[python] mutable과 immutable 차이점

-

Mutable과 Immutable 차이점

파이썬은 Call by Assignment로 모든 것이 객체이며, 속성으로 Mutable과 Immutable로 구분합니다.

Mutable 이란?

객체를 생성한 뒤, 객체의 값을 수정할 수 있습니다. 
값을 수정한다면 변수가 원래 가르키던 주소에 값을 수정합니다.

대표적으로 list, set, dict (아래 표 참고)

Immutable 이란?

객체를 생성한 뒤, 객체의 값을 수정할 수 없습니다. 
값을 수정한다면 변수가 가르키는 주소에 값을 수정하는 게 아닌, 새로운 주소에 새로운 객체를 가르킵니다. (수정X, 새롭게 할당)

대표적으로 int, float, tuple, str (아래 표 참고)


Mutable과 Immutable 비교

1. Mutable - list

x = [1, 2, 3]
y = x
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140542819770848, y id: 140542819770848 (주소 값 같음)
print(f"x: {x}, y: {y}")
# x: [1, 2, 3], y: [1, 2, 3]

x += [4, 5, 6]
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140542819770848, y id: 140542819770848 (주소 값 같음)
print(f"x: {x}, y: {y}")
# x: [1, 2, 3, 4, 5, 6], y: [1, 2, 3, 4, 5, 6]
y=x라는 구문으로 x, y는 동일한 주소(140542819770848)의 [1, 2, 3]을 가르키고 있습니다. (id 값이 동일)
x에 [4, 5, 6]을 추가하면 140542819770848 주소에 있는 값이 변경되기 때문에,
y 값을 따로 변경하지 않았어도 x와 동일한 주소 값을 참조하여 [1, 2, 3, 4, 5, 6]이 출력되는 걸 확인할 수 있습니다.


x = [1, 2, 3]
y = [1, 2, 3]
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140435814687200, y id: 140435814689760 (주소 값 다름)
print(f"x: {x}, y: {y}")
# x: [1, 2, 3], y: [1, 2, 3]

x += [4, 5, 6]
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140435814687200, y id: 140435814689760 (주소 값 다름)
print(f"x: {x}, y: {y}")
# x: [1, 2, 3, 4, 5, 6], y: [1, 2, 3]
위에서는 y=x를 통해 같은 주소값을 바라보게 했었는데요.
이번엔 x=[1, 2, 3], y=[1, 2, 3]을 각각 할당해줬습니다.  
Mutable한 객체는 같은 데이터([1, 2, 3])를 넣어도 할당되는 주소가 다른다는 점 유의해주세요.
x에 [4, 5, 6]을 추가하면 140435814687200에 있는 값이 변경되기 때문에 x는 [1, 2, 3, 4, 5, 6]이 출력되고 y는 [1, 2, 3]이 출력되는 걸 확인할 수 있습니다.

2. Mutable - set

x = {1, 2, 3}
y = x
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140520809274256, y id: 140520809274256 (주소 값 같음)
print(f"x: {x}, y: {y}")
# x: {1, 2, 3}, y: {1, 2, 3}

x |= {4, 5, 6}
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140520809274256, y id: 140520809274256 (주소 값 같음)
print(f"x: {x}, y: {y}")
# x: {1, 2, 3, 4, 5, 6}, y: {1, 2, 3, 4, 5, 6}
y=x라는 구문으로 x, y는 동일한 주소(140520809274256)의 {1, 2, 3}을 가르키고 있습니다. (id 값이 동일)
x에 {4, 5, 6}을 union하여 변경하게 되면 140520809274256 주소에 있는 값이 변경되기 때문에,
y 값을 따로 변경하지 않았어도 x와 동일한 주소 값을 참조하여 {1, 2, 3, 4, 5, 6}으로 출력됩니다.


x = {1, 2, 3}
y = {1, 2, 3}
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140497723829136, y id: 140497723827936 (주소 값 다름)
print(f"x: {x}, y: {y}")
# x: {1, 2, 3}, y: {1, 2, 3}

x |= {4, 5, 6}
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140497723829136, y id: 140497723827936 (주소 값 다름)
print(f"x: {x}, y: {y}")
# x: {1, 2, 3, 4, 5, 6}, y: {1, 2, 3}
위에서는 y=x를 통해 같은 주소값을 바라보게 했었는데요.
이번엔 x={1, 2, 3}, y={1, 2, 3}을 각각 할당해줬습니다.
Mutable한 객체는 같은 데이터({1, 2, 3})를 넣어도 할당되는 주소가 다른다는 점 유의해주세요.
x에 {4, 5, 6}을 추가하면 140497723829136에 있는 값이 변경되기 때문에 x는 {1, 2, 3, 4, 5, 6}을 출력하고 y는 {1, 2, 3}이 출력되는 걸 확인할 수 있습니다.

3. Immutable - str

x = "test"
y = x
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140590477428528, y id: 140590477428528 (주소 값 같음)
print(f"x: {x}, y: {y}")
# x: test, y: test

x += "ing"
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140590477814768, y id: 140590477428528 (주소 값 다름)
print(f"x: {x}, y: {y}")
# x: testing, y: test
y=x라는 구문으로 x, y는 동일한 주소(140590477428528)의 "test"를 가르키고 있습니다. (id 값이 동일)
x에 "ing"를 추가하면 140590477428528에 있는 값을 변경하는게 아닌, 새로운 140590477814768 주소에 "testing"이라는 값을 할당합니다. (수정 X)
그렇기 때문에 140590477428528 주소를 참조하는 y는 "test", x는 "testing"을 출력하게 됩니다.


x = "test"
y = "test"
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140716147164976, y id: 140716147164976 (주소 값 같음)
print(f"x: {x}, y: {y}")
# x: test, y: test

x += "ing"
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140716147551280, y id: 140716147164976 (주소 값 다름)
print(f"x: {x}, y: {y}")
# x: testing, y: test
위에서는 y=x를 통해 같은 주소값을 바라보게 했었는데요.
이번엔 x="test", y="test"를 각각 할당해줬습니다.
Immutable한 객체는 같은 데이터("test")를 넣어도 할당되는 주소가 같다는 점 유의해주세요.

Mutable한 객체는 같은 데이터를 넣으면 할당되는 주소가 같지만 Immutable한 객체는 다릅니다 !

Immutable한 객체는 값 수정이 되지 않기 때문에 같은 데이터에 대해 메모리를 분리할 필요가 없습니다.
Mutable한 객체는 값 수정이 가능하기 때문에 같은 데이터라도 메모리를 분리해둡니다. (A, B에 같은 데이터 할당해도 A가 변경되었을 때, B 데이터는 변경되지 않게 하기 위해, 말이 이해되지 않는 분은 위 1, 2 Mutable 예제를 다시 확인해주세요)

4. Immutable - tuple

x = (1, 2, 3)
y = x
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140525491983616, y id: 140525491983616 (주소 값 같음)
print(f"x: {x}, y: {y}")
# x: (1, 2, 3), y: (1, 2, 3)

x += (4, 5, 6)
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140525492222224, y id: 140525491983616 (주소 값 다름)
print(f"x: {x}, y: {y}")
# x: (1, 2, 3, 4, 5, 6), y: (1, 2, 3)
y=x라는 구문으로 x, y는 동일한 주소(140525491983616)의 (1, 2, 3)을 가르키고 있습니다. (id 값이 동일)
x에 (4, 5, 6)을 추가하면 140525491983616에 있는 값을 변경하는게 아닌 새로운 140525492222224 주소에 (1, 2, 3, 4, 5, 6)이라는 값을 할당합니다. (수정 X)
그렇기 때문에 140525491983616 주소를 참조하는 y는 (1, 2, 3)을, x는 (1, 2, 3, 4, 5, 6)을 출력하게 됩니다.


x = (1, 2, 3)
y = (1, 2, 3)
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140708036478288, y id: 140708036478288
print(f"x: {x}, y: {y}")
# x: (1, 2, 3), y: (1, 2, 3)

x += (4, 5, 6)
print(f"x id: {id(x)}, y id: {id(y)}")
# x id: 140708036725008, y id: 140708036478288
print(f"x: {x}, y: {y}")
# x: (1, 2, 3, 4, 5, 6), y: (1, 2, 3)
위에서는 y=x를 통해 같은 주소값을 바라보게 했었는데요.
이번엔 x=(1, 2, 3), y=(1, 2, 3)를 각각 할당해줬습니다.

Immutable한 객체는 같은 데이터((1, 2, 3))를 넣어도 할당되는 주소가 같다는 점 유의해주세요.



최대한 쉽게 설명하고자 했지만 이해되지 않는 부분이 있거나, 내용이 잘못된 부분은 댓글 부탁드립니다.

감사합니다.


참고자료




댓글

댓글 쓰기

이 블로그의 인기 게시물

[opencv-python] 이미지 크기조절(resize) 하는 법

-
이미지
이미지 크기 조절(resize) 이미지 크기를 조절하는 예제를 알아보겠습니다. 이미지 불러오기 import cv2 img = cv2.imread( "image/cat.jpg" ) cv2.imshow( "img" , img) cv2.waitKey() cat.jpg 이미지를 불러와 화면에 띄웁니다. 이미지 크기 조절 img = cv2.imread( "image/cat.jpg" ) print ( "img.shape = {0}" .format(img.shape)) resize_img = cv2.resize(img , ( 300 , 300 )) print ( "resize_img.shape = {0}" .format(resize_img.shape)) cv2.imshow( "img" ,  img) cv2.imshow( "resize img" , resize_img) cv2.waitKey() # 출력 # img.shape = (360, 480, 3) # resize_img.shape = (300, 300, 3) 이미지 크기 조절 방법 1 - cv2.resize(img, dsize=(300, 300)) cv2.resize(원본 이미지, 결과 크기 이미지)로 이미지의 크기를 조절할 수 있습니다. 결과 크기 이미지는 Tuple이며 (width, height)의 형식 입니다. 이미지 크기 조절 방법 2 - cv2.resize(img, dsize=(300, 300), interpolation=cv2.INTER_AREA) cv2.resize(원본 이미지, 결과 크기 이미지, 보간법)로 이미지 크기를 조절할 수 있습니다. 보간법은 이미지의 크기를 변경하면 변경된 이미지의 픽셀 사이의 값을 결정해야 하는데, 이때 보간법을 사용합니다.
자세한 내용 보기

[python]파이썬: csv reader header skip (첫번째 행 무시하기, 안읽기)

-
이미지
header를 skip하기 위해서는 next() 를 하면 됩니다. ex) 아래와 같은 데이터를 가지는 excel 파일에서 header를 skip 했을 때와 하지 않았을 때를 비교 해보겠습니다. next()를 사용하지 않았을 경우 next()를 사용했을 경우 연관문헌 pandas 특정 행에 값 넣기 https://daewoonginfo.blogspot.com/2019/04/pandas.html 참고자료 https://evanhahn.com/python-skip-header-csv-reader/
자세한 내용 보기

[python] selenium close와 quit 차이점

-
이미지
close와 quit 차이점 selenium webdriver를 닫는 기능으로는 close()와 quit()이 존재합니다. close() close()는 현재 selenium webdriver가 활성화되어 있는 화면만을 종료 합니다. 2개 이상의 webdriver 탭이 열려있다면 현재 활성화되어 있는 webdriver만 종료되고 나머지 webdriver는 종료되지 않습니다. 현재 열려있는 webdriver close() -> 활성화되어 있던 naver만 종료가 되었음. close() 이후 탭 전환을하고 싶으신 분은 아래의 링크를 참고하세요. window, mac에서 새 탭 열기 및 전환 https://daewoonginfo.blogspot.com/2019/05/python-selenium.html quit() quit()는 dispose() 함수를 불러와 열려있는 모든 webdriver를 종료하고 세션을 안전하게 종료 합니다. 프로그램을 종료할 때 quit()을 사용하지 않는다면 webdriver 세션이 완벽하게 종료되지 않아 메모리 누수가 발생할 수 있습니다. 하나의 webdriver가 열려있다면 close()와 quit() 어느 것을 사용해도 동일한 작업을 수행 합니다. 하지만 2개 이상의 webdriver가 열려있다면 close()와 quit() 다르게 작동  하는것을 유의해야합니다. 참고문헌 [1] https://www.zyxware.com/articles/5552/what-is-close-and-quit-commands-in-selenium-webdriver
자세한 내용 보기