함수 및 모듈

Keywords

python, numpy, pandas, 기초, 문법

함수

함수는(Function) 특정 작업을 수행하는 코드 블록으로, 코드의 재사용성을 높이고 가독성을 개선하는 역할을 한다. Python에서 함수는 def 키워드를 사용하여 정의한다.

Note 5.1: 함수 문법 
def 함수이름(매개변수1, 매개변수2, ...):
    """문서화 문자열 (docstring)"""
    실행할 코드
    return 반환값  # (선택 사항)
  • def 키워드로 함수 정의를 시작한다.
  • 함수이름은 함수의 이름을 나타낸다.
  • 매개변수(parameter)는 함수에 전달될 값을 받는 변수이며, 생략 가능하다.
  • docstring(선택 사항)은 함수의 목적을 설명하는 문자열이다.
  • return 문을 사용하여 값을 반환할 수 있다.
  • 반환이 필요하지 않다면 생략 가능하다.

함수 정의 및 호출

함수 정의 및 호출 문법 Note 5.1에 따라 수행한다.

def add(a, b):
    return a + b

result = add(3, 5)
print(result) 
8

  • def 키워드로 함수를 정의
  • add(a, b): 두 개의 매개변수(a, b)를 받아 더한 값을 반환
  • return 문을 사용하여 결과를 반환
  • add(3, 5)와 같이 호출하면 8이 출력

매개변수와 반환값

Python에서 함수 매개변수는 함수를 호출할 때 전달되는 값(인자, argument)을 받는 변수이다. 매개변수를 설정하는 방식에 따라 다양한 형태로 사용할 수 있다.

함수 매개변수 유형
매개변수 유형 설명 예시
기본 매개변수 필수 인자를 받아야 하는 매개변수 def func(a, b):
기본값 매개변수 기본값을 설정할 수 있는 매개변수 def func(a, b=10):
위치 인자 순서에 따라 전달되는 인자 func(1, 2)
키워드 인자 매개변수명=값 형식으로 전달되는 인자 func(a=1, b=2)
가변 위치 인자(*args) 여러 개의 위치 인자를 튜플로 받을 수 있음 def func(*args):
가변 키워드 인자(**kwargs) 여러 개의 키워드 인자를 딕셔너리로 받을 수 있음 def func(**kwargs):
위치 전용 매개변수 / 앞의 매개변수는 위치 인자로만 사용 가능 def func(a, b, /):
키워드 전용 매개변수 * 뒤의 매개변수는 키워드 인자로만 사용 가능 def func(*, a, b):

이러한 매개변수 방식을 조합하여 다양한 형태의 함수를 정의할 수 있다.

기본 매개변수

함수를 정의할 때 매개변수를 지정하면, 해당 함수는 반드시 인자를 전달받아야 한다.

def greet(name):
    print(f"안녕하세요, {name}님!")

greet("철수") 

greet()  # 오류 발생 (TypeError)
안녕하세요, 철수님!
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In[2], line 6
      2     print(f"안녕하세요, {name}님!")
      4 greet("철수") 
----> 6 greet()  # 오류 발생 (TypeError)

TypeError: greet() missing 1 required positional argument: 'name'
  • greet(name) 함수는 name 매개변수를 필수로 요구
  • greet() 호출 시 인자를 전달하지 않으면 TypeError가 발생

기본값 매개변수

매개변수에 기본값(Default Parameters)을 설정하면, 호출 시 인자를 전달하지 않아도 된다.

def greet(name="손님"):
    print(f"안녕하세요, {name}님!")

greet("철수")  

greet()  
안녕하세요, 철수님!
안녕하세요, 손님님!
  • name="손님"과 같이 기본값을 설정하면, 인자를 전달하지 않을 경우 기본값이 사용

위치 인자

함수 호출 시 인자의 순서(Positional Arguments)에 따라 매개변수에 값이 할당된다.

def introduce(name, age):
    print(f"제 이름은 {name}이고, {age}살입니다.")

introduce("영희", 25) 
제 이름은 영희이고, 25살입니다.
introduce(25, "영희") 
제 이름은 25이고, 영희살입니다.
  • 인자의 순서가 중요하므로, 잘못된 순서로 전달하면 예상치 못한 결과가 나올 수 있음

키워드 인자

함수 호출 시 매개변수명=값 형식(Keyword Arguments)으로 지정하여 순서를 무시할 수 있다.

introduce(age=30, name="민수")  
# 출력: 제 이름은 민수이고, 30살입니다.
제 이름은 민수이고, 30살입니다.
  • 키워드 인자를 사용하면 가독성이 좋아지고, 인자 순서에 의존하지 않음

가변 인자

여러 개의 위치 인자(*args)를 튜플(tuple) 형태로 받을 수 있다.

def sum_numbers(*args):
    total = sum(args)
    print(f"합계: {total}")

sum_numbers(1, 2, 3)  
합계: 6
sum_numbers(10, 20, 30, 40, 50) 
합계: 150
  • *args는 여러 개의 인자를 받을 수 있으며, 튜플 형태로 저장
  • 매개변수명이 args가 아니어도 되지만, 관례적으로 args를 사용한

키워드 가변 인자

여러 개의 키워드 인자(**kwargs)를 딕셔너리(dict) 형태로 받을 수 있다.

def print_info(**kwargs):
    for key, value in kwargs.items():
        print(f"{key}: {value}")

print_info(name="철수", age=25, city="서울")
name: 철수
age: 25
city: 서울
  • **kwargs는 키워드 인자를 받을 수 있으며, 딕셔너리 형태로 저장
  • kwargs.items()를 사용하여 키와 값을 출력 가능

위치 전용 매개변수

Python 3.8부터 / 기호를 사용하여 특정 매개변수를 위치 인자(Positional-Only Parameters)로만 받을 수 있다.

def multiply(a, b, /):
    return a * b

print(multiply(3, 4))  
# 출력: 12
12
print(multiply(a=3, b=4))  # 오류 발생 (TypeError)
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In[11], line 1
----> 1 print(multiply(a=3, b=4))  # 오류 발생 (TypeError)

TypeError: multiply() got some positional-only arguments passed as keyword arguments: 'a, b'
  • / 이전의 매개변수들은 위치 인자로만 전달해야 하며, 키워드 인자로 사용할 수 없음

키워드 전용 매개변수

* 기호 이후에 정의된 매개변수는 키워드 인자(Keyword-Only Parameters)로만 전달해야 한다.

def divide(*, x, y):
    return x / y

print(divide(x=10, y=2))  
# 출력: 5.0
5.0
print(divide(10, 2))  # 오류 발생 (TypeError)
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In[13], line 1
----> 1 print(divide(10, 2))  # 오류 발생 (TypeError)

TypeError: divide() takes 0 positional arguments but 2 were given
  • * 이후의 매개변수들은 반드시 키워드 인자로 전달

위치 및 키워드 혼합

/와 *를 함께 사용하여 위치 인자, 키워드 인자, 일반 매개변수를 조합할 수 있다.

def function(a, b, /, c, *, d):
    print(a, b, c, d)

function(1, 2, 3, d=4)  
1 2 3 4
function(1, 2, c=3, d=4)  
1 2 3 4
function(a=1, b=2, c=3, d=4)  # 오류 발생 (TypeError)
---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call last)
Cell In[16], line 1
----> 1 function(a=1, b=2, c=3, d=4)  # 오류 발생 (TypeError)

TypeError: function() got some positional-only arguments passed as keyword arguments: 'a, b'
  • a와 b는 위치 인자로만 사용 가능
  • c는 위치 또는 키워드 인자로 사용 가능
  • d는 키워드 인자로만 사용

매개변수의 기본값과 가변 인자 조합

기본값이 있는 매개변수와 *args, **kwargs를 함께 사용할 수 있다.

def example(a, b=10, *args, c=20, **kwargs):
    print(f"a: {a}, b: {b}, c: {c}")
    print(f"args: {args}")
    print(f"kwargs: {kwargs}")

example(1, 2, 3, 4, c=5, d=6, e=7)
a: 1, b: 2, c: 5
args: (3, 4)
kwargs: {'d': 6, 'e': 7}
  • b와 c는 기본값을 가짐
  • *args는 위치 인자를 추가적으로 받을 수 있음
  • **kwargs는 키워드 인자를 추가적으로 받을 수 있음

익명 함수(lambda)

Python에서 익명 함수(lambda)는 lambda 키워드를 사용하여 정의하는 한 줄짜리 함수이다. 일반적인 def 함수와 달리 이름이 없으며, 간단한 연산을 수행하는 데 사용된다.

lambda 함수 기본 구조

lambda 매개변수1, 매개변수2, ... : 표현식
  • lambda 키워드로 함수를 정의한다.
  • 매개변수는 여러 개 입력받을 수 있다.
  • : 이후에 오는 표현식(expression)이 반환값이 된다.
  • 여러 줄 코드를 작성할 수 없으며, 단일 표현식만 사용 가능하다.

lambda 함수 예제

# 일반적인 함수 정의
def add(a, b):
    return a + b

# lambda로 변환
add_lambda = lambda a, b: a + b

print(add(3, 5))        # 8
8
print(add_lambda(3, 5)) # 8
8
  • lambda a, b: a + b는 add(a, b) 함수와 동일하게 동작

lambda 함수 활용 예시

변수에 할당하여 사용
multiply = lambda x, y: x * y
print(multiply(4, 5))  # 20
20
  • lambda x, y: x * y는 두 숫자의 곱을 반환하는 함수

lambda와 map() 함수

numbers = [1, 2, 3, 4, 5]
squared = list(map(lambda x: x ** 2, numbers))
print(squared)  # [1, 4, 9, 16, 25]
[1, 4, 9, 16, 25]
  • map(lambda x: x ** 2, numbers)는 리스트의 각 요소를 제곱

lambda와 filter() 함수

numbers = [1, 2, 3, 4, 5, 6]
even_numbers = list(filter(lambda x: x % 2 == 0, numbers))
print(even_numbers)  # [2, 4, 6]
[2, 4, 6]
  • filter(lambda x: x % 2 == 0, numbers)는 리스트에서 짝수만 필터링

lambda와 sorted() 함수

students = [("철수", 90), ("영희", 85), ("민수", 95)]
sorted_students = sorted(students, key=lambda x: x[1], reverse=True)
print(sorted_students)
[('민수', 95), ('철수', 90), ('영희', 85)]
  • key=lambda x: x[1]을 사용하여 두 번째 요소(점수)를 기준으로 정렬
lambda와 reduce() 함수
from functools import reduce

numbers = [1, 2, 3, 4, 5]
result = reduce(lambda x, y: x * y, numbers)
print(result)  # 120 (1 * 2 * 3 * 4 * 5)
120
  • reduce(lambda x, y: x * y, numbers)는 리스트의 모든 요소를 곱함

lambda와 일반 함수 비교

lambda와 일반함수 비교
비교 항목 lambda 함수 일반 함수 (def)
정의 방식 lambda 키워드 사용 def 키워드 사용
이름 없음(익명 함수) 있음
코드 길이 한 줄로 작성 여러 줄 작성 가능
반환값 자동으로 표현식의 결과 반환 return을 사용해야 함
사용 용도 간단한 연산 복잡한 로직 구현

lambda 함수 사용이 적절한 경우

  • 한 줄로 간단한 연산을 수행할 때
  • map, filter, sorted 등의 함수와 함께 사용할 때
  • 굳이 별도 함수를 정의할 필요가 없을 때

하지만, 복잡한 연산이나 여러 줄의 코드가 필요한 경우에는 def 함수가 더 적합하다.

함수 반환값

Python에서 함수는 return 키워드를 사용하여 값을 반환할 수 있다. 반환값을 이용하면 함수의 실행 결과를 저장하고, 다른 연산에 활용할 수 있다.

함수 반환값
개념 설명
기본 반환값 return 값을 사용해 특정 값을 반환
여러 개 반환 return a, b를 사용하면 튜플로 반환
조건부 반환 if 문을 사용해 특정 조건에서만 반환 가능
리스트/딕셔너리 반환 여러 데이터를 리스트나 딕셔너리 형태로 반환 가능
return 없음 None을 반환
제너레이터 반환 yield를 사용하면 값들을 순차적으로 생성

Python의 return 문은 함수의 종료를 의미하며, 다양한 형태의 데이터를 반환할 수 있다.

기본적인 반환값

def add(a, b):
    return a + b

result = add(3, 5)
print(result)  # 8
8
  • return a + b: 두 숫자의 합을 반환
  • 함수 호출 결과 result 변수에 저장

여러 개의 반환값

Python에서는 여러 개의 값을 반환할 수 있으며, 이는 튜플(tuple)로 반환된다.

def get_info():
    name = "철수"
    age = 25
    return name, age

info = get_info()
print(info)       # ('철수', 25)
('철수', 25)
print(info[0])    # 철수
철수
print(info[1])    # 25
25
  • return name, age는 (name, age) 형태의 튜플을 반환
  • 반환값을 여러 변수에 언패킹(unpacking)하여 받을 수도 있음
name, age = get_info()
print(name)  # 철수
print(age)   # 25
철수
25

return이 없는 함수

  • return 문이 없거나, return 키워드만 사용하면 None이 반환된다.
def greet():
    print("안녕하세요!")

result = greet()
print(result)  # None
안녕하세요!
None
  • print() 함수는 값을 반환하지 않으므로 None이 저장

조건에 따른 반환값

  • 함수 내에서 특정 조건을 만족할 때만 값을 반환할 수 있다.
def check_even(n):
    if n % 2 == 0:
        return "짝수"
    return "홀수"

print(check_even(4))  # 짝수
짝수
print(check_even(7))  # 홀수
홀수
  • return "짝수" 실행 후 함수가 종료되므로, 이후 코드는 실행되지 않음

리스트나 딕셔너리 반환

리스트 반환

def get_numbers():
    return [1, 2, 3, 4, 5]

print(get_numbers())  # [1, 2, 3, 4, 5]
[1, 2, 3, 4, 5]

딕셔너리 반환

def get_student():
    return {"name": "영희", "age": 22}

print(get_student())  # {'name': '영희', 'age': 22}
{'name': '영희', 'age': 22}

return과 None 비교

return과 None 비교
상황 반환값
return 값 사용 해당 값 반환
return만 사용 None 반환
return이 없는 함수 None 반환 
def example():
    return

print(example())  # None
None

yield를 사용한 제너레이터 반환

return 대신 yield를 사용하면 제너레이터(generator)를 반환한다.

def count_up(n):
    for i in range(n):
        yield i

gen = count_up(3)
print(list(gen))  # [0, 1, 2]
[0, 1, 2]
  • yield는 값을 하나씩 생성하며, return과 달리 함수를 종료하지 않음.

재귀함수

Python에서 재귀함수(recursive function)는 자기 자신을 호출하는 함수를 의미한다. 반복문 없이 특정 작업을 반복할 수 있으며, 분할 정복(Divide and Conquer) 1 같은 알고리즘에서 자주 사용된다.

재귀함수의 기본 구조

def recursive():
    print("재귀 호출")
    recursive()  # 자기 자신을 호출

recursive()  # 실행하면 무한 루프 발생
  • 함수 recursive() 내부에서 다시 recursive()를 호출
  • 종료 조건이 없으면 무한 루프에 빠지므로, 반드시 종료 조건(base case)을 설정
재귀함수와 반복문

재귀 함수(Recursive Function)와 반복문(Iterative Loop)은 둘 다 문제를 반복적으로 해결하는 방법이지만, 접근 방식과 동작 원리에 차이가 있다.

  • 재귀 함수
    함수가 자기 자신을 호출하여 문제를 해결하는 방법
  • 반복문
    for, while 같은 반복 구조를 이용해 특정 작업을 반복 수행하는 방법
동작원리
항목 재귀 함수 반복문
작동 방식 문제를 더 작은 하위 문제로 나누어 자기 자신을 호출 조건이 만족할 때까지 블록 내 코드를 반복 실행
종료 조건 기저 조건(Base Case)을 통해 종료 반복 조건이 거짓이 될 때 종료
메모리 호출 스택에 함수 호출이 누적됨 (추가 메모리 사용) 일정한 메모리 공간 내에서 실행
가독성 코드가 간결하고 직관적일 수 있음 구조가 단순하고 명확함
성능 함수 호출로 인한 오버헤드가 발생할 수 있음 일반적으로 더 빠르고 효율적임

예제 비교: 팩토리얼 계산

  • 재귀 함수 이용

    def factorial_recursive(n):
    if n == 1:
        return 1  # 기저 조건
    return n * factorial_recursive(n - 1)  # 자기 자신 호출

factorial_recursive(5)
    120

  • 반복문 이용

    def factorial_iterative(n):
    result = 1
    for i in range(1, n + 1):
        result *= i  # 반복문을 통해 곱셈 수행
    return result

factorial_iterative(5)
    120
장단점 비교
항목 재귀 함수 반복문
장점 - 코드가 간결하고 수학적 개념을 표현하기 쉬움 - 성능이 뛰어나고 메모리 사용이 효율적임
- 문제를 단계적으로 분해하는 데 유리함 - 복잡한 호출 스택 없이 단순한 흐름으로 작성 가능
단점 - 함수 호출로 인한 메모리 오버헤드 발생 가능 - 코드가 길어질 수 있고, 복잡한 논리는 가독성 저하
- 스택 오버플로우(Stack Overflow) 위험 존재 - 재귀가 더 자연스러운 문제에는 비효율적일 수 있음
상황에 따른 선택
상황 재귀 함수 사용 반복문 사용
문제 구조 문제를 더 작은 하위 문제로 나눌 수 있을 때 단순한 반복 작업이 필요할 때
대표 예제 피보나치 수열, 트리 탐색, 하노이의 탑 배열 순회, 합계 계산, 조건에 따른 반복 처리
성능 고려 코드 간결성 중시, 성능보다는 구조적 표현이 필요할 때 성능과 메모리 효율이 중요한 경우

두 방식을 이유하면 다음과 같다.

  • 재귀 함수
    러시아 인형(마트료시카)처럼 인형 속에 더 작은 인형을 계속 꺼내는 방식. 마지막 인형(기저 조건)에 도달하면 다시 인형을 하나씩 덮으며 문제를 해결함.
  • 반복문
    공장 생산라인에서 같은 작업을 반복 수행하는 것과 유사. 일정한 흐름을 유지하면서 작업을 빠르게 처리함.

종료 조건을 포함한 재귀함수

재귀함수
def countdown(n):
    if n <= 0:  # 종료 조건
        print("끝!")
        return
    print(n)
    countdown(n - 1)  # 자기 자신을 호출 (n 감소)

countdown(5)
5
4
3
2
1
끝!
  • n이 0 이하가 되면 return하여 종료
  • 종료 조건이 없다면 무한 재귀(infinite recursion)가 발생
def countdown_iterative(n):
    for i in reversed(range(n+1)):
        if i <= 0: 
            print("끝!")
            break 
        print(i)

countdown_iterative(5)
5
4
3
2
1
끝!

재귀함수를 이용한 팩토리얼 계산

팩토리열
\[ n! = n \times(n-1)\times ... 2 \times 1 \] 
def factorial(n):
    if n == 0 or n == 1:  # 종료 조건
        return 1
    return n * factorial(n - 1)  # 자기 자신을 호출

print(factorial(5))  # 120
120
  • factorial(5) = 5 * 4 * 3 * 2 * 1 = 120
  • 종료 조건 if n == 0 or n == 1을 설정하여 재귀를 멈춤춤

재귀함수를 이용한 피보나치 수열

피보나치 수열
\[F(n) = F(n-1) + F(n-2), \quad F(0) = 0, \quad F(1) = 1\] 
def fibonacci(n):
    if n == 0:
        return 0
    elif n == 1:
        return 1
    return fibonacci(n - 1) + fibonacci(n - 2)  # 재귀 호출

print(fibonacci(6))  # 8
8
  • fibonacci(6) = fibonacci(5) + fibonacci(4) = 8
  • 종료 조건을 설정하지 않으면 무한 루프에 빠질 수 있음음

재귀 깊이 제한

Python은 기본적으로 재귀 호출 가능 횟수(깊이)를 제한(Recursion Limit)한다.
기본 최대 깊이: 1,000번

import sys
print(sys.getrecursionlimit())  # 1000
  • 너무 깊이 재귀 호출하면 RecursionError 발생

재귀 깊이 제한 변경 가능

sys.setrecursionlimit(2000)  # 최대 재귀 깊이를 2000으로 설정
  • 하지만 너무 높은 값으로 설정하면 메모리 부족 오류 발생 가능

꼬리 재귀

꼬리 재귀(Tail Recursion): 함수의 마지막 동작이 자기 자신을 호출하는 형태, 일반적으로 반복문으로 변환 가능하며, 일부 언어에서는 최적화(Tail Call Optimization, TCO)를 지원하지만, Python은 지원하지 않는다.

def tail_recursive(n, result=1):
    if n == 0:
        return result
    return tail_recursive(n - 1, n * result)  # 변수로 결과 유지

print(tail_recursive(5))  # 120
120

재귀함수 사용이 적절한 경우

  • 문제를 작은 부분으로 나눌 수 있는 경우
  • 이진 탐색(Binary Search)
  • 분할 정복 알고리즘 (Merge Sort, Quick Sort)
  • 트리(Tree) 또는 그래프(Graph) 탐색 (DFS)
  • 하노이 탑(Tower of Hanoi) 문제

하지만, 일반적인 반복문으로 해결 가능한 경우에는 재귀보다 반복문을 사용하는 것이 성능상 유리하다.

함수 범위

Python에서 변수의 유효 범위(Scope)는 변수가 어디에서 접근할 수 있는지를 결정한다. Python은 LEGB 규칙(Local → Enclosing → Global → Built-in)에 따라 변수를 찾는다.

범위 선언 위치 접근 가능 범위 변경 가능 여부
지역(Local) 함수 내부 함수 내부에서만 가능 O
비지역(Enclosing) 중첩 함수의 바깥 함수 내부 함수에서 접근 가능 nonlocal 사용 시 가능
전역(Global) 함수 외부 프로그램 전체에서 접근 가능 global 사용 시 가능
내장(Built-in) Python 기본 제공 모든 코드에서 접근 가능 변경 불가

Python은 LEGB 규칙에 따라 변수를 찾으며, 함수 내부에서 전역 변수나 바깥 함수 변수를 변경하려면 global 또는 nonlocal 키워드를 사용해야 한다.

LEGB 변수 탐색 규칙

LEGB 변수 탐색 규칙
범위 설명 예시
Local (지역 범위) 현재 함수 내부에서 선언된 변수 함수 내부의 변수
Enclosing (비지역 범위) 중첩 함수(내부 함수)에서 바깥쪽 함수의 변수 내부 함수에서 바깥 함수 변수 참조
Global (전역 범위) 파일 전체에서 접근 가능한 변수 함수 외부에서 선언된 변수
Built-in (내장 범위) Python이 기본 제공하는 변수 및 함수 len(), print(), sum() 등

지역(Local) 범위

함수 내부에서 선언된 변수는 지역 변수이며, 함수 내부에서만 접근 가능하다.

def my_function():
    x = 10  # 지역 변수
    print(x)
my_function()
print(x)  # 오류 발생 (NameError)
10
---------------------------------------------------------------------------
NameError                                 Traceback (most recent call last)
Cell In[45], line 2
      1 my_function()
----> 2 print(x)  # 오류 발생 (NameError)

NameError: name 'x' is not defined
  • x는 my_function() 내부에서만 사용 가능
  • 함수 바깥에서 x를 호출하면 오류(NameError)가 발생

전역(Global) 범위

함수 바깥에서 선언된 변수는 전역 변수이며, 코드 전체에서 접근 가능하다.

y = 20  # 전역 변수

def my_function():
    print(y)  # 전역 변수 사용 가능

my_function()  # 20
20
  • y는 함수 내부에서도 접근 가능

global 키워드 (전역 변수 변경)

함수 내부에서 전역 변수를 변경하려면 global 키워드를 사용해야 한다.

x = 10  # 전역 변수

def modify_global():
    global x  # 전역 변수 변경 선언
    x = 20    # 전역 변수 값 변경

modify_global()
print(x)  # 20
20
  • global x를 선언하면 함수 내부에서 전역 변수 x를 변경 가능
  • global 없이 x = 20을 하면 지역 변수 x가 생성되므로, 전역 변수 x는 변경되지 않음

비지역(Enclosing) 범위

중첩 함수(nested function)에서 바깥쪽 함수의 변수를 내부 함수에서 참조할 수 있다.

def outer():
    a = 5  # 비지역 변수

    def inner():
        print(a)  # 바깥 함수 변수 사용 가능

    inner()

outer()  # 5
5
  • inner() 함수는 outer() 함수의 변수 a 사용 가능

nonlocal 키워드 (비지역 변수 변경)

내부 함수에서 바깥 함수의 변수를 변경하려면 nonlocal 키워드를 사용해야 한다.

def outer():
    a = 5

    def inner():
        nonlocal a  # 바깥 함수 변수 변경 선언
        a = 10      # 비지역 변수 변경

    inner()
    print(a)  # 10

outer()
10
  • nonlocal a를 사용하면 a의 값 변경 가능
  • nonlocal이 없으면 a는 지역 변수로 새롭게 생성

LEGB 규칙 적용 예시

x = 100  # 전역 변수

def outer():
    x = 50  # 비지역 변수

    def inner():
        x = 10  # 지역 변수
        print(x)  # 지역 변수 사용 (10)

    inner()
    print(x)  # 비지역 변수 사용 (50)

outer()
print(x)  # 전역 변수 사용 (100)
10
50
100
  • inner() 내부에서는 가장 가까운 범위(지역 변수 x)를 먼저 찾음.
  • inner()가 실행된 후 outer()에서 x를 출력하면 비지역 변수(50) 유지
  • outer()가 실행된 후 전역 변수(100)는 변하지 않음

함수 데코레이터

Python에서 데코레이터(Decorator)는 기존 함수나 메서드의 동작을 변경하거나 확장할 때 사용되는 기능이다. @데코레이터_함수 형식으로 사용하며, 함수를 감싸는(wrapper) 역할을 수행한다.

기본적인 데코레이터 구조

def my_decorator(func):  # 데코레이터 함수
    def wrapper():
        print("함수 실행 전")
        func()
        print("함수 실행 후")
    return wrapper

@my_decorator
def say_hello():
    print("Hello, World!")

say_hello()
함수 실행 전
Hello, World!
함수 실행 후
  • @my_decorator를 사용하면 say_hello()가 자동으로 wrapper() 함수로 감싸짐.
  • 실행 순서:
    1. "함수 실행 전" 출력
    2. say_hello() 실행
    3. "함수 실행 후" 출력

여러 개의 데코레이터 사용

여러 개의 데코레이터를 적용하면 위에서부터 차례로 적용된다.

def decorator1(func):
    def wrapper():
        print("데코레이터 1 실행")
        func()
    return wrapper

def decorator2(func):
    def wrapper():
        print("데코레이터 2 실행")
        func()
    return wrapper

@decorator1
@decorator2
def greet():
    print("안녕하세요!")

greet()
데코레이터 1 실행
데코레이터 2 실행
안녕하세요!
  • 적용 순서: @decorator1 → @decorator2
  • decorator1이 가장 바깥쪽에서 실행

인자가 있는 함수 데코레이팅

인자가 있는 함수를 데코레이터로 감싸려면 *args, **kwargs를 사용해야 한다.

def my_decorator(func):
    def wrapper(*args, **kwargs):
        print("함수 실행 전")
        result = func(*args, **kwargs)
        print("함수 실행 후")
        return result
    return wrapper

@my_decorator
def add(a, b):
    return a + b

print(add(3, 5))
함수 실행 전
함수 실행 후
8
  • wrapper(*args, **kwargs)를 사용하여 add(a, b)의 인자를 받을 수 있도록 함

functools.wraps를 사용한 데코레이터

데코레이터를 사용하면 원래 함수의 이름(name)과 문서(docstring)가 변경될 수 있다. 이를 방지하려면 functools.wraps()를 사용한다.

import functools

def my_decorator(func):
    @functools.wraps(func)  # 원래 함수 정보 유지
    def wrapper(*args, **kwargs):
        print("함수 실행 전")
        result = func(*args, **kwargs)
        print("함수 실행 후")
        return result
    return wrapper

@my_decorator
def add(a, b):
    """두 수를 더하는 함수"""
    return a + b

print(add.__name__)  # add (원래 함수 이름 유지)
print(add.__doc__)   # 두 수를 더하는 함수 (문서 유지)
add
두 수를 더하는 함수
  • @functools.wraps(func)를 사용하면 함수 이름과 문서가 변경되지 않음

클래스 기반 데코레이터

데코레이터를 클래스로도 구현 가능하다.

class MyDecorator:
    def __init__(self, func):
        self.func = func

    def __call__(self, *args, **kwargs):
        print("함수 실행 전")
        result = self.func(*args, **kwargs)
        print("함수 실행 후")
        return result

@MyDecorator
def say_hello():
    print("Hello!")

say_hello()
함수 실행 전
Hello!
함수 실행 후
  • __call__() 메서드를 사용하면 객체를 함수처럼 호출 가능
  • @MyDecorator를 사용하면 say_hello()가 MyDecorator 객체로 변환

매개변수가 있는 데코레이터

데코레이터에 인자를 전달하려면 함수 내부에 함수를 중첩

def repeat(n):
    def decorator(func):
        def wrapper(*args, **kwargs):
            for _ in range(n):  # n번 반복 실행
                func(*args, **kwargs)
        return wrapper
    return decorator

@repeat(3)
def greet():
    print("안녕하세요!")

greet()
안녕하세요!
안녕하세요!
안녕하세요!
  • repeat(n)이 먼저 실행된 후 @decorator가 greet()을 감쌈

내장 데코레이터

Python에는 기본 제공 데코레이터가 있다.

@staticmethod (정적 메서드)
:- 인스턴스(self) 없이 호출 가능한 메서드

class Math:
    @staticmethod
    def add(a, b):
        return a + b

print(Math.add(3, 5))  # 8
8
@classmethod (클래스 메서드)
  • 클래스(cls) 자체를 인자로 받음
class Example:
    count = 0

    @classmethod
    def increase(cls):
        cls.count += 1
        return cls.count

print(Example.increase())  # 1
1
@property (게터)
  • 메서드를 속성처럼 사용 가능
class Person:
    def __init__(self, name):
        self._name = name

    @property
    def name(self):
        return self._name  # 속성처럼 사용 가능

p = Person("철수")
print(p.name)  # 철수
철수

함수형 프로그래밍 개념

map 함수: 리스트의 각 요소에 함수를 적용한다.

numbers = [1, 2, 3, 4]
squared = list(map(lambda x: x ** 2, numbers))
print(squared)
[1, 4, 9, 16]

filter 함수: 리스트의 요소를 조건에 맞게 필터링한다.

even_numbers = list(filter(lambda x: x % 2 == 0, numbers))
print(even_numbers)  # [2, 4]
[2, 4]

reduce 함수: 리스트의 요소를 누적하여 하나의 결과를 만든다.

from functools import reduce
total = reduce(lambda x, y: x + y, numbers)
print(total)  # 10
10

모듈

Python에서 모듈(Module)은 관련된 코드(함수, 클래스, 변수 등)를 하나의 파일(.py)로 저장한 것이다. 이를 통해 코드 재사용성을 높이고, 유지보수를 용이하게 하며, 프로그램을 구조화할 수 있다.

파이썬 모듈
개념 설명
모듈 관련된 함수, 클래스, 변수를 모은 .py 파일
모듈 가져오기 import 모듈명, from 모듈명 import 이름
표준 모듈 math, random, datetime, os 등
사용자 모듈 직접 만든 .py 파일을 모듈로 사용 가능
패키지 여러 개의 모듈을 포함하는 디렉토리
모듈 재로딩 importlib.reload(모듈명)

Python의 모듈과 패키지를 활용하면 코드 재사용성을 높이고, 프로그램을 체계적으로 관리할 수 있다.

모듈 생성과 사용

모듈을 생성 및 사용하는 방법을 알아 본다.

모듈 생성

모듈 생성은 다음과 같다.

  1. Python 파일(.py)을 생성한다.
  2. 파일 내부에 함수, 클래스, 변수 등을 정의한다.
# my_module.py (사용자 정의 모듈)
def greet(name):
    return f"안녕하세요, {name}!"

pi = 3.14159

모듈 가져오기

import 모듈명을 사용하여 모듈을 가져올 수 있다.

import my_module

print(my_module.greet("철수"))  # 안녕하세요, 철수!
print(my_module.pi)  # 3.14159

import 방식

import 방식
방법 설명
import 모듈명 모듈 전체를 가져옴 (접근 시 모듈명.이름)
import 모듈명 as 별칭 모듈에 별칭을 부여
from 모듈명 import 이름 특정 함수/클래스/변수만 가져옴
from 모듈명 import * 모듈의 모든 내용을 가져옴 
# (1) 모듈 전체 가져오기
import my_module
print(my_module.greet("영희"))  # 안녕하세요, 영희!
# (2) 모듈 별칭 사용
import my_module as mm
print(mm.pi)  # 3.14159
# (3) 특정 함수만 가져오기
from my_module import greet
print(greet("민수"))  # 안녕하세요, 민수!
# (4) 모든 요소 가져오기 (비추천)
from my_module import *
print(greet("진수"))  # 안녕하세요, 진수!
print(pi)  # 3.14159
  • from 모듈명 import *는 네임스페이스 충돌 위험이 있어 권장되지 않음

name 변수

모듈이 직접 실행될 때와 import될 때를 구분하기 위해 __name__ 변수를 사용한다.

# my_module.py
def greet(name):
    return f"안녕하세요, {name}!"

if __name__ == "__main__":  
    # 직접 실행할 때만 실행됨
    print(greet("테스트"))
  • __name__ == "__main__" 조건을 사용하면 import될 때 실행되지 않음.
  • 직접 실행 시 __name__은 "__main__"이지만, import되면 "my_module"이 됨

표준 모듈

Python은 기본적으로 제공하는 표준 라이브러리 모듈이 많다.

파이썬 표준 라이브러리
모듈 설명
math 수학 관련 함수 제공
random 난수 생성
datetime 날짜 및 시간 관리
os 운영체제(OS) 관련 기능
sys 시스템 관련 기능
time 시간 관련 기능 
import math
import random
import datetime

print(math.sqrt(16))  # 4.0
4.0
print(random.randint(1, 10))  # 1~10 사이의 난수
print(datetime.datetime.now())  # 현재 날짜 및 시간 출력

사용자 정의 모듈 저장 경로

Python은 모듈을 특정 디렉토리에서 찾는다.
모듈이 저장된 경로를 확인하려면 sys.path를 사용한다.

import sys
print(sys.path)  # 모듈 검색 경로 리스트

사용자 정의 모듈을 특정 디렉토리에 추가하려면 다음과 같이 설정할 수 있다.

import sys
sys.path.append("C:/my_modules")  # 해당 경로 추가
print(sys.path)

패키지

파이썬 패키지란 관련된 여러 개의 모듈(.py 파일)을 논리적으로 묶어 놓은 디렉토리 구조를 의미한다. 패키지를 사용하면 코드의 재사용성과 관리가 용이해진다.

패키지와 모듈의 차이

패키지와 모듈 차이
구분 모듈(Module) 패키지(Package)
정의 하나의 파이썬 파일(.py) 여러 모듈을 담고 있는 폴더
구조 단일 파일로 구성 디렉토리(폴더)와 __init__.py 파일로 구성
사용 예 import math import numpy
확장성 단순한 기능 단위 코드 여러 모듈과 서브 패키지를 포함하는 복잡한 구조 가능

패키지의 구조

패키지는 일반적으로 디렉토리 안에 여러 모듈 파일을 포함하며, 이 디렉토리 안에 __init__.py 파일이 있어야 패키지로 인식된다. (Python 3.3 이후로는 이 파일이 없어도 패키지로 인식되지만, 하위 호환성을 위해 사용하는 경우가 많다.)

예제 패키지 구조

my_package/
    __init__.py
    module1.py
    module2.py
    sub_package/
        __init__.py
        sub_module1.py
  • __init__.py: 패키지를 초기화하는 파일로, 패키지 내 모듈을 불러올 때 실행됨
  • module1.py, module2.py: 독립적인 파이썬 모듈
  • sub_package/: 패키지 내에 포함된 서브 패키지

패키지 사용 방법

  1. 패키지 불러오기
# 패키지 내 모듈 불러오기
import my_package.module1
  1. 모듈 내 함수 사용하기
# my_package/module1.py에 정의된 함수 호출
my_package.module1.my_function()
  1. 직접적인 함수 불러오기
# 모듈의 특정 함수만 불러오기
from my_package.module1 import my_function

my_function()
  1. 서브 패키지 사용하기
# 서브 패키지 내 모듈 호출
from my_package.sub_package import sub_module1

sub_module1.sub_function()

패키지의 장점

패키지 장점
장점 설명
코드 재사용성 모듈화된 코드를 여러 프로젝트에서 재사용 가능
관리 용이성 관련된 기능을 그룹화하여 구조적이고 체계적으로 관리
네임스페이스 관리 모듈 간 이름 충돌 방지
확장성 새로운 모듈과 기능을 쉽게 추가할 수 있음

대표적인 파이썬 패키지

대표적인 패키지
패키지 이름 설명
NumPy 고성능 수치 계산 및 다차원 배열 처리
Pandas 데이터 분석과 조작을 위한 도구 제공
Matplotlib 데이터 시각화를 위한 그래프 및 플롯 생성
Requests HTTP 요청을 보내기 위한 라이브러리
Scikit-learn 머신러닝 알고리즘 구현과 모델링 지원

자세한 내용은 주요 패키지를 참고한다.

패키지 설치 및 관리

  • 패키지 설치:
    pip 명령어를 사용하여 패키지를 설치할 수 있다.

    pip install numpy

  • 설치된 패키지 목록 확인:

    pip list

  • 패키지 제거:

    pip uninstall numpy

  • 패키지 버전 확인:

    import numpy
print(numpy.__version__)

패키지 만들기

패키지 만드는 과정은 다음과 같다.

  1. 디렉토리 생성 후 __init__.py 파일 추가
  2. 필요한 모듈(.py 파일)을 디렉토리에 저장
  3. setup.py 파일을 작성하여 패키지로 배포 가능

setup.py 예제

from setuptools import setup, find_packages

setup(
    name='my_package',
    version='0.1',
    packages=find_packages(),
    install_requires=[],  # 필요한 외부 패키지 명시
)

이후 아래 명령어로 설치 가능

pip install .

참고자료

  1. 분할정복(Divide and Conquer)
    큰 문제를 더 작은 문제로 나누어 해결한 후, 그 결과를 합쳐서 원래의 문제를 해결하는 알고리즘 기법
    ↩︎