TIL 51 | Python 문법 - 입출력 및 라이브러리

Python은 문법이 간결하면서도 다루기 쉬운 언어로 알고리즘을 구현할 때도 다른 언어(C/C++/Java)에 비해서 코드가 짧은 편입니다. 이곳에서는 코딩 테스트에서 중요한 Python 문법 위주로 다루었습니다.

알고리즘 문제 풀이의 첫 단계는 데이터를 입력받는 것입니다. 알고리즘을 수행할 수 있는 로직을 작성했다 해도 데이터의 입력이 적절하지 않다면 잘못된 결과를 출력할 것입니다.

본문 내용은 이것이 코딩 테스트다 with 파이썬 도서를 참고하였습니다.

Python 입출력

Python에서 데이터를 입력받을 때 input()을 사용합니다. input()은 한 줄의 문자열을 입력받도록 해주고, 정수형으로 변환하기 위해 int() 함수를 사용해야 합니다.

# 데이터의 개수 입력
n = int(input()) # input: 5
print(n) # output: 5

# 2개의 데이터를 공백으로 구분하여 입력
n, m = input().split() # input: 데이터 공백
print(n, m) # output: 데이터 공백

# 2개의 데이터를 공백으로 구분하여 정수형으로 변환
n, m = map(int, input().split()) # input: 5 7
print(n, m) # output: 5 7

# 각 데이터를 공백으로 구분하여 List로 입력
data = list(map(int, input().split())) # input: 5 6 7 8
data.sort(reverse=True)
print(data) # output: [8, 7, 6, 5]

입력의 개수가 많은 경우 단순 input() 함수를 그대로 사용하지 않고 Python의 sys 라이브러리를 사용합니다.

import sys

# 문자열을 한 줄 입력받기
data = sys.stdin.readline().rstrip() # input: Hello World
print(data) # output: Hello World
# rstrip() 함수를 호출하여 줄 바꿈 공백 문자를 제거합니다.

Python Library

자주 사용되는 주요 라이브러리의 문법과 유의할 점에 대해 추가로 알아봅니다. 표준 라이브러리란 특정 프로그래밍 언어에서 자주 사용되는 표준 소스코드를 미리 구현해 놓은 라이브러리입니다. Python 표준 Library는 공식문서에서 확인할 수 있습니다.

내장 함수

Python에는 별도 import 명령어 없이 바로 사용할 수 있는 Built-in 함수가 존재합니다. 대표적으로 input(), print()가 내장함수에 속하며, 나머지 유용한 내장함수를 알아보겠습니다.

sum()

List와 같은 Iterable 객체가 입력으로 주어진 경우 모든 원수의 합을 반환합니다.

# sum()
result = sum([1,2,3])
print(result) # output: 6

min(), max()

Parameter가 2개 이상 들어왔을 때 가장 작은 값과 큰 값을 반환합니다.

# min(), max()
list = [1,2,3,4,5]
print(min(list), max(list)) # output: 1 5

eval()

수학 수식이 문자열 형식으로 들어오면 해당 수식을 계산한 결과를 반환합니다.

# eval()
result = eval("(3+5)*7")
print(result) # output: 56

sorted()

Iterable 객체가 들어왔을 때 정렬된 결과를 반환합니다. Key 속성으로 정렬 기준을 명시할 수 있으며, reverse 속성으로 정렬 결과를 뒤집을 지 여부를 결정할 수 있습니다.

# Tuple의 2번째 원소 기준으로 내림차순 정렬(lambda 사용)
list = [('a', 1), ('b', 3), ('c', 2)]
sorted(list, key = lambda x: x[1], reverse=True) 
print(list) # output: [('b', 3), ('c', 2), ('a', 1)]

Itertools

Python에서 반복되는 데이터를 처리하는 기능을 포함하는 라이브러리입니다. 순열과 조합(Permutations, Combinations)를 다룰 경우 유용하게 사용됩니다.

# permutations(순열) - r개의 Data를 뽑아 일렬로 나열하는 모든 경우를 제시
from itertools import permutations

data = ['A', 'B', 'C']
result = list(permutations(data, 3)) # 3개의 데이터를 나열하는 모든 경우의 수
print(result) # output: [('A', 'B', 'C'), ('A', 'C', 'B'), ('B', 'A', 'C'), ('B', 'C', 'A'), ('C', 'A', 'B'), ('C', 'B', 'A')]

# combinations(조합) - r개의 Data를 뽑아 순서를 고려하지 않고 나열하는 모든 경우 제시
from itertools import combinations

data = ['A', 'B', 'C']
result = list(combinations(data, 2)) # 2개의 데이터를 뽑는 모든 경우의 수
print(result) # output: [('A', 'B'), ('A', 'C'), ('B', 'C')]

# product - 중복을 허용하는 permutations
from itertools import product

data = ['A', 'B', 'C']
result = list(product(data, repeat=2)) # 2개의 데이터를 뽑는 모든 순열(중복 허용)
print(result) # output: [('A', 'A'), ('A', 'B'), ('A', 'C'), ('B', 'A'), ('B', 'B'), ('B', 'C'), ('C', 'A'), ('C', 'B'), ('C', 'C')]


# combinations_with_replacement - 중복 원소를 허용하는 combinations
from itertools import combinations_with_replacement

data = ['A', 'B', 'C']
result = list(combinations(data, 2)) # 2개를 뽑는 모든 경우의 수(중복 허용)
print(result) # output: [('A', 'A'), ('A', 'B'), ('A', 'C'), ('B', 'B'), ('B', 'C'), ('C', 'C')]

heapq

Python에서는 Heap 기능을 위해 heapq 라이브러리를 제공합니다. heapq는 다양한 알고리즘에서 우선순위 큐를 구현하기 위해 사용됩니다. Python의 heap은 최소 heap으로 구성되어 있으므로 단순히 원소를 힙에 전부 넣은 후 빼는 것 만으로도 O(NlogN)의 시간복잡도로 오름차순 정렬이 완료됩니다.

# 최소 힙 구현
import heapq

def heapsort(iterable):
    h = []
    result = []
    # 모든 원소를 차례대로 힙에 삽입
    for value in iterable:
        heapq.heappush(h, value)
    # 힙에 삽입된 모든 원소를 차례대로 List에 꺼내어 담기
    for _ in range(len(h)):
        result.append(heapq.heappop(h))
    return result

result = heapsort([1, 3, 5, 7, 2, 4, 8, 6])
print(result) # output: [1, 2, 3, 4, 5, 6, 7, 8]

# 최대 힙 구현(원소의 부호를 임시로 변경)

import heapq

def heapsort(iterable):
    h = []
    result = []
    # 모든 원소를 차례대로 힙에 삽입
    for value in iterable:
        heapq.heappush(h, -value)
    # 힙에 삽입된 모든 원소를 차례대로 List에 꺼내어 담기
    for _ in range(len(h)):
        result.append(-heapq.heappop(h))
    return result

result = heapsort([1, 3, 5, 7, 2, 4, 8, 6])
print(result) # output: [8, 7, 6, 5, 4, 3, 2, 1]

bisect

Python에서는 이진 탐색을 쉽게 구현할 수 있도록 bisect 라이브러리르 제공합니다. bisect 라이브러리는 정렬된 배열에서 특정 원소를 찾을 때 매우 효과적으로 사용됩니다.

• bisect_left(a, x) : 정렬된 순서를 유지하면서 List a에 Data x를 삽입할 가장 왼쪽 index를 찾는 Method
• bisect_right(a, x) : 정렬된 순서를 유지하면서 List a에 Data x를 삽입할 가장 오른쪽 index를 찾는 Method

from bisect import bisect_left, bisect_right

a = [1, 2, 4, 4, 8]
x = 4
print(bisect_left(a, x)) # output: 2
print(bisect_right(a, x)) # output: 4

# 특정 범위에 속하는 원소의 개수 구하기
def count_by_range(a, left, right):
    right_index = bisect_right(a, right)
    left_index = bisect_left(a, left)
    return right_index - left_index

# 값이 4인 원소의 개수 출력
print(count_by_range(a, 4, 4) # output: 2

# 값이 [1, 4] 범위의 원소의 개수 출력
print(count_by_range(a, 1, 4) # output: 4

collections

Python의 collections 라이브러리는 유용한 자료구조를 제공하는 표준 라이브러리입니다. deque와 counter 클래스가 아주 유용하게 사용됩니다.

# deque의 사용법
from collections import deque

data = deque([2, 3, 4])
data.appendleft(1) # data = deque([1, 2, 3, 4])
data.append(5)     # data = deque([1, 2, 3, 4, 5])
data.popleft()     # data = deque([2, 3, 4, 5])
data.pop()         # data = deque([2, 3, 4])

deque에서는 List와 다르게 Indexing, Slicing은 사용할 수 없지만 원소의 삽입이나 제거에서 시간복잡도가 O(1)이기 때문에 Stack이나 Que 자료구조의 대용으로 사용이 가능합니다. 예를 들어 Que 자료구조로 사용하고자 할때, 원소를 삽입할 경우는 append()를 사용하고 원소를 삭제할 경우 popleft()를 사용하면 먼저 들어온 원소가 항상 먼저 나가게 됩니다.(First in First Out)

# counter의 사용법
from collections import Counter

# iterable 객체가 주어진 경우 해당 객체 내부의 원소별 등장 횟수를 세는 기능
counter = Counter(['red', 'blue', 'blue', 'green', 'blue', 'red'])
print(counter['blue']) # output: 3

math

math 라이브러리는 자주 사용되는 수학적 기능을 포함하고 있는 라이브러리입니다. 팩토리얼, 제곱근, 최대공약수 등을 계산하는 기능을 포함하여 수학적 계산을 요구하는 경우 효과적으로 사용이 가능합니다.

import math

# Factorial
print(math.factorial(5)) # output: 120

# 제곱근 계산
print(math.sqrt(7)) # output: 2.6457513110645907

# 최대 공약수
print(math.gcd(21, 14)) # output: 7

# 원주율, 자연상수 e
print(math.pi, math.e) # output: 3.141592653589793 2.718281828459045