어서 (1) url에 해당하는 이미지를 출력하고 (2) “당신은 이 그림을 \(n\)번 보았습니다” 를 출력하는 기능을 한다. 여기에서 \(n\)은 그림을 본 횟수
class Klass:
    def __init__(self):
        self.n = 0
        self.url = 'https://github.com/guebin/PP2023/blob/main/posts/03_Class/burgerking.png?raw=true'
    def show(self):
        self.n = self.n + 1 
        html_str = '<img src={url} width="600">'.format(url=self.url)
        display(HTML(html_str))
        print("당신은 이 그림을 {}번 보았습니다.".format(self.n))
ins = Klass()
ins.show()
당신은 이 그림을 1번 보았습니다.

- 예제10 – 여러 인스턴스 동시관리

예제9에서 만든 클래스를 이용하여 아래의 url에 해당하는 이미지를 출력하라.

  • https://github.com/guebin/PP2023/blob/main/posts/03_Class/JungGGuckMa.jpg?raw=true

.show()를 이용해 두 이미지를 번갈아 가며 관찰하고 횟수가 올바르게 카운트되는지 확인하라.

ins1 = Klass()
ins2 = Klass()
ins2.url = 'https://github.com/guebin/PP2023/blob/main/posts/03_Class/JungGGuckMa.jpg?raw=true'
ins1.show()
당신은 이 그림을 1번 보았습니다.
ins2.show()
당신은 이 그림을 1번 보았습니다.
ins2.show()
당신은 이 그림을 3번 보았습니다.
ins1.show()
당신은 이 그림을 2번 보았습니다.

숙제

import numpy as np
import matplotlib.pyplot as plt
import yfinance as yf

1. Stock 이라는 이름의 클래스를 만들고 아래의 기능을 넣어라.

(1) crawling 메소드: crawling 메소드는 start_date, end_date, code 를 입력으로 받는 함수이며, code 에 대응하는 주식의 주가를 크롤링하는 기능을 가진다. 크롤링된 주식의 가격은 numpy array 형태로 저장되어 있다.

hint: 아래의 코드를 관찰

start_date = "2023-01-01"
end_date = "2023-05-02"
code = "005930.KS"
y = yf.download(code, start=start_date, end=end_date)['Adj Close'].to_numpy()
[*********************100%***********************]  1 of 1 completed

(2) smoothing 메소드: smoothing는 크롤링된 주가 \({\boldsymbol y}=(y_1,\dots,y_n)\)를 아래의 수식을 통하여 \(n\)회 변환하는 기능을 한다.

  • \(\tilde{y}_1= \frac{1}{4}(3y_1 + y_2)\)
  • \(\tilde{y}_i= \frac{1}{4}(y_{i-1}+2y_i+y_{i+1})\), for \(i=2,3,\dots,n-1\)
  • \(\tilde{y}_n= \frac{1}{4}(y_{n-1}+3y_{n})\)

따라서 smoothing 메소드는 횟수 \(n\)을 입력으로 받으며 만약에 스무딩횟수 \(n=50\) 라면 위의 변환을 50번 수행한다는 의미이다.

hint: 아래의 코드는 스무딩횟수가 50일 경우 계산결과를 나타낸다.

T = len(y)
M = (np.eye(T) + np.array([abs(i-j)<2 for i in range(T) for j in range(T)]).reshape(T,T))/4
M[0,0] = 3/4; M[-1,-1]= 3/4 
np.linalg.matrix_power(M,50)@y
array([57829.5198335 , 57913.45130858, 58074.98767179, 58302.49883106,
       58580.85980052, 58893.6342362 , 59225.15916278, 59562.11733312,
       59894.34552673, 60214.84152593, 60519.13801971, 60804.35235309,
       61068.26212859, 61308.69372022, 61523.36985828, 61710.19151418,
       61867.78289263, 61996.05025836, 62096.51500847, 62172.26857912,
       62227.52668205, 62266.88741201, 62294.48217892, 62313.22926322,
       62324.3595587 , 62327.30400351, 62319.94157793, 62299.13135202,
       62261.40667203, 62203.6964973 , 62123.95164058, 62021.58264813,
       61897.65327525, 61754.8142197 , 61597.00327565, 61428.97717458,
       61255.77153928, 61082.20095767, 60912.50404337, 60750.20562209,
       60598.21432284, 60459.11116399, 60335.53051955, 60230.505942  ,
       60147.65985811, 60091.15743789, 60065.40911365, 60074.57426582,
       60121.97095198, 60209.5197855 , 60337.34065497, 60503.58512128,
       60704.53726274, 60934.96461047, 61188.6585627 , 61459.07535255,
       61739.97532625, 62025.95922279, 62312.81470816, 62597.61454921,
       62878.54876233, 63154.52323711, 63424.60866005, 63687.46393417,
       63940.87457   , 64181.52954181, 64405.10955815, 64606.6863928 ,
       64781.35656111, 64924.97537827, 65034.83581495, 65110.15528052,
       65152.28414726, 65164.61511766, 65152.2332612 , 65121.38844629,
       65078.88899085, 65031.50938302, 64985.48231823, 64946.11407554,
       64917.53018147, 64902.53224792])

(3) plot 메소드: plot 메소드는 크롤링된 주가와 스무딩결과를 plot 하는 역할을 한다.

hint: 아래의 코드를 관찰

plt.plot(y,label=r'$y$')
plt.plot(np.linalg.matrix_power(M,50)@y,'--',label=r'$M^{50}@y$')
plt.legend()
<matplotlib.legend.Legend at 0x7f37b524f8e0>

(풀이)

class Stock: 
    def __init__(self):
        self.y = None
        self.sy = None
    def crawling(self,code,start_date,end_date):
        self.y = yf.download(code, start=start_date, end=end_date)['Adj Close'].to_numpy()
    def smoothing(self,n):
        T = len(self.y)
        self.n = n
        M = (np.eye(T) + np.array([abs(i-j)<2 for i in range(T) for j in range(T)]).reshape(T,T))/4
        M[0,0] = 3/4; M[-1,-1]= 3/4 
        self.sy = np.linalg.matrix_power(M,50)@self.y
    def plot(self):
        plt.plot(self.y,label=r'$y$')
        plt.plot(self.sy,'--',label=r'$M^{}@y$'.format(self.n))
        plt.legend()

2. 1에서 만든 Stock 클래스에서 kakao 인스턴스를 생성하라. 생성된 kakao 인스턴스에서 crawling 메소드를 이용하여 아래의 조건에 맞는 주식을 긁어오라.

  • code: ‘035720.KS’ (카카오)
  • start_date = “2023-01-01”
  • end_date = “2023-05-26”

이후 .smoothing 메소드를 이용하여 \(n=50\)회 스무딩하고 .plot 메소드를 이용하여 결과를 시각화하라.

(사용예시)

kakao = Stock()
kakao.crawling(code='035720.KS',start_date='2023-01-01',end_date='2023-05-26')
[*********************100%***********************]  1 of 1 completed
kakao.smoothing(50)
kakao.plot()

(풀이) 사용예시가 곧 풀이임

3. LinearRegression 이라는 이름의 클래스를 만들고 아래의 기능을 넣어라.

(1) “클래스 \(\to\) 인스턴스” 인 시점에 길이가 \(n\)인 numpy array \({\bf x}=(x_1,\dots,x_n)\), \({\bf y}=(y_1,\dots,y_n)\)을 입력으로 받아 내부에 저장한다.

(2) fit 메소드: fit은 내부에 저장된 \({\bf x}\), \({\bf y}\)를 이용하여 \(\hat{\bf y}=(\hat{y}_1,\dots,\hat{y}_n)\)을 계산하는 역할을 한다. 계산은 아래의 수식을 이용한다.

\[\hat{\bf y}= {\bf X}({\bf X}^T {\bf X})^{-1}{\bf X}^T {\bf y}, \quad {\bf X}=\begin{bmatrix} 1 & x_1 \\ 1 & x_2 \\ \dots \\ 1 & x_n \end{bmatrix}\]

hint 아래의 코드를 관찰하라.

x =  np.array([0.00983, 0.01098, 0.02951, 0.0384 , 0.03973, 0.04178, 0.0533 ,
               0.058  , 0.09454, 0.1103 , 0.1328 , 0.1412 , 0.1497 , 0.1664 ,
               0.1906 , 0.1923 , 0.198  , 0.2141 , 0.2393 , 0.2433 , 0.3157 ,
               0.3228 , 0.3418 , 0.3552 , 0.3918 , 0.3962 , 0.4    , 0.4482 ,
               0.496  , 0.507  , 0.53   , 0.5654 , 0.582  , 0.5854 , 0.5854 ,
               0.6606 , 0.7007 , 0.723  , 0.7305 , 0.7383 , 0.7656 , 0.7725 ,
               0.831  , 0.8896 , 0.9053 , 0.914  , 0.949  , 0.952  , 0.9727 ,
               0.982  ])
y =  np.array([0.7381, 0.7043, 0.3937, 0.1365, 0.3784, 0.3028, 0.1037, 0.3846,
               0.706 , 0.7572, 0.2421, 0.232 , 0.9855, 1.162 , 0.4653, 0.6791,
               0.6905, 0.6865, 0.9757, 0.7665, 0.9522, 0.4641, 0.5498, 1.1509,
               0.5288, 1.1195, 1.1659, 1.4341, 1.2779, 1.1648, 1.4002, 0.7472,
               0.9142, 0.9658, 1.0707, 1.4501, 1.6758, 0.8778, 1.3384, 0.7476,
               1.3086, 1.7537, 1.5559, 1.2928, 1.3832, 1.3115, 1.3382, 1.536 ,           
               1.9177, 1.2069])
n = len(x)
X = np.stack([np.ones(n),x],axis=1)
yhat = X@np.linalg.inv(X.T@X)@X.T@y

(3) plot 메소드:c

hint 아래의 코드를 관찰하라.

plt.plot(x,y,'o',label=r'$(x_i,y_i)$')
plt.plot(x,yhat,'--',label=r'$(x_i,\hat{y}_i)$')
plt.legend()
<matplotlib.legend.Legend at 0x7f37ac1a8f10>

(풀이)

class LinearRegression: 
    def __init__(self,x,y):
        self.x = x
        self.y = y 
    def fit(self):
        n = len(self.x)
        self.X = np.stack([np.ones(n),self.x],axis=1)
        self.yhat = self.X@np.linalg.inv(self.X.T@self.X)@self.X.T@self.y 
    def plot(self):
        plt.plot(self.x,self.y,'o',label=r'$(x_i,y_i)$')
        plt.plot(self.x,self.yhat,'--',label=r'$(x_i,\hat{y}_i)$')
        plt.legend()

4. LinearRegression 을 이용하여 아래의 자료에 대한 분석을 진행하라. 즉 .fit() 을 이용하여 \(\hat{y}_i\) 를 계산하고 .plot()을 이용하여 결과를 시각화하라.

x = np.array(
    [0.007, 0.008, 0.008, 0.011, 0.037, 0.047, 0.059, 0.07 , 0.072,
     0.075, 0.078, 0.08 , 0.082, 0.11 , 0.114, 0.117, 0.133, 0.15 ,
     0.161, 0.163, 0.172, 0.208, 0.209, 0.221, 0.229, 0.231, 0.234,
     0.235, 0.249, 0.251, 0.256, 0.269, 0.269, 0.273, 0.275, 0.298,
     0.305, 0.309, 0.34 , 0.362, 0.371, 0.374, 0.382, 0.387, 0.388,
     0.394, 0.395, 0.397, 0.401, 0.404, 0.419, 0.433, 0.436, 0.466,
     0.481, 0.492, 0.495, 0.508, 0.511, 0.512, 0.554, 0.57 , 0.574,
     0.575, 0.584, 0.6  , 0.601, 0.615, 0.618, 0.623, 0.629, 0.633,
     0.646, 0.65 , 0.654, 0.662, 0.673, 0.686, 0.702, 0.744, 0.754,
     0.766, 0.772, 0.781, 0.798, 0.8  , 0.807, 0.836, 0.837, 0.871,
     0.873, 0.877, 0.879, 0.889, 0.891, 0.902, 0.904, 0.923, 0.952,
     0.981]
)
y = np.array(
    [4.004, 4.189, 5.483, 4.902, 5.174, 4.468, 4.95 , 4.463, 5.476,
     4.446, 4.764, 5.244, 4.357, 4.796, 5.464, 4.196, 5.244, 4.868,
     5.358, 4.493, 4.831, 4.716, 4.929, 4.588, 4.718, 4.389, 4.985,
     4.266, 4.291, 3.697, 4.248, 4.88 , 5.126, 4.563, 4.131, 4.728,
     4.168, 4.584, 3.953, 4.747, 3.592, 5.023, 4.601, 3.904, 4.092,
     4.37 , 3.922, 4.145, 4.576, 4.25 , 4.051, 3.616, 4.634, 3.496,
     4.631, 4.025, 4.197, 4.226, 4.808, 3.676, 3.834, 3.197, 4.36 ,
     3.547, 3.956, 3.522, 4.26 , 3.443, 3.97 , 4.068, 4.186, 3.262,
     3.452, 3.946, 3.875, 3.444, 3.501, 3.959, 3.843, 2.679, 3.266,
     3.506, 2.916, 3.714, 4.007, 2.795, 3.329, 2.756, 3.72 , 2.381,
     2.798, 3.035, 3.492, 3.22 , 3.073, 3.85 , 3.233, 3.396, 3.264,
     2.986]
)

(풀이)

linreg = LinearRegression(x,y)
linreg.fit()
linreg.plot()