[포스코 신재생에너지 IoT 개발자 5기] Python 7편 — 딕셔너리(Dictionary)

파이썬의 딕셔너리(Dictionary)는 Key–Value 기반의 구조화된 데이터 타입으로,
JSON 형식과 1:1로 매칭되기 때문에 API 응답, 센서 데이터, 환경·에너지 로그, 사용자 설정값 등
대부분의 실무 데이터 처리에서 핵심적으로 사용된다.

본 문서는 딕셔너리의

• 자료형 정의

• 생성 방식

• 접근 및 수정 규칙

• 주요 메서드

• 삭제 동작

• 실무 활용 예시

향후 데이터 처리·자동화·모델링 과정 전반에서 일관된 기준을 제공하는 것을 목표로 한다.

1. 정의(Definition)

딕셔너리(dictionary)

딕셔너리는 key-value(키-값) 쌍으로 구성된 자료형이며, 파이썬에서 가장 널리 사용되는 구조화 데이터 타입 이다.

• Python 공식 정의

  • “A dictionary is an unordered collection of key-value pairs, where keys are unique.”

• Python 3.7+ 이후 ⇒ 입력 순서를 보장(Ordered)

• key는 유일(unique)

• value는 중복 가능

• Mutable(변경 가능) 자료형

• 내부 구조는 해시(Hash Table)기반

2. 특징(Characteristics)

1) 핵심 특징

• key-value 구조

• key는 변경 불가(immutable) 타입만 사용 가능 ⇒ 문자열(str), 정수(int), 투플(tuple) 등

• value는 어떠한 자료형도 가능

• 요소 추가·수정·삭제 가능

• 딕셔너리는 내부적으로 해시 테이블(Hash Table) 구조를 사용하며, 키의 해시값을 기반으로 빠른 O(1) 조회를 제공한다.

• JSON 구조와 1:1 대응됨

2) 장점

• 빠른 검색

  • 키를 통해 값을 매우 빠르게 찾을 수 있음 (해시 기반)

• 명확한 데이터 구조화

  • 각 항목이 어떤 의미를 가지는지 명확함(key로 의미 부여 가능)

• 확장성과 유연성 우수

  • JSON과 호환성이 뛰어나고, 다양한 자료구조 표현 가능

• API / BEMS / 센서 / 로드 등 실무 데이터와 호환성이 매우 높음

3. 생성(Creation)

1) 리터럴 방식 {}

• 키는 문자열일 필요는 없으나, 문자열이 가장 일반적
• 키에는 불변 자료형만 사용할 수 있음(문자열, 숫자, 튜플)

2) dict() 생성자

• 함수 호출방식으로 딕셔너리 생성

• 키는 문자열이어야 하고, 변수 이름처럼 쓸 수 있는 형식이어야 함

3) 리스트 / 튜플의 (key, value) 쌍으로 생성

• (key, value) 형태의 쌍을 요소로 가지는 리스트 또는 튜플을 통해 딕셔너리를 만들 수 있음

• CSV 데이터 파싱 또는 키-값 쌍 리스트를 가공할 때 유용하게 사용됨

4) zip() 사용

• 서로 대응되는 두 리스트(혹은 이터러블)을 묶어서 딕셔너리를 만들 수 있음

4. 접근(Access)

딕셔너리에서 값을 가져올 때는 키(key)를 사용하여 접근함

1) [] 연산자 - 일반적인 접근

• 존재하는 키에 접근 하면 값을 반환함

• 존재하지 않는 키에 접근하면 KeyError 예외가 발생

2) get() 메서드

• get(key)는 키가 없을 경우 None을 반환함

• get(key, default)를 사용하면 기본값을 직접 지정할 수 있어 KeyError를 방지 할 수 있음
  ⇒ 사용자의 입력이나 외부 API 데이터 등 불확실한 키 접근에 유리

3) get() 예제: 사용자 입력 처리

5. 추가 및 수정(Insert & Update)

1) 기본방식

• 파이썬 딕셔너리에서 데이터의 추가와 수정은 동일한 문법을 사용함

• 만약 해당 키가 존재하지 않으면? 새로운 항목이 추가

• 이미 존재하는 키라면? 해당 키의 값이 수정

2) update()

• 내부적으로는 각 키마다 dict[key] = value를 반복하는 것과 동일한 효과

3) 딕셔너리 복사(Copy)

딕셔너리는 mutable(변경 가능) 자료형이므로, 복사 시 주의가 필요하다.

특히 중첩 딕셔너리(nested dict)의 경우, 복사 방식에 따라 내부 데이터가 예상과 다르게 변경될 수 있다.

• 얕은 복사(shallow copy)

copy() 메서드는 1단계까지만 복사하며, 내부에 포함된 딕셔너리·리스트 등은 원본 객체를 공유한다.

실무에서 중첩 구조를 사용할 때 값이 함께 변경되는 문제가 발생할 수 있다.

• 깊은 복사(deepcopy)

copy.deepcopy()는 내부 구조까지 완전히 새로운 객체로 복사한다.

외부 API 응답, 센서 데이터, 구성(config) 정보 등 원본 보존이 중요한 데이터 처리에서 필수적이다.

6. 삭제(Delete)

1) del 키워드

• del 객체 형태로 사용할 경우 객체 자체를 삭제함

2) pop()

• 저장한 키를 삭제하고, 삭제된 값을 반환

• 존재하지 않는 키는 삭제하면 KeyError 발생
  ⇒ 두 번째 인자에 값을 넣으면 기본 값 출력 가능

3) popitem()

• 가장 마지막에 추가된 항목을 제거하고, (key, value) 쌍을 반환

• 딕셔너리가 비어 있을 때 호출하면 KeyError 발생

4) clear()

• 딕셔너리 안의 모든 항목을 한 번에 삭제

• 객체 자체는 유지 됨

7. 주요 메서드(Primary Methods)

1) keys() - 모든 키를 반환

• dict_keys 객체를 반환함 (리스트 처럼 보이지만 실제로는 리스트는 X)

• 필요 시 list(dict.keys())로 변환

2) values() - 모든 값을 반환

• dict_values 객체를 반환함 (리스트 처럼 보이지만 실제로는 리스트는 X)

• 리스트로 변환하고 싶다면 list() 함수로 변환

3) items() - 모든(키, 값) 쌍을 반환

• dict_items 객체를 반환함 (리스트 처럼 보이지만 실제로는 리스트는 X)

• 리스트로 변환하고 싶다면 list() 함수로 변환

8. 실무 적용 사례(Technical Use Cases)

1) BEMS 센서 데이터 구조

✔ 부연 설명

• 대부분의 BEMS(건물 에너지 관리 시스템) 장비는 센서 ID + 시계열 데이터로 구성됨

• 실시간 데이터는 JSON으로 들어오기 때문에 파이썬에서는 dict 그대로 처리 가능

• Pandas로 변환 시 DataFrame([sensor_data]) 형태로 바로 변환됨

• 자동 제어 로직에서도 이 구조가 기본 입력값

2) 환경·온실가스(API) 응답 데이터

✔ 부연 설명

• ESG·환경 분야의 API 응답 데이터는 Key-Value 구조 고정

• CO₂, NOx, SOx 같은 배출량 데이터는 후처리 시 dict → DataFrame 변환이 가장 효율적

• 자동 보고서 생성, 배출량 산정, Scope 1/ 2/ 3 분석 시 그대로 활용

• 결측값이 있을 수 있어 .get(key, default) 사용이 실무에서 매우 중요

3) HVAC·설비 상태 모니터링 데이터

✔ 부연 설명

• HVAC, AHU, 보일러 등은 상태(status)와 센서(sensor)를 중첩 딕셔너리로 구성하는 것이 일반적

• error_code는 None 허용 → 고장 감지 로직에서 핵심

• 상태 모니터링 → 경보 → 자동제어 로직까지 전부 이 구조 기반

• dict 안의 dict 구조는 설정값/제어값을 함께 묶기 좋음

실습

문제1. 딕셔너리 핵심 개념 통합 실습

• 1단계: 빈 딕셔너리 생성, user라는 이름의 빈 딕셔너리를 생성

• 2던계: 사용자 기본 정보 추가

  • "Username":"Skywalker"

  • "Email":"sky@example.com"

  • "Level": 5

• 3단계: 값 읽기 - "Email"값을 변수 email_value에 저장하고 출력

• 4단계: 값 수정 - "Level"값을 6으로 수정

• 5단계: 안전하게 조회 - 딕셔너리에 "Phone" 키가 없다면 "미입력"이라는 문자열을 출력

• 6단계: 항목 추가 및 삭제

  • update()를 사용해 "Nickname":"Sky" 항목추가

  • "Email" 항목 삭제

  • "Signup_date" 키가 없다면, "2025-11-24"으로 추가 (setdefault()사용)

  • 최종 딕셔너리 출력

✔ 출력 결과

2단계: {'Username': 'Skywalker', 'Email': 'sky@example.com', 'Level': 5}

3단계: sky@example.com

4단계: {'Username': 'Skywalker', 'Email': 'sky@example.com', 'Level': 6}

5단계: 미입력

6단계:

미입력
{'Username': 'Skywalker', 'Level': 6, 'Nickname': 'Sky', 'Signup_date': '2025-11-24'}

문제2. 학생 점수 관리

• 1단계: 빈 딕셔너리 students 생성

• 2단계: "Alice", "Bob", "Charlie" 세 학생의 점수를 각각 85, 90, 95로 추가

• 3단계: "David" 학생의 점수 80 추가

• 4단계: "Alice" 점수 88 수정

• 5단계: "Bob"을 딕셔너리에서 삭제

• 6단계: 최종 students 딕셔너리 출력

✔ 출력 결과

2단계: {'Alice': 85, 'Bob': 90, 'Charlie': 95}

3단계: {'Alice': 85, 'Bob': 90, 'Charlie': 95, 'David': 80}

4단계: {'Alice': 88, 'Bob': 90, 'Charlie': 95, 'David': 80}

6단계: {'Alice': 88, 'Charlie': 95, 'David': 80}

9. 종합 정리(Summary)

파이썬의 딕셔너리(Dictionary)는 Key–Value 기반의 구조화 데이터 타입으로,

JSON과 1:1로 대응되기 때문에 API 응답, 센서 데이터, BEMS·HVAC 로그, 환경·에너지 데이터 처리 등 실무 전반에서 핵심적으로 사용된다.

• Key는 유일, immutable 자료형만 사용

• Value는 자유롭게 어떤 자료형도 가능

• 삽입·수정·삭제 모두 O(1) 수준의 빠른 연산

• Python 3.7+부터 입력 순서 보장

• 내부 구조는 해시 테이블(Hash Table) 기반

• 실무 활용성: JSON 파싱, 자동화 로직, 대시보드, Pandas 변환 등에서 필수

딕셔너리는 이후 조건문·반복문·함수·Pandas·모델링으로 자연스럽게 연결되는 파이썬 데이터 처리의 가장 중심적인 자료구조이다.

10. 아웃트로(Outro)

이 문서는 Python 딕셔너리의 구조·규칙·활용 방식으로 구성되었다.

딕셔너리는 파이썬 기반 업무(데이터 처리, 자동화, IoT, API, 분석)의 가장 근본적이며 필수적인 데이터 구조이며, 이후 조건문·반복문·함수·Pandas와 자연스럽게 연결된다.