Python

몰랐던 문법과 팁들

and와 or 는 True/False 가 아니라 마지막으로 이밸류에이트된 값을 돌려준다 (링크)
- JS에서 흔히 쓰듯이, (x if x else default) 와 같은 식을 (x or default)로 줄여 쓸수 있다. 딱히 안티패턴도 아닌듯 하다.
int형 변수의 빌트인 메소드인 bit_length()는 부호와 선행 0을 제외하고, 이진수로 정수를 나타내는 데 필요한 비트 수를 돌려줍니다. (링크)
- ```
 
>>> n = -37
>>> bin(n)
'-0b100101'
>>> n.bit_length()
6
```
enumerate에는 옵셔널한 두번째 인자 start가 있다. 두번째 인자를 주어서 enumerate(l, 5) 으로 쓰면 (5, l[0]), (6, l[1]), …이런식으로 이터레이트한다
round 함수가 반올림을 하는 방법은 소수부가 0.5이상이면 올림하는 것이 아니라, '가장 가까운 정수값을 리턴' 하는 것이다. 소수부가 0.5일 때는 가장 가까운 짝수로 맞추기 때문에 예상과 달리 내림을 하는 경우도 있다!
- (https://docs.python.org/ko/3/library/functions.html#round)
- x를 2로 나눈 값을 반올림 하고 싶은 경우, 원하는 대로 동작하지 않는 round(x/2) 대신 sum(divmod(x,2))로 쓰면 깔끔하다
python의 {정수}//{정수} 는 나눠진 실수값을 floor 한 결과를 돌려준다. 음수일 경우에 c언어와 다른 결과를 낸다.
- -5 // 3 == -2 이라는 뜻
- c의 나눗셈과 동일한 결과를 얻고 싶으면 x//y 대신에 int(x/y)을 쓰면 된다.
나눈 값에 ceil을 해야 할 경우. 원칙적으로는 math.ceil(x/y) 이지만, 실수 연산을 해야 돼서 속도가 느리다
- 동일한 값을 얻기 위해서는 -(x // -y) 를 쓰거나, (x + y - 1) // y 을 쓸 수 있다. 전자는 위에 언급한 c와 다른 python의 // 계산 방법에 의존하기 때문에 후자보다 덜 직관적이다..
파이썬의 자체 정수형은 이미 큰 수의 곱셈에 대해서 빠르게 동작하도록 구현되어있지만, 더욱 빠른 곱셈이 필요하면, decimal.Decimal로 변환해서 사용하면 된다.
- 고속 푸리에 변환 (Fast Fourier Transform, FFT)과 큰 수 곱셈 참고

type 힌트를 줄 때 자신의 타입을 레퍼해야 하는 경우를 처리 못하는 문제가 있다. 대표적으로 이렇게 쓰면 에러가 난다
- ```
@dataclasses.dataclass
class Node:
    value: int
    left: Node
    right: Node
```
- 해결하려면 future,annotations 을 임포트한다
  - ```
  from __future__ import annotations
```
- 3.10부터는 디폴트로 처리될 것이라고 한다.
NamedTuple은 collections.NamedTuple와 typing.NamedTuple 두가지가 있다. typing.NamedTuple이 새로 추가된 거고 기능이 더 유용하니 이걸 쓰자.
사소한 속도 비교..
- for-loop 이랑 break를 쓰는것이 all()을 쓰는것보다 빠르다
  - https://stackoverflow.com/questions/49576180/all-vs-for-loop-with-break-performance
- 비트 연산을 통한 곱하기 나누기는 빠르지 않다
  - https://stackoverflow.com/questions/37053379/times-two-faster-than-bit-shift-for-python-3-x-integers
    - 2를 곱할때는 그냥 x*2가 x<<1보다 빠르다. 2로 나눌때는 x>>1이 x//2보다 빠르다
  - https://stackoverflow.com/questions/54047100/why-are-bitwise-operators-slower-than-multiplication-division-modulo
    - x*8, x//8, x%8 이 x<<3, x>>3, x%7 보다 빠르다
x=y=z 형태의 assignment의 수행 순서는 c언어와 다르다. c언어에서는 대입연산자가 대입된 값을 결과로 내어주는 원리라서 x=(y=z)순서로 계산되지만, 파이썬에서는 맨 우측에 있는 값을 왼쪽값부터 순서대로 대입한다. 즉 x=z 를 수행하고, y=z를 수행하는 순서.
- 링크드리스트 같은 것 짜다가 이것때문에 버그나면 찾기 정말 힘들다 ㅜ
- https://docs.python.org/3/reference/simple_stmts.html#assignment-statements
아이템들을 0,..,n 으로 매핑하기
- 예를들어 names = ['abc', 'def', 'cc', 'dd'] 이런 리스트가 있을때, 저 아이템들을 0,1,2,3으로 매핑하는 테이블을 만들고 싶음
- names가 미리 다 주어져있다면.. id_by_name = {x:i for i, x in enumerate(set(names))} 으로 만들수 있다
- names가 계속 추가되는 상황이라면.. id_by_name = collections.defaultdict(itertools.count().next) 으로 만드는 기발한 방법이 있다.

속도 최적화 vs 예쁜 코드

기존에 속도에 관해서 언급한 부분들은 Python 3.11 이후에는 맞지 않을 수 있으니 무시할 것. 결정 자체는 바뀌지 않는다
- 파이썬 코드 수행시간
파이썬에는 시간이 오래 걸릴것처럼 안보이는데 실제로는 시간이 많이 걸리는 부분들이 있다.
이런 것들을 어떤 방식으로 쓸지 정리해보자. 경우에 따라서는 가독성을 위해서 일부러 속도가 더 느린 쪽을 선택하는 것도 필요하다
Type annotation ⇒ 쓴다.
- 단순히 타입 어노테이션을 쓰는것만으로 수행시간이 좀 늘어날수 있다.
- 타입 어노테이션을 쓰기 위해 collection.abc나 typing을 임포트하게 된다면 더 많은 추가시간이 걸린다.
  - 타입 어노테이션
- 하지만 그래봐야 최대 200ms 정도이다. 이 시간를 아끼자고 타입 어노테이션을 안쓰는 것은 아닌듯 하다. 라이브러리에서는 항상쓰고, 그 외에도 필요하면 쓰자.
TypeAlias ⇒ 쓴다
- 우선 Type annotation을 사용한다는 전제이다. 복잡한 타입에 대한 alias 변수를 만들때, 그 변수의 타입에 TypeAlias 표기를 해주느냐의 여부이다.
- TypeAlias를 붙여주기 위해서는 typing을 반드시 import해줘야 하므로 100ms 가량의 추가시간이 걸린다.
- 아주 흔히 쓰이는 Graph 타입 역시 Graph: TypeAlias = Sequence[Collection[int]] 으로 쓰여지게 되므로, dfs,bfs 등등 모든 graph 관련 문제의 수행시간이 100ms 가량 길어진다..
- 하지만 그래봐야 인풋크기에 비례해서 커지는것도 아니고, 감수할만 하다. 라이브러리에서는 항상쓰고, 그 외에도 필요하면 쓰자.
List
- l.pop() 와 del l[-1] 의 속도차이는 거의 없다 ⇒ l.pop()를 사용하자.
- l.append(x)와 l += [x] ⇒ l.append()를 사용.
- l.extend([1,2,3])과 l += [1,2,3] 의 속도차이는 거의 없다. ⇒ l.extend() 를 사용하자
Set
- |=, &=, -=, ^= 대신에 update, intersection_update, difference_update, symmetric_difference_update를 사용하자. (List와 일관성을 유지하기 위해서)
Tuple
- 리스트를 튜플로 바꿀때 ⇒ tuple(l) 을 쓰자
  - tuple(l) vs (*l,) 인데.. 가독성은 비슷하고, 속도는 tuple(l)이 3배정도 빠르다. (l의 길이가 작으면 거의 무의미한 차이이기는 하다)
functools.reduce ⇒ 사용하지 않는다.
- 합을 구할때는 sum(), 곱을 구할때는 math.prod() 를 쓰면 된다.
- 그 외의 경우(예를 들면 xor) 에는 functools.reduce(operator.xor, nums) 보다 그냥 루프를 돌면서 계산하는게 속도가 좀더 빠르다. 그렇다고 functools.reduce를 쓰는것이 루프를 쓰는것보다 딱히 엄청 컴팩트한것도 아니다. 그냥 루프를 쓰자
  - 11868 문제에서 reduce는 104ms, 루프는 64ms가 걸렸다
** 연산자 => 쓸 일이 별로 없다
- 제곱근의 정수부 ⇒ math.isqrt 를 쓴다
  - int(n**0.5)와 math.isqrt(n) 중에서 선택. 속도 차이는 별로 신경 안써도 된다. 적어도 100,000번 이상은 이 계산을 해야 속도 차이가 미세하게 나는데 (isqrt쪽이 20%정도 빠르다) 그런 경우는 별로 없었기에.. 그냥 보기에 예쁜걸로 하자. math.isqrt(n)이 좀더 의도를 명확히 하는 느낌이니 이쪽으로 사용하자 (import math가 번거롭지만 감수하자)
- 제곱근 ⇒ 역시 math.sqrt 를 쓴다
  - n**0.5와 math.sqrt(n) 의 차이인데.. 우선 이경우는 n**0.5쪽이 미세하게 빠르다. 하지만 일관성을 위해 math.sqrt(n)을 쓰자.
- 제곱 ⇒ x*x를 쓴다
  - x**2 보다 x*x 가 많이 빠르다. 연산이 한번 더 들어가서 (a-b)**2 꼴이 되더라도 (a-b)*(a-b)가 더 빠르다.
- n승 ⇒ 필요하면 써야지..
  - 이때는 필요하면 쓰겠지만.. n이 커지면 보통 모듈러를 취해야 할 경우가 많을텐데. 그러면 아마 pow(x, n, MOD)를 쓰게되지 않을까..
enumerate
- 일반적인 경우 ⇒ 당연히 가능한 사용한다.
- zip과 함께 쓸 경우 ⇒ 사용하지 않는다
  - enumerate(zip(list1, list2)) 이런식으로 쓰고 싶을때가 가끔 있는데. 그때는 그냥
    - for i, (x1, x2) in enumerate(zip(list1, list2)): … 이것보다는
    - for i, x1, x2 in zip(range(n), list1, list2)): … 이거를 쓴다.
    - 코드도 짧고 속도도 후자가 빠르다. (전자 코드 1508ms vs 후자 코드 1200ms)
itertools.count
- c++에서의 for(int i=1; cond(i); ++i) {doSomething();} 에 대응되는 용법으로 사용되는 경우. ⇒ 사용한다
  - 이 경우에 파이썬에서 대체가능한 후보는 크게 3가지이다
    - itertools.takewhile 같은 방법은 후보에도 껴줄수 없다;
  - 1) while-loop
    - i = 1 while cond(i): do_something() i +=1
  - 2) for-loop with range
    - for i in range(MAX): if not cond(i): break do_something()
  - 3) for-loop with itertools.count
    - for i in itertools.count(): if not cond(i): break do_something()
  - 속도 측면에서는 2,3,1 순으로 빨랐다.
  - 코드의 예쁜정도에는 장단점이 있다.
    - (1)은 변수를 루프 밖에서 선언해야 한다는 점. do_something()에 해당되는 부분이 길어지면 루프변수를 증가시키는 부분이 루프 초기화 부분과 멀어져서 눈에 잘 안띈다는점이 감점 요인이다.
    - (2)는 MAX에 해당하는 값을 로직마다 다르게 잡아줘야 하고, 때로는 그값을 잡는게 어려울수도 있다는 점. 코드만 봐서는, MAX값에 도달하기 전에 반드시 종료조건을 만족하는 i가 등장한다는 것이 드러나지 않는다는 점이 감점요인.
      - MAX를 sys.maxsize 나 뭔가 무한대의 느낌을 주는 값으로 일정하게 쓰는 방식으로 위의 단점들을 커버할수 있긴 한데.. 그러면 다른 단점들이 생긴다;;
    - (3)은.. itertools.count가 좀 생소하게 보일수 있다는 점과, import하는게 귀찮다는 점이 감점요인.
  - 종합한 결론: (3)을 쓰자. 그래도 이게 제일 의도를 명확하게 드러내준다. (2)에 비해 속도가 느린것을 감수할정도로.
    - MAX에 도달해서 끝나는 상황이 가능한 경우.. 즉, cond(i)가 i<X and f(i) 이런식인 경우에는 당연히 range를 쓴다
    - cond가 루프변수에 무관한 상황에서, 루프가 몇번 돌았는지 확인하는게 주된 목적인 경우에는 억지로 카운트 변수로 for루프를 돌리는것보다 그냥 while 루프를 쓰는게 맞다.
      - count = 0 while cond(): count += 1 do_something()
divmod ⇒ 여간해서는 쓰지 말자.
- 놀랍게도 // 와 % 을 각각 하는것보다 느리다. (펑션콜 오버헤드때문에). n이 매우 커지면 divmod쪽이 빨라진다고 한다
  - https://stackoverflow.com/questions/30079879/is-divmod-faster-than-using-the-and-operators
- 이것을 쓰는 쪽이 가독성이 매우 좋아질 경우에만 쓰도록 하자. 그런데 그런 경우는 거의 못봤다..
class
- __slots__ ⇒ 사용하자
  - 자주 접근하는 멤버변수라면 접근 속도면에서 이득이 있고, 메모리도 줄어든다고 하고, 안쓸 이유가 없다.
- xxx = self.xxx 트릭 ⇒ 비사용
  - 어트리뷰트 룩업 시간을 줄이기 위한 트릭인데.. slots를 사용한 상태라면 속도면에서 큰 이득이 없다.
삼항연산자
- a if cond else b ⇒ 이 형태로 쓴다.
- (b,a)[cond] 는 보기에 매우 불편하다.
map, filter ⇒ 기본적으로 비사용
- 기본원칙은 list comprehension / generator expression으로 통일하는것.
- map을 쓰기 위해서 lambda 함수를 만들어야 하는 경우에는 원칙에 예외가 없다.
- lambda없이 사용할 때에는, map이 더 빠른 경우가 있기는 하다.. ⇒ 라이브러리 코드에서만 허용하자.
  - 예를 들면 dot-product를 구할때에 map 버전이 빠르다. 1533 기준, 472ms vs 788ms.
    - sum(map(operator.mul, x_vec, y_vec)) ⇒ 가장 빠르다
    - sum(x*y for x,y in zip(x_vec, y_vec))
    - sum([x*y for x,y in zip(x_vec, y_vec)]) ⇒ 가장 느리다
functools.cache ⇒ 사용하자
- Top-down으로 재귀적으로 DP를 계산할때 메모이제이션을 간단하게 처리해주는 데코레이터이다.
- 그냥 dict를 이용해서 table을 직접 만들어서 메모이제이션을 처리해주면 조금 더 빠르기는 한데.. 그렇게 큰 차이는 안난다.
  - 17613기준으로 268ms vs 296ms (python 3.11)
- 속도차이가 크지 않고, 코드가 많이 깔끔해지므로 라이브러리를 사용하자.
min, max ⇒ 가급적 사용
- 인자가 두개인 경우에는 if문과 비교연산자로 바꿀수 있고, 인자로 iterable가 들어오는 경우에는 for loop으로 바꿀수 있다.
- 두경우 다 min 함수를 안쓰고 구현하는 쪽이 더 빠르다. 하지만 함수를 쓰는편이 코드상으로는 당연히 더 컴팩트하다
- 기본적으로는 웬만하면 min 함수를 사용하는 것으로 한다.
- a = min(a, b) 와 같은 코드의 경우 if b<a: a= b 로 풀어쓰는 쪽이 속도가 상당히 빠르다. 이 부분이 많이 반복된다면 if문으로 써도 된다. 라이브러리 코드에서도 이경우에는 if를 쓰자.
  - 횟수가 10만번만 되어도..
- m = min(a,b) 같은 경우에도 m = a if a<b else b 로 풀어쓰는 쪽이 속도가 꽤 빠르다. 이 부분이 많이 반복된다면 if문으로 써도 된다. 라이브러리 코드에서도 이경우에는 if를 쓰자.
- 리스트에서 최솟값을 찾는 m=min(l) 같은 경우는 웬만하면 이대로 쓰자
- 리스트의 원소에서 변형된 값의 최솟값을 찾을때에는 min을 쓰는 것에도 몇가지 방법이 있다.
  - 1) min(f(x) for x in l)
  - 2) min([f(x) for x in l])
  - 3) f(min(l, key=f))
  - f가 깔끔하게 나오는지 람다함수로 만들어줘야 하는지에 따라 다르기는 한데..
  - 그냥 튜플의 리스트들에서, 각 튜플의 x번째 값들중 최솟값을 찾는것 같은 경우에는
    - 그냥 루프를 직접 짜는게 제일 빠르고, 그 다음은 min(l, key=operator.itemgetter(1))[1], min([y for x,y,z in l]), min(y for x,y,z in l) 순으로 빠르다

consider using in
- https://pylint.readthedocs.io/en/latest/user_guide/messages/refactor/consider-using-in.html
- 예쁜 코드: a in (x, y) 또는 a in {x, y}
- 빠른 코드: a == x or a == y
- 결정
  - a == x or a == y
  - pylint 는 디폴트로 서프레션시키자.
  - {x, y, z}가 픽스되어있고, 원소가 3개 이상이면 in을 쓰는 쪽이 빠르다. 이때는 a in s 를 쓰자

idiom

두개의 정렬된 리스트를 머지하기
- ```
merged_list = list1 + list2
merged_list.sort()
```
- 원래 머지를 위해서 제공되는 라이브러리함수는 heapq.merge이다.
  - 여러 리스트를 병합할수 있고, 이터레이터를 리턴해준다. 여러 리스트를 힙에 저장해서 갖고 있기 때문에, 리스트가 2개밖에 없을때에는 투머치다..
- 그냥 리스트 두개를 합친 다음에 정렬하는 것이 더욱 빠르다
  - 파이썬의 timsort가 이렇게 거의 정렬된 데이터에 대해서는 O(n)에 가깝게 동작하기 때문이다
  - https://earthly.dev/blog/python-timsort-merge/에 따르면 합친 리스트의 길이가 100만 이하라면 그냥 소트를 쓰라고 한다

버전별 추가 피쳐

v3.8
- Assignment expression
- f'{expr=}'
- pow(x, -1, mod)
- math.perm, math.comb
- math.isqrt

v3.9
- graphlib
- @cache

v3.10
- Structural Pattern Matching
- Advanced Type Hint
  - list[int] style (= typing.List[int])
  - int | str style (= typing.Union[int, str])
- zip(…, strict=x)
- bisect.bisect(…, key=x)
- itertools.pairwise
- @dataclasses.dataclass(…, slots=xxx)

v3.11
- Faster python이 적용됨
- Self 타입

v3.12
- type parameter syntax
- itertools.batched
- math.sumprod

v3.13
- ps기준 별차이 없음

각 사이트별 python 버전

(2024/12/06 기준) (pypy는 대응되는 python 버전으로 표시)
백준 - python 3.13.1 / pypy 3.10.12
atcoder - python 3.11.4 / pypy 3.10
- (+numpy,sortedcontainers,networkx,ac-library-python, …)
코드포스 - python 3.8.10 / pypy 3.10
리트코드 - python 3.11 (+sortedcontainers)
프로그래머스 - python 3.8.5

목차

Python

몰랐던 문법과 팁들

속도 최적화 vs 예쁜 코드

idiom

버전별 추가 피쳐

각 사이트별 python 버전