https://yozm.wishket.com/magazine/detail/1605/
를 읽고
요약 : 이 글은 파이썬 초보자들이 자주 저지르는 10가지 나쁜 습관을 소개하고, 그에 대한 해결책과 예시 코드를 통해 올바른 코딩 습관을 제시한다. 성능, 가독성, 유지보수 측면에서 중요한 코딩 습관을 다룬다.
주요 포인트 :
import * 사용 금지 – 어떤 객체가 들어오는지 알기 어렵고 충돌 위험 있음.
except: 사용 금지 – 예외명을 명확히 지정해야 디버깅 쉬움.
반복 연산 시 for보다 numpy 활용 – 벡터화된 연산이 훨씬 빠름.
open() 후 close() 안함 → with open()으로 해결.
PEP8 코드 스타일을 무시하지 말 것 – 가독성과 유지보수에 필수.
딕셔너리 .keys() .values() → .items()가 더 깔끔함.
컴프리헨션 적극 활용 – 단순 반복문보다 짧고 명확.
range(len()) 대신 enumerate()나 zip() 사용.
문자열 연결에 + 대신 f-string 사용.
함수의 디폴트 매개변수에 mutable 객체(예: 리스트) 사용 금지.
핵심개념 :
PEP8: 파이썬 스타일 가이드. 공백, 줄바꿈, 변수명 등 코드 스타일 표준.
컴프리헨션: 리스트나 딕셔너리를 간결하게 생성하는 문법 [x for x in y].
f-string: 문자열 포매팅 방식으로 f"Hello {name}" 형태.
Mutable Default Arg: 함수 매개변수 기본값으로 리스트/딕셔너리를 쓰는 위험.
with 구문: 파일 작업 후 자동으로 닫아주는 안전한 방식.
용어정리 :
import * : 모든 객체를 가져오지만 어떤 것이 포함됐는지 알기 어려움
bare except : except 뒤에 예외 지정 없이 모든 예외를 잡음
enumerate() : 인덱스와 값을 동시에 반환하는 함수
zip() : 두 개 이상의 시퀀스를 병렬로 묶어 반복
f-string : 문자열 안에 변수 삽입하는 포매팅 방법
mutable : 변경 가능한 객체 (리스트, 딕셔너리 등)
- 실무 적용 : 대용량 데이터 처리에는 numpy를 활용하여 벡터화된 연산을 수행하는 것이 효율적
- 관련 사례 : 한 개발자는 numpy를 사용하지 않고 반복문으로 데이터를 처리하다가 성능 문제가 발생했습니다. 이후 numpy의 벡터화 연산을 도입하여 처리 속도를 크게 향상시켰습니다.
- 사례링크 : https://medium.com/@kuldeepkumawat195/solving-the-off-by-one-error-with-numpy-best-practices-and-common-pitfalls-c146b19de04a
