📖 탐색 (Search)
📖 자료구조 (Data Structure)
📖 오버플로 (Overflow)
📖 언더플로 (Underflow)
📖 스택 (stack)
✏️ 5-1.py 스택 예제
stack = []
# 삽입(5) - 삽입(2) - 삽입(3) - 삽입(7) - 삭제() - 삽입(1) - 삽입(4) - 삭제()
stack.append(5)
stack.append(2)
stack.append(3)
stack.append(7)
stack.pop()
stack.append(1)
stack.append(4)
stack.pop()
print(stack) # 최하단 원소부터 출력
print(stack[::-1]) # 최상단 원소부터 출력
[5, 2, 3, 1] [1, 2, 3, 5]
📖 큐 (queue)
✏️ 5-2.py 큐 예제
from collections import duque
# 큐(Queue) 구현을 위해 duque 라이브러리를 사용
queue = deque()
# 삽입(5) - 삽입(2) - 삽입(3) - 삽입(7) - 삭제() - 삽입(1) - 삽입(4) - 삭제()
queue.append(5)
queue.append(2)
queue.append(3)
queue.append(7)
queue.popleft()
queue.append(1)
queue.append(4)
queue.popleft()
print(queue) # 먼저 들어온 순서대로 출력
queue.reverse() # 다음 출력을 위해 역순으로 바꾸기
print(queue) # 나중에 들어온 원소부터 출력
deque([3, 7, 1, 4]) deque([4, 1, 7, 3])
📖 재귀 함수 (recursive function)
✏️ 5-3.py 재귀 함수 예제
def recursive_function():
print("재귀 함수를 호출합니다.")
recursive_function()
recursive_function()
📖 재귀 함수의 종료 조건
✏️ 5-4.py 재귀 함수 종료 예제
def recursive_function(i):
# 100번째 출력되었을 때 종료되도록 종료 조건 명시
if i==100:
return
print(i, '번째 재귀 함수에서', i+1, ‘번째 재귀 함수를 호출합니다.’)
recursive_function(i+1)
print(i, '번째 재귀 함수를 종료합니다.’)
recursive_function(1)
✏️ 5-5.py 2가지 방식으로 구현한 팩토리얼 예제
# 반복적으로 구현한 n!
def factorial_iterative(n):
result = 1
# 1부터 n까지의 수를 차례대로 곱하기
for i in range(1, n+1):
result *= i
return result
# 재귀적으로 구현한 n!
def factorial_recursive(n):
if n <= 1: # n이 1 이하인 경우 1을 반환
return 1
# n! = n * (n-1)!를 그대로 코드로 작성하기
return n * factorial_recursive(n - 1)
# 각각의 방식으로 구현한 n! 출력(n = 5)
print(‘반복적으로 구현:’, factorial_iterative(5))
print(‘재귀적으로 구현:’, factorial_recursive(5))
반복적으로 구현: 120 재귀적으로 구현: 120
📖 그래프(Graph)의 기본 구조
📖 인접 행렬 (Adjacency Matrix)
✏️ 5-6.py 인접 행렬 방식 예제
INF = 99999999 # 무한의 비용 선언
# 2차원 리스트를 이용해 인접 행렬 표현
graph = [
[0, 7, 5],
[7, 0, INF],
[5, INF, 0]
]
print(graph)
[[0, 7, 5], [7, 0, INF], [5, INF, 0]]
📖 인접 리스트 (Adjacency List)
✏️ 5-7.py 인접 리스트 방식 예제
# 행(Row)이 3개인 2차원 리스트로 인접 리스트 표현
graph = [[] for _ in range(3)]
# 노드 0에 연결된 노드 정보 저장(노드, 거리)
graph[0].append((1,7))
graph[0].append((2,5))
# 노드 1에 연결된 노드 정보 저장(노드, 거리)
graph[1].append((0,7))
# 노드 2에 연결된 노드 정보 저장(노드, 거리)
graph[2].append((0,5))
print(graph)
[[(1, 7), (2, 5)], [(0, 7)], [(0, 5)]]
📖 인접 행렬 방식과 인접 리스트 방식의 비교
📖 DFS(Depth-First Search)
(1) 탐색 시작 노드를 스택에 삽입하고 방문 처리를 한다.
(2) 스택의 최상단 노드에 방문하지 않은 인접 노드가 있다면 그 인접 노드를 스택에 넣고 방문 처리를 한다. 방문하지 않은 인접 노드가 없으면 스택에서 최상단 노드를 꺼낸다.
(3) (2)번의 과정을 더 이상 수행할 수 없을 때까지 반복한다.
✏️ 5-8.py DFS 예제
# DFS 메서드 정의
def dfs(graph, v, visited):
# 현재 노드를 방문 처리
visited[v] = True
print(v, end=‘ ’)
# 현재 노드와 연결된 다른 노드를 재귀적으로 방문
for i in graph[v]:
if not visited[i]:
dfs(graph, i, visited)
# 각 노드가 연결된 정보를 리스트 자료형으로 표현(2차원 리스트)
graph = [
[],
[2, 3, 8],
[1, 7],
[1, 4, 5],
[3, 5],
[3, 4],
[7],
[2, 6, 8],
[1, 7]
]
# 각 노드가 방문된 정보를 리스트 자료형으로 표현(1차원 리스트)
visited = [False] * 9
# 정의된 DFS 함수 호출
dfs(graph, 1, visited)
1 2 7 6 8 3 4 5
📖 BFS(Breadth-First Search)
(1) 탐색 시작 노드를 큐에 삽입하고 방문 처리를 한다.
(2) 큐에서 노드를 꺼내 해당 노드의 인접 노드 중에서 방문하지 않은 노드를 모두 큐에 삽입하고 방문 처리를 한다.
(3) (2)번의 과정을 더 이상 수행할 수 없을 때까지 반복한다.
✏️ 5-9.py BFS 예제
from collections import deque
# BFS 메서드 정의
def bfs(graph, start, visited):
# 큐(Queue) 구현을 위해 duque 라이브러리 사용
queue = deque([start])
# 현재 노드를 방문 처리
visited[start] = True
# 큐가 빌 때까지 반복
while queue:
# 큐에서 하나의 원소를 뽑아 출력
v = queue.popleft()
print(v, end=‘ ’)
# 해당 원소와 연결된, 아직 방문하지 않은 원소들을 큐에 삽입
for i in graph[v]:
if not visited[i]:
queue.append(i)
visited[i]=True
# 각 노드가 연결된 정보를 리스트 자료형으로 표현(2차원 리스트)
graph = [
[],
[2, 3, 8],
[1, 7],
[1, 4, 5],
[3, 5],
[3, 4],
[7],
[2, 6, 8],
[1, 7]
]
# 각 노드가 방문된 정보를 리스트 자료형으로 표현(1차원 리스트)
visited = [False] * 9
# 정의된 BFS 함수 호출
bfs(graph, 1, visited)
1 2 3 8 7 4 5 6
📖 DFS와 BFS 정리
DFS | BFS | |
---|---|---|
동작 원리 | 스택 | 큐 |
구현 방법 | 재귀 함수 이용 | 큐 자료구조 이용 |