꼭 알아야 할 일상 팁과 노하우!

2024년의 절반정도가 지나갔습니다. 기술 산업은 Generative AI와 Large Language Models의 등장으로 더 빠르게 움직이고 있습니다.

데이터 애호가이자 파이썬 개발자로서, 오늘날 경쟁이 치열한 시장에서 필요한 멋진 팁과 노하우를 알면서 수많은 기술 분야의 사람들이 해고되는 상황에서 계속 중요하게 대처할 수 있습니다.

여기서 주목해야 할 첫 번째 사항은,

왜 Python을 사용해야 할까요?

Python은 매우 강력한 일반 목적 프로그래밍 언어로, 데이터 과학 관련 작업에 매우 적합합니다. SciKit-Learn, TensorFlow, PyTorch와 같은 놀라운 프레임워크 및 다양한 라이브러리를 활용하여 쉽게 이해할 수 있는 문법으로 만들어진 Python은 다양한 응용 프로그램을 만들 수 있는 유연성을 제공합니다.

따라서 Python을 습득하면 자동화 작업이나 오픈 소스 LLMs와 상호 작용하는 챗봇을 작성하는 등 다양한 응용 프로그램을 만들 수 있습니다. 특히 초보자라면 다른 프로그래밍 언어와 비교하여 Python을 배우는 것이 상당히 직관적이고 빠릅니다.

그렇다면 코딩으로 들어가보도록 하죠!

어떻게 더 나은 Python 코드를 작성할 수 있을까요?

코딩 방법을 개선하고 발전시킬 수 있는 10 가지 팁에 대해 이야기해 보겠습니다.

1. 메모리 저장을 위해 "Generator" 사용하기

일반적으로 large_file을 메모리에 저장할 수 없는 대용량 파일을 분석해야 할 때가 있습니다. 이러한 문제를 효율적으로 해결하기 위해 process_large_file 제너레이터 함수를 생성하여 대용량 파일을 한 줄씩 읽는 방법을 사용할 수 있습니다.

def process_large_file(file_path):
    """
    대용량 파일을 한 줄씩 읽는 제너레이터 함수
    """
    with open(file_path, 'r') as file:
        for line in file:
            # 각 줄을 처리
            yield line

# 로그 파일 경로 설정
log_file_path = 'path/to/your/large_file.txt'

# 대용량 파일을 처리
large_file = process_large_file(file_path)

for entry in large_file:
    # 각 로그 항목에 대해 작업 수행
    print(entry)

위의 코드에서는 large_file.txt 파일에 작성된 출력을 표시합니다.

2. "setdefault()"를 사용한 사전(dictionary)에서의 사용법

재고 시스템을 관리하고 다양한 제품의 재고 수준을 추적하고자 한다고 가정해봅시다. 시스템에 새 제품이 추가될 때, 해당 제품에 기본 재고 수준이 설정되지 않은 경우를 대비하여 기본 재고 수준을 설정하고 싶습니다.

이러한 프로세스를 간소화하기 위해 setdefault() 함수를 사용할 수 있습니다. 이 함수는 딕셔너리에 특정 키가 이미 존재하지 않으면 지정된 기본값을 가지는 키를 삽입합니다.

# 초기 재고
inventory: dict[str, int] = {"jeans": 500, "top": 600}

# 존재하지 않는 제품에 기본 재고 수준 추가
products_to_add: list[str] = ["skirt", "shirt", "tee"]

for product in products_to_add:
    inventory.setdefault(product, 500)

# 최종 업데이트된 재고 출력
print("최종 업데이트된 재고:", inventory)

"""
# 출력:
최종 업데이트된 재고: {'jeans': 500, 'top': 600, 'skirt': 500, 'shirt': 500, 'tee': 500}
"""

이 방법을 사용하면 명시적 검사와 할당이 필요하지 않아 코드를 더 간결하고 가독성 있게 만들 수 있습니다.

3. "if-elif 지옥" 피하기 위해 딕셔너리 사용하기

만약 사용자 입력에 따라 여러 함수를 호출하고 싶다고 가정해보세요.

이 문제를 해결하는 가장 일반적인 방법은 if-elif 문을 사용하는 것인데, 이 방법은 많은 함수를 처리할 때 매우 길고 복잡해질 수 있습니다.

대안적인 접근 방법은 실행할 함수와 대조할 키가 포함된 딕셔너리를 생성하는 것입니다.

# 기능 1
def first():
  print("첫 번째 함수 호출 중...")

# 기능 2
def second():
  print("두 번째 함수 호출 중...")

# 기능 3
def third():
  print("세 번째 함수 호출 중...")

# 기본 함수
def default():
  print("기본 함수 호출 중...")

# 사용자 입력
options: int = int(input("옵션을 입력하세요: "))

# 옵션을 키로, 함수를 값으로 하는 딕셔너리 생성
funcs_dict: dict[int, str] = {1: first, 2: second, 3: third}

# 입력한 옵션이 딕셔너리의 키에 있는지 확인하고, 없으면 기본 함수 실행
final_result = funcs_dict.get(options, default)
final_result()

프로그램을 실행하면 화면에 다음과 같은 결과를 볼 수 있습니다.

"""
# 출력:
# 옵션이 0일 때
옵션을 입력하세요: 0
기본 함수 호출 중...

# 옵션이 1일 때
옵션을 입력하세요: 1
첫 번째 함수 호출 중...

# 그리고 계속...
"""

참고: 사용자가 무엇이든 입력하면 default() 함수가 실행됩니다.

4. Collections 모듈에서 "Counter" 사용하기

큰 텍스트 데이터를 다룰 때, 텍스트 분석의 가장 일반적인 작업은 문제 상황에 따라 특정 문서나 전체 말뭉치에서 각 단어의 빈도를 확인해야 하는데요.

Counter는 이터러블에서 요소를 세는 간단하고 효율적인 방법을 제공하여 사용자 정의 계수 논리를 작성하는 복잡성을 추상화합니다.

이를 구현해봅시다,

from collections import Counter
import re

# 텍스트 파일 읽기
with open("sample_text.txt", "r") as file:
  text = file.read()

# 텍스트 정리 및 토큰화
cleaned_text: str = re.sub(r'[^\w\s]', '', text.lower().split())

# Counter()를 사용하여 단어 개수 세기
word_counts: Counter = Counter(cleaned_text)

# 두 번째로 많이 나오는 단어 출력
most_common = word_counts.most_common(2)  # 출력할 공통 단어의 개수를 인수로 전달 (숫자는 1-n으로 시작)
print("두 번째로 많이 나오는 단어: ", most_common[0])  # 2개 중에서 0번째 인덱스 요소 출력

"""
# 출력:
두 번째로 많이 나오는 단어: ('data', 82)
"""

참고: 또한, Counter 객체를 다른 자료 구조인 딕셔너리로 쉽게 변환하거나 elements(), most_common() 등 유용한 메서드를 사용하여 작업할 수 있습니다.

5. 코드 최적화를 위해 "메모이제이션" 사용하기

메모이제이션은 동적 프로그래밍에서 사용되는 기술로, 동일한 입력이 다시 발생할 때 비싼 함수 호출을 재사용하여 재귀 알고리즘의 시간 복잡도를 개선하는 기법입니다.

이것의 대표적인 예는 피보나치 수열로 알려진 토끼 문제입니다.

import time

def memo_fibonacci(num: int, dictionary: dict[int, int]):
    if num in dictionary:
        return dictionary[num]
    else:
        dictionary[num] = memo_fibonacci(num-1, dictionary) + memo_fibonacci(num-2, dictionary)
        return dictionary[num]

# Dictionary를 이용해 Cache 활용하기
dictionary: dict[int, int] = {0: 1, 1: 1}

# 소요된 시간
start_time: float = time.time()
# 함수 호출
result: int = memo_fibonacci(48, dictionary)
end_time: float = time.time()
# 경과 시간 계산
elapsed_time: float = end_time - start_time

print(f"결과: {result}") # 결과: 7778742049
print(f"경과 시간: {elapsed_time:.6f} 초") # 경과 시간: 0.000133 초

참고: 이것은 시간 복잡도를 크게 줄입니다. 하지만 결과를 저장하는 캐시를 유지해야 하기 때문에 공간-시간의 교환을 고려해야 합니다.

6. 중복을 피하기 위해 "데코레이터" 사용하기

파이썬 프로젝트를 개발 중이시군요! 함수가 실행되는 데 얼마나 시간이 걸리는지 측정하고 싶을 때 사용할 수 있는 방법에 대해 설명드릴게요. 위에서 언급한 것처럼 해당 함수에 대해 시간 기능을 사용할 수 있지만, 수십 개 또는 백 개의 함수가 있는 경우는 어떨까요?

‘start-time’과 ‘end-time’을 쓰는 데 영원이 걸릴 텐데, 대신에 우리가 직접 elapsed_time 함수를 만들어 사용할 수 있어요. 우리가 시간을 측정하려는 함수 위에 @elapsed_time을 추가하기만 하면 됩니다.

파이썬은 @ 기호를 보고 그 아래의 함수가 elapsed_time 함수에 전달되어야 함을 이해하고, 해당 함수가 elapsed_time에서 실행되어 원하는 만큼의 함수를 시간 측정할 수 있도록 코드를 감싼 후 실행합니다.

import time

def elapsed_time(func):
    def wrapper():
        start_time: float = time.time()

        func()

        end_time: float = time.time() - start_time
        print(f"{func.__name__}() took {end_time:.6f} seconds")

    return wrapper

@elapsed_time
def some_code():
    # 실행 중인 코드를 시뮬레이션합니다.
    time.sleep(0.00002)

# 함수 호출
some_code() # some_code() took 0.000009 seconds

일지, 시간 측정, 접근 제어 강화 등에 널리 사용됩니다.

7. dataclass를 사용하여 깔끔한 데이터 구조 만들기

데이터 값을 보유하기 위해 설계된 일반 클래스에서 init 메서드를 반복적으로 작성하는 것은 잠재적 오류 증가로 인해 정말 지루합니다.

그러나 Python 3.7에서 소개된 dataclasses 모듈은 프로그램의 다른 부분 사이에 전달될 데이터를 저장하는 더 효율적인 방법입니다.

from dataclasses import dataclass

@dataclass
class Employee:
    id_: int
    name: str
    salary: float

e1 = Employee(id_=1, name='Tusk', salary=69999.99)
print(e1) # Employee(id_=1, name='Tusk', salary=69999.99)

여기서 출력 결과는 마치 repr을 사용하여 구현된 표준 Python 클래스와 동등합니다.

참고: Employee 클래스의 표현 방식을 사용자 정의할 수도 있습니다:

from dataclasses import dataclass

@dataclass
class Employee:
    id_: int
    name: str
    salary: float

    def __repr__(self):
       return f"{self.name} earns ${self.salary}."

e1 = Employee(id_=1, name='Tusk', salary=69999.99)
print(e1) # Tusk earns $69999.99.

만약 보일러플레이트 코드를 줄이고 코드를 더 읽기 쉽고 유지보수성 높게 만들고 싶다면 dataclass를 사용해보세요.

8. 깔끔한 입력 처리를 위한 "match" 사용하기

Python 3.10부터 새롭게 도입된 구조적 패턴 매칭은 match 패턴과 관련된 case 문을 사용하여 입력을 처리합니다.

"Point"라는 클래스가 있는데, 이는 2D 좌표계에서 한 점을 나타냅니다. 이제 사용자가 입력한 경우를 처리하기 위해 2D 평면 상의 점을 찾는 함수 "where_is"를 만들겠습니다.

match 문은 식을 가져와서 그 값과 연속적인 패턴 case 블록을 비교합니다.

from dataclasses import dataclass

# dataclass를 사용하여 클래스 정의
@dataclass
class Point:
    x: int
    y: int

# 서로 다른 경우를 처리하기 위한 match 문
def where_is(point):
    match point:
        case Point(x=0, y=0):
            return ("Origin")
        case Point(x=0, y=y):
            return (f"Y={y}")
        case Point(x=x, y=0):
            return (f"X={x}")
        case Point(x, y):
            return ("다른 곳")
        # 사용자가 입력하는 모든 것을 잡기 위함
        case _:
            return ("점이 아닙니다")

# 예시
print(where_is(Point(0, 0)))   # 결과: Origin
print(where_is(Point(0, 10)))  # 결과: Y=10
print(where_is(Point(10, 0)))  # 결과: X=10
print(where_is(Point(10, 10)))  # 결과: 다른 곳
print(where_is("점이 아닙니다"))  # 결과: 점이 아닙니다

match-case 문을 사용하면 모든 가능한 경우를 처리할 수 있어서 완전한 패턴 매칭을 보장할 수 있습니다.

9(A). “and” 대신 “all” 연산자 사용하기

유저 프로필 시스템을 구축 중이라고 상상해봅시다. 폼에 입력된 모든 필수 필드를 사용자가 입력했는지를 확인하고 싶을 때가 있을 겁니다 (뭐 굳이 폼에 *필수 입력란 표시를 안 한 이유는 모르겠지만, 여기선 그냥 집중하도록 합시다👇).

어쨌든 제공된 iterable의 모든 요소가 True인 경우에만 True를 반환하는 all 함수를 사용해서 and 조건 대신 사용할 수 있어요.

# 사용자 등록 폼에서 사용자 입력
form_data: dict[str, str] = {"name" : "Nikita",
             "email": "analyticalnikita@gmail.com",
             "phone": "123478911"}

# 필수 필드 목록
required_fields: list[str] = ["name", "email", "phone"]

# all 연산자 사용
if all(field in form_data for field in required_fields):
    print("모든 필수 필드가 작성되었습니다.")
else:
    print("일부 필수 필드가 누락되었거나 비어 있습니다.")

"""
# 출력:
모든 필수 필드가 작성되었습니다.
"""

9(B). "or" 대신 "any" 연산자 사용하기

any 함수는 반복 가능한 객체에 제공된 요소 중 하나라도 True인 경우 True를 반환합니다.

예를 들어, 특정 기준에 따라 특정 사용자에게 권한을 제한해야 하는 경우, or 조건 대신 any를 사용할 수 있습니다.

# 사용자에게 할당된 권한 목록
user_permission: list[str] = ["read", "execute"]

# 사용자가 필요한 권한 중 하나 이상을 가지고 있는지 확인
required_permissions: list[str] = ["write", "read", "admin"]

# "all" 연산자 사용
if any(permission in user_permission for permission in required_permissions):
    print(f"필요한 권한을 가지고 있어서 접속이 허용됩니다.")
else:
    print("당신은 표준 사용자입니다. 접속이 허용되지 않습니다.")

"""
# 결과:
필요한 권한을 가지고 있어서 접속이 허용됩니다.
"""

이것들은 어떻게 any와 all을 사용하여 여러 개의 or 또는 and 문을 필요로하는 조건들을 단순화할 수 있는지 보여주는 몇 가지 예시들입니다.

마지막으로, 모든 프로그래머의 영원한 즐거움(만약 당신의 것이 아니라면, 그럼 제안을 함께 배워보세요😉).

10. 더 짧은 구문을 위한 Comprehensions 사용

Comprehension은 파이썬이 제공하는 강력한 도구 세트로, 모든 iterable 데이터 유형에 대해 제공됩니다. 이는 상황에 따라 여러 줄의 루프를 사용하는 것을 피할 수 있는 간결한 방법을 제공합니다.

한 가지씩 탐색해 봅시다:

10(A). 리스트 컴프리헨션

여기서, 중첩된 if 문을 사용하여 리스트 컴프리헨션의 힘을 보여드리겠습니다.

# 리스트 컴프리헨션을 사용한 중첩 if
fruits: list[str] = ["apple", "orange", "avacado", "kiwi", "banana"]
basket: list[str] = ["apple", "avacado", "apricot", "kiwi"]

[i for i in fruits if i in basket if i.startswith("a")] # ['apple', 'avacado']

비슷하게, 중첩된 for 루프를 적용하여 이해하기 어려운 코드가 될 수 있습니다.

10(B). 튜플 컴프리헨션

파이썬에는 튜플 컴프리헨션이 없습니다. 대신, 제너레이터 표현식을 사용하여 튜플을 만들 수 있습니다.

# 제너레이터 표현식을 튜플로 변환
tuple(i**2 for i in range(10))

# (0, 1, 4, 9, 16, 25, 36, 49, 64, 81)

노트: 우리가 알다시피 위에서 생성기 표현식은 리스트 내포보다 더 메모리를 효율적으로 사용합니다.

10(C). 사전 내포식

만약 당신이 apple_names라는 리스트가 있다고 가정하고, 이 리스트에 있는 각 요소의 길이를 포함하는 새 리스트를 출력하고 싶다면,

여기서도 리스트 내포를 사용할 수 있습니다. 그러나 사실 이 표기법을 사용하여 사전을 만들 수도 있는지 알고 계시나요? 네, 그것이바로, 사전 내포입니다.

# 사과 이름 목록 만들기
apple_names: list[str] = ["apple", "pineapple", "green apple"]

# 사과 이름을 키로하고 그길이를 값으로하는 사전 만들기
print({apple_name: len(apple_name) for apple_name in apple_names})

# {"apple": 5, "pineapple": 9, "green apple": 11}

대신에 루프나 사전 생성자를 사용하는 것보다 더 읽기 쉽습니다.

10(D). 집합 구조체 컴프리헨션

특정 조건에 따라 필터링을 사용하여 컴프리헨션을 만들 수 있습니다.

조건으로 집합 생성

print({i**2 for i in range(1, 11) if i > 5})

{64, 36, 100, 49, 81}

참고: 컴프리헨션은 표현력이 풍부하지만, 모든 경우에 적합한 것은 아닙니다. 특히 너무 복잡한 논리를 포함하는 경우에는 그렇습니다.

결론

기억하세요, 코드를 컴퓨터가 아닌 함께 일하는 팀을 위해 작성합니다. 그러므로 다른 사람이 여러분의 프로덕션 수준의 코드를 이해할 수 있도록 더 나은 코드를 작성하는 것이 정말 중요합니다.

이러한 팁을 채택함으로써 효율적인 코드를 작성할 뿐만 아니라 생산성도 향상시킬 수 있어요.

다음에 또 방문하기 전에... 궁금한 점/제안 사항/생각이 있으면 아래에 남겨주세요. 🖋️

그리고, 이 내용을 즐겁게 보셨다면 박수 50번 👏 하고, 앞으로의 업데이트를 위해 팔로우하시는 거 잊지 마세요.

이만큼이에요. 곧 다시 이야기할게요! 🙋🏻‍♀️

테이블 태그를 마크다운 형식으로 변경해보세요.