P2-8.6 보충학습: 클래스(class)와 객체(object)를 처음 만날 때¶

Section ID: P2-8.6 Version: v2026.09.15

text.lower()는 문자열을 소문자로 바꾸고, scores.append(91)은 리스트에 값을 추가합니다. 점(.) 앞에는 대상 객체가, 뒤에는 호출할 메서드(method)의 이름이 있습니다. 사용할 수 있는 동작은 대상의 타입에 따라 다릅니다.

객체와 타입¶

Python 객체(object)는 정체성(identity), 타입(type), 값(value)을 가집니다. 숫자, 문자열, 리스트, 딕셔너리도 객체입니다. 다음 코드는 네 값의 타입을 <class 'int'>, <class 'str'>, <class 'list'>, <class 'dict'>로 출력합니다.

score = 82
text = "AI"
scores = [82, 75, 91]
student = {"name": "Kim", "score": 82}

print(type(score))
print(type(text))
print(type(scores))
print(type(student))

문자열 객체는 strip()과 lower()를 제공합니다. 입력 " AI is Useful "에 각각 적용하면 AI is Useful과 양끝 공백이 남은 ai is useful이 출력됩니다.

text = " AI is Useful "

print(text.strip())
print(text.lower())

두 메서드는 처리한 새 문자열을 반환하며 원래 text를 바꾸지 않습니다. 반면 리스트의 append()는 원래 리스트를 바꿉니다. [82, 75]에 91을 추가하면 [82, 75, 91]이 출력됩니다.

scores = [82, 75]

scores.append(91)

print(scores)

text.append(91)은 문자열이 제공하지 않는 메서드를 요청하므로 AttributeError가 발생합니다.

클래스와 인스턴스¶

클래스(class)는 어떤 종류의 객체가 어떤 데이터와 동작을 가질지 정하는 정의입니다. 그 클래스로 만든 개별 객체를 인스턴스(instance)라고 합니다.

객체 예시	클래스	제공하는 메서드 예시
`"AI"`	`str`	`.lower()`, `.strip()`
`[1, 2, 3]`	`list`	`.append()`, `.extend()`
`{"a": 1}`	`dict`	`.get()`, `.items()`

직접 정의한 Sample 클래스로 텍스트와 라벨을 가진 객체를 만들 수 있습니다. 다음 출력은 AI is useful, positive입니다.

class Sample:
    def __init__(self, text, label):
        self.text = text
        self.label = label

sample = Sample("AI is useful", "positive")

print(sample.text)
print(sample.label)

Sample은 클래스이고, sample은 만들어진 인스턴스를 가리키는 이름입니다. sample.text와 sample.label은 그 객체의 속성(attribute)을 읽습니다.

__init__()은 새 인스턴스를 초기화할 때 호출됩니다. 전달받은 text, label을 self.text, self.label에 저장하여 객체가 가진 데이터로 만듭니다.

self와 개별 객체의 상태¶

self는 메서드를 실행하는 대상 인스턴스를 가리키는 관례적인 매개변수 이름입니다. sample.method()처럼 호출하면 대상 객체가 자동으로 전달되므로 호출할 때 self를 따로 쓰지 않습니다.

같은 클래스로 만든 두 객체도 각자 다른 값을 가질 수 있습니다. 다음 코드는 첫 객체의 라벨만 positive로 바꿉니다. 출력은 positive, None입니다.

class Sample:
    def __init__(self, text, label):
        self.text = text
        self.label = label

first = Sample("good product", None)
second = Sample("new review", None)
first.label = "positive"

print(first.label)
print(second.label)

첫 객체를 초기화할 때 self는 첫 객체를, 두 번째 객체를 초기화할 때는 두 번째 객체를 가리킵니다. 바깥에서 first.label로 읽는 속성이 그 객체의 메서드 안에서는 self.label입니다.

딕셔너리의 키와 객체의 속성¶

텍스트와 라벨은 딕셔너리로도 표현할 수 있습니다. 아래 코드는 키로 두 값을 찾아 AI is useful, positive를 출력합니다.

sample = {
    "text": "AI is useful",
    "label": "positive",
}

print(sample["text"])
print(sample["label"])

앞의 Sample 객체는 sample.text로, 딕셔너리는 sample["text"]로 읽습니다. 딕셔너리도 객체의 한 종류이지만 키와 속성은 서로 다른 접근 방식입니다.

관점	딕셔너리	직접 정의한 Sample 인스턴스
데이터 접근	`sample["text"]`	`sample.text`
데이터 저장	키에 값을 연결	속성에 값을 저장
처리 정의	별도 함수와 함께 사용 가능	클래스에 메서드를 정의 가능
예시 용도	설정값, JSON에서 읽은 데이터	데이터와 전용 동작을 가진 샘플

클래스 이름은 대상의 의미를 드러내지만, 이름만으로 속성의 타입이나 값이 자동 검증되지는 않습니다.

상태와 메서드¶

상태(state)는 객체가 현재 가진 값이고, 동작(behavior)은 그 값을 읽거나 바꾸는 처리입니다. TextSample은 텍스트와 라벨을 저장하고, is_labeled()로 라벨이 None인지 검사합니다. 다음 출력은 AI is useful, True입니다.

class TextSample:
    def __init__(self, text, label):
        self.text = text
        self.label = label

    def is_labeled(self):
        return self.label is not None

sample = TextSample("AI is useful", "positive")

print(sample.text)
print(sample.is_labeled())

sample.label을 None으로 바꾼 뒤 sample.is_labeled()를 다시 호출하면 False가 됩니다. 이 메서드는 현재 라벨이 None이 아닌지만 검사합니다. 빈 문자열 ""도 True이므로 라벨 내용의 적절성까지 확인하는 검사는 아닙니다.

함수와 딕셔너리로도 같은 검사를 표현할 수 있습니다. 다음 코드는 딕셔너리의 라벨 "positive"를 검사하여 True를 출력합니다.

def is_labeled(sample):
    return sample["label"] is not None

sample = {"text": "AI is useful", "label": "positive"}

print(is_labeled(sample))

is_labeled(sample)은 샘플을 함수에 전달하고, sample.is_labeled()는 샘플 객체에서 메서드를 찾아 호출합니다. 데이터를 키로 조회하는 작업에는 딕셔너리를, 상태와 전용 동작을 함께 정의하려는 작업에는 클래스를 사용할 수 있습니다.

메서드를 가져오는 것과 호출하는 것¶

sample.is_labeled는 메서드를 가져오고, sample.is_labeled()는 그 메서드를 실행해 반환값을 받습니다. 앞의 TextSample 정의 뒤에 다음 코드를 실행하면 False, True가 출력됩니다.

sample = TextSample("new review", None)
check = sample.is_labeled
print(check())
sample.label = "positive"
print(check())

check는 대상 sample에 연결된 메서드입니다. 첫 호출 이후 라벨을 바꿨으므로 두 번째 호출은 현재 상태를 읽어 True를 반환합니다. if sample.is_labeled:처럼 괄호를 빠뜨리면 라벨 검사를 실행하지 않습니다. 이 예제의 메서드 객체 자체는 참으로 평가되므로 라벨이 None이어도 조건문을 통과합니다.

함수 호출과 메서드 호출¶

문자열 " AI "를 정리하는 함수는 내부에서 문자열 메서드를 호출할 수 있습니다. 다음 출력은 function: ai, method: AI입니다.

def clean_text(text):
    return text.strip().lower()

text = " AI "

print("function:", clean_text(text))
print("method:", text.strip())

clean_text(text)는 공백 제거와 소문자 변환을 함께 실행합니다. text.strip()은 공백만 제거하므로 대문자는 남습니다.

표현	대상과 동작
`clean_text(text)`	함수에 문자열을 전달
`text.strip()`	문자열 객체의 공백 제거 메서드 호출
`sample.is_labeled()`	샘플 객체의 라벨 검사 메서드 호출
`model.predict(test_data)`	모델 객체의 예측 메서드에 데이터 전달

사례: 학습 전후의 모델 상태¶

모델 객체는 설정값과 학습으로 얻은 값을 보관하고, 메서드는 그 상태를 바꾸거나 사용합니다. 다음 SimplePassModel은 통과한 점수 중 최솟값을 기준으로 저장하는 교육용 클래스입니다. 실제 머신러닝 라이브러리의 학습 알고리즘을 구현한 것은 아닙니다.

입력 [(62, False), (75, True), (83, True)]의 각 쌍은 점수와 통과 여부입니다. fit()은 통과 점수 75, 83 중 최솟값 75를 저장하고, predict()는 확인할 점수 [70, 78]을 그 기준과 비교합니다.

class SimplePassModel:
    def __init__(self):
        self.threshold = None

    def fit(self, train_data):
        # fit()은 학습 데이터를 읽고 객체 안의 상태를 저장합니다.
        passed_scores = [score for score, passed in train_data if passed]
        if not passed_scores:
            raise ValueError("at least one passing score is required")
        self.threshold = min(passed_scores)

    def predict(self, test_data):
        # predict()는 fit()이 저장한 상태를 사용합니다.
        if self.threshold is None:
            raise ValueError("fit()을 먼저 호출해야 합니다.")
        return [score >= self.threshold for score in test_data]


train_data = [(62, False), (75, True), (83, True)]
test_data = [70, 78]

model = SimplePassModel()

print("before fit:", model.threshold)
model.fit(train_data)
print("after fit:", model.threshold)
predictions = model.predict(test_data)
print("predictions:", predictions)

출력은 다음과 같습니다.

1
2
3

before fit: None
after fit: 75
predictions: [False, True]

학습 전에는 model.threshold가 None이고, fit() 실행 후에는 75입니다. predict()는 저장된 기준을 읽으므로 같은 model 객체를 계속 사용해야 합니다. 새 객체를 만들고 바로 predict()를 호출하면 기준이 없어 코드에 정의한 ValueError가 발생합니다.

학습 입력의 (75, True)를 (68, True)로 바꾸어 실행하면 기준은 68, 예측 결과는 [True, True]가 됩니다. 확인할 점수는 그대로인데 모델에 저장된 상태가 바뀌어 판정도 달라집니다.

이 예제는 통과 점수가 하나 이상 있는 입력을 전제로 합니다. 통과 항목이 없으면 fit()이 명시적인 ValueError를 발생시킵니다. 예외가 발생하면 이후 예측을 진행하지 말고 입력을 확인해야 합니다. 또한 미통과 점수는 기준 계산에 사용하지 않으므로, 복잡한 실제 분류 문제에 그대로 적용할 수 있는 학습 규칙은 아닙니다.

체크리스트¶

객체(object)를 Python이 다루는 값의 실제 대상으로 설명할 수 있다.
클래스(class)를 객체를 만들기 위한 정의로 설명할 수 있다.
메서드(method)를 객체에 붙어 호출되는 함수 형태로 설명할 수 있다.
딕셔너리와 클래스 기반 객체의 차이를 입문 수준에서 설명할 수 있다.
상태(state)와 동작(behavior)을 함께 묶는다는 말을 예시로 설명할 수 있다.
function(value)와 value.method()의 호출 중심 차이를 설명할 수 있다.
self를 객체 자신을 가리키는 이름으로 설명할 수 있다.
클래스가 항상 필요한 것은 아니며, 함수와 딕셔너리로 충분한 경우도 있음을 설명할 수 있다.
AI 라이브러리의 model.fit(), model.predict()를 객체와 메서드 관점으로 읽을 수 있다.
메서드 조회와 호출을 구분하고 괄호를 생략한 조건문이 실제 검사를 하지 않는 이유를 설명할 수 있다.

출처와 참고 자료¶

Python Software Foundation, Classes, Python 3 documentation, 확인 날짜: 2026-09-15. 클래스 객체, 인스턴스 객체, 속성 참조, 메서드 객체 설명을 클래스·객체·메서드 입문 설명의 공식 근거로 사용했다.
Python Software Foundation, Data model, Python 3 documentation, 확인 날짜: 2026-07-20. 객체가 identity, type, value를 가진다는 설명과 타입별 동작 차이의 배경 근거로 사용했다.
Python Software Foundation, Classes: Method Objects, Python 3 documentation, 확인 날짜: 2026-09-15. value.method() 호출을 객체에 붙은 함수 형태로 읽는 설명 확인에 사용했다.