카테고리 없음

[데이터과학을위한파이썬프로그래밍] 문자열

키록 2023. 12. 18. 18:02

 

Chapter 06 문자열

01. 문자열의 이해

[1] 문자열의 개념

문자열 string은 애플리케이션을 만들거나 데이터를 분석할 때, 매우 중요하게 다루는 자료형 중 하나이다.

문자열을 이해하기 위해서는 문자열의 특징을 이해해야 한다. 먼저 문자열은 시퀀스 자료형 sequence data type 이다. 시퀀스 자료형은 리스트와 같이 데이터를 순차적으로 메모리에 저장하는 형식의 데이터이다.

 

[2] 문자열과 메모리 공간

일반적으로 문자열을 저장하기 위해서는 영문자 한 글자당 1바이트의 메모리 공간을 사용한다. …

 

[3] 문자열의 인덱싱

앞서 문자열은 시퀀스 자료형이라고 설명하였다. 시퀀스 자료형은 리스트와 특징이 거의 같은 자료형이라고 생각하면 된다.

따라서 문자열의 특징 중 하나가 바로 인덱싱 Indexing이다. 리스트처럼 글자 하나하나가 상대적인 주소 offset를 가지는데, 이 주소를 사용해 할당된 값을 가져오는 인덱싱을 사용할 수 있다.

#실제 코드에서는 다음과 같이 작성할 수 있다.
>>> a = "abcde"
>>> print(a[0], a[4])   #a 변수의 0번째, 4번째 주소에 있는 값
ae
>>> print(a[-1], a[-5]) # 변수의 오른쪽에서 10번째, 4번째 주소에 있는 값
ea

예를들어, 변수 a에 값 abcde가 있을 때 a[0], 즉 의 0번째 값은 a로 출력된다. 마찬가지로 a의 4번째 값은 e로 출력되는 것을 확인할 수 있다. 역순으로 인덱싱을 할 수도 있다. 왼쪽부터 -1로 시작하여 -5까지 주소가 변하는 것을 확인할 수 있다

 

[4] 문자열의 슬라이싱

슬라이싱 slicing은 문자열의 주소값을 기반으로 문자열의 부분값을 반환하는 기법이다. (이미 리스트에서 살펴본 내용이다. )

>>> a = "TEAMLAB MOOC, AWESOME Python"
>>> print(a[0:6], "AND ", a[-9:])  # 변수의 부터 5까지 9부터 끝까지
TEAMLA AND ME Python
>>> print(a[:])                    # 변수의 처음부터 끝까지
TEAMLAB MOOC, AWESOME Python
>>> print(a[-50:50])               # 범위를 넘어갈 경우 자동으로 최대 범위를 지정
TEAMLAB MOOC, AWESOME Python
>>> print(a[::2], "AND ", a[::-1])
TALBMO,AEOEP to AND nohtyP EMOSEWA ,COOM BALMAET

 

 

[5] 문자열의 연산

문자열도 일반적인 변수와 마찬가지로 연산을 지원한다. 가장 기본적인 연산은 리스트의 연산과 같다. 예를 들어, 문자열 변수와 정수형인 2의 '2+2'와 같은 연산은 동작하지 않는다.

하지만 'a*2'와 같은 연산은 지원한다. 다음 코드를 살펴보자.

>>> a = "TEAM"
>>> b = "LAB"
>>> print(a + "" + b)      #덧셈으로 a와 b 변수 연결하기
TEAM LAB
덧셈 연산은 모든 변수가 문자열이라면 텍스트 붙이기 concatenate를 실행한다. 

>>> print(a*2 + "" + b*2)  #곱하기로 반복 연산 가능
TEAMTEAM LABLAB
a * 2를 풀면 a + a의 연산이므로, 같은 글자가 두 번 출력되는 것을 확인할 수 있다. 

>>> if 'A' in a: print(a)  #'A'가 a에 포함되었는지 확인
        else:print(b)
---
TEAM
흔히 if문과 함께 사용하는데, 특정 문자가 특정 변수에 들어가 있는지 확인하는 연산

자주 하는 실수 중 하나가 print() 함수에서 정수형과 문자열을 같이 보여 주려고 할 때 발생한다.

#문자열과 정수형의 연산으로 인식하여 덧셈 연산이 실행되지 않는다.
>>> int_value = 2
>>> print("결과는" + int_value)

 

[6] 문자열 함수

함수명 기능
len() 문자열의 문자 개수를 반환
upper() 대문자로 변환
lower() 소문자로 변환
title() 각 단어의 앞글자만 대문자로 변환
capitalize() 첫 문자를 대문자로 변환
count(찾을 문자열) 찾을 문자열이 몇 개 들어 있는지 개수 반환
find(찾을 문자열) 찾을 문자열이 왼쪽 끝부터 시작하여 몇 번째에 있는지 반환
find(찾을 문자열) find() 함수와 반대로 찾을 문자열이 오른쪽 끝부터 시작하여 몇 번째에 있는지 반환
startswith(찾을 문자열) 찾을 문자열로 시작하는지 여부 반환
endswith(찾을 문자열) 찾을 문자열로 끝나는지 여부 반환
strip() 좌우 공백 삭제
rstrip() 오른쪽 공백 삭제
Istrip() 왼쪽 공백 삭제
split() 문자열을 공백이나 다른 문자로 나누어 리스트로 반환
isdigit() 문자열이 숫자인지 여부 반환
islower() 문자열이 소문자인지 여부 반환
isupper() 문자열이 대문자인지 여부 반환

 

 

>>> title = "TEAMLAB X Inflearn"

>>> title.title()
'Teamlab X Inflearn'

>>> title.capitalize()
'Teamlab X inflearn'

>>> title.count("a") #title 변수에 'a'가 몇 개 있는지 개수 반환
1
>>> title.upper().count("a") # title 변수를 대문자로 만든 후, 'a'가 몇 개 있는지 개수 반환
0
>>> title.isdigit() #title 변수의 문자열이 숫자인지 여부 반환
False
>>> title.startswith("a") #title 변수가 'a'로 시작하는지 여부 반환
False

 

02. Lab: 단어 카운팅

: <Yesterday>라는 노래에서 'Yesterday'라는 단어가 몇 번 나오는지 맞히는 단어 카운팅 프로그램

f = open("yesterday.txt", 'r')
yesterday_lyric = f.readlines()
f.close()

contents = " "
for line in yesterday_lyric:
    contents=contents + line.strip() + "\\n"

n_of_yesterday = contents.upper().count("YESTERDAY")
print("Number = of 'Yesterday'", n_of_yesterday)
  • 1~3행에서 'yesterday.txt 파일에서 모든 내용을 불러와 yesterday_lyric 리스트로 저장
  • 5~7행에서 for문을 사용하여 yesterday_lyric 리스트의 내용을 한 줄씩 불러오면서 contents 변수에 저장한다. 그러면 contents 변수에는 〈yesterday> 노래의 모든 가사가 저장된다.
  • 9~10행에서 contents 변수에 있는 값은 모두 대문자로 바꾸는 upper() 함수를 사용하여 대문자로 변환한 후, count() 함수를 사용하여 대문자 ‘YESTERDAY'가 몇 개인지를 확인한다.
    • contents.upper().count("YESTERDAY") 함수를 붙여 써도 작동하는 이유는 upper() 함수의 경우 contents 변수에 값 자체를 변경하는 것이 아니라, 변경된 값을 반환해주는 함수일 뿐이기 때문
    • *이렇게 해도 똑같이 나옴
    • #upper() 함수 >>> title = "teamlab" >>> title 'teamlab' >>> title.upper() 'TEAMLAB' >>>> title 'teamlab'
    • *이렇게 해도 똑같이 나옴
    • contents = "" for line in yesterday_lyric: contents =contents+line #2 print(contents) n_of_yesterday = contents.upper().count("YESTERDAY") print("number_of_yesterday : ", n_of_yesterday) f.close()

 

03. 문자열 서식 지정

: 문자열의 형식을 정하여 출력하는 서식 지정

: print()함수를 사용하여 형식을 통일한 문자열을 출력할 때 유용

[1]서식 지정의 개념

print() 함수는 기본적으로 변수 또는 값을 콤마(,)로 띄어쓰기하여 출력한다. 하지만 print() 함수를 사용하다 보면 어떤 형식에 맞추어 결과를 출력해야 할 일이 발생하기도 한다.

특히 엑셀을 사용할 때 통화 단위, 세 자리 숫자 단위 띄어쓰기, % 출력 등 다양한 형식에 맞추어 출력할 일이 생기는데,

이를 서식 지정 formatting이라고 한다. 출력 형식을 맞추기 위하여 문자열을 print() 함수와 함께 어떻게 사용하는지 알아보자.

[2] % 서식과 format() 함수

: 문자열의 서식 format 을 설정할 때, print()함수는 기본적인 출력 형식 외에 % 서식과 format() 함수를 구문으로 사용하여 출력 양식을 지정할 수 있다.

#별도의 서식 지정 없이 그대로 print() 함수를 사용
print(1,2,3)
print("a" +"" + "b"+" " + "C")

#% 서식 지정과 format() 함수를 사용
print("%d %d %d" % (1, 2, 3))
print("{}{}{}".format("a", "b", "c"))

123 abc 123 abc

이런 식으로 서식을 지정하여 출력하면 어떤 장점이 있을까?

첫째, 데이터와 출력 형식을 분류할 수 있다.

같은 내용을 여러 번 출력하기 위해 기존 print()문 에 띄어쓰기를 넣어 + 기호로 문자열 형태를 붙여 주는 것보다 시각적으로 훨씬 이해하기 쉽게 코드를 표현할 수 있다.

둘째, 데이터를 형식에 따라 다르게 표현할 수 있다.

: 문자열 형태인 (one', 'two') 구문과 정수형인 (1, 2) 구문이 각각 %s %d로 다르게 할당

>>>print("%s %s' % ('one', 'two'))
one two
>>>print("%d %d % (1, 2))
1 2

서식 지정 기능은 각 변수의 자료형에 맞게 다른 서식으로 지정한다.

서식 지정은 %를 사용하는 방법과 문자열 형태의 format() 함수를 사용하는 방법이 각각 다 른데, 이에 대해 자세히 설명하겠다.

 

2.1% 서식

:: '% 자료형 % (값)’

print("I eat %d apples." % 3)
print("I eat %s apples." % "five")

I eat 3 apples.
I eat five apples.

#%는 1개 이상의 값도 할당할 수 있다.
#직접 값을 넣지 않고 number와 day 같은 변수명을 넣어도 문제없이 실행된다.

number = 3
day = "three"

print("I eat %d apples.I was sick for %s days." % (number, day))

I ate 3 apples. I was sick for three days

 

2.2 format() 함수

"[자료형}".format(인수)

: format()함수는 % 서식과 거의 같지만, 문자열 형태가 있는 함수를 사용한다는 차이점이 있다.

>>> print("I'm {0} years old.".format(20))
I'm 20 years old.

>>>age = 40; name = 'Sungchul Choi'

>>>print("I'm {0} years old.".format(age))
I'm 40 years old.
>>>print("My name is {0} and {1} years old.".format(name, age))
My name is Sungchul Choi and 40 years old.
>>>print("Product: {0}, Price per unit: {1:2f}.".format("Apple", 5.243))
Product: Apple, Price per unit: 5.24.
서식 설명
%s 문자열(string)
%c 문자 1개(character)
%d 정수 (integer)
%f 실수 (floating-point)

 

[3] 패딩

: 여유 공간을 지정하여 글자 배열을 맞추고 소수점 자릿수를 추는 패딩 padding 기능

: % 서식과 format() 함수 모두 패딩 기능을 제공한다.

3.1 % 서식의 패딩

#공간
>>> print("%10d"%12)
        12
>>> print("%-10d" % 12)
12

#소수점
>>> print("%10.3f" %5.94343) #10 자리를 확보하고 소수점 셋째 자리까지 출력
     5.943
>>> print("%10.2f" %5.94343)
      5.94
>>> print("%-10.2f" %5.94343)
5.94

 

3.2 format() 함수의 패딩

#정렬
>>> print("{0:>10s}".format("Apple")) #우측정렬
     Apple
>>> print("{0:<10s}".format("Apple")) #좌측정렬
Apple

#소수점

# 문자열 "Apple"은 인덱스 0에 해당하고, 숫자 5.243는 인덱스 1에 해당합니다.
# 하지만 format() 메서드에 전달된 숫자와 문자열 인덱스가 뒤바뀌어 있어서 올바른 결과를 얻을 수 없습니다.

"{1:10.5f}.".format("Apple", 5.243)
# 결과: '     5.24300.' (5.243을 소수점 이하 다섯 자리까지 표시하고, 전체 너비가 10인 공간에 오른쪽 정렬)

"{1:>10.5f}.".format("Apple", 5.243)
# 결과: '     5.24300.' (위와 같은 결과로 숫자와 문자열의 인덱스가 바뀌어 있어도 결과는 같음)

"{1:<10.5f}.".format("Apple", 5.243)
# 결과: '5.24300  ' (5.243을 소수점 이하 다섯 자리까지 표시하고, 전체 너비가 10인 공간에 왼쪽 정렬)
# 숫자와 문자열의 인덱스가 뒤바뀌었으므로 "Apple"은 무시되고, 숫자만 포맷팅되어 출력됩니다.