AI - 파이썬(2): 반복문, 조건문, 딕셔너리, 리스트 컴프리헨션, 람다, map(), filter(), 클래스/객체
in DEV on AI, Ml, Python, Generative-ai, Llm, For-loop, Dictionary, List-comprehension, Lambda, Map, Filter, Class, Object, Python-basics
이 포스트에서는 반복문과 조건문, 딕셔너리, 리스트 컴프리헨션, 람다, map(), filter(), 마지막으로 클래스와 객체에 대해 알아본다.
목차
1. 반복문
파이썬은 for와 while 두 가지 반복문을 제공하지만, 여기서는 데이터 구조를 순회하며 작업하는 데 매우 효율적인 for 문에 집중한다.
five = [1, 2, 3, 4, 5]
print(f"리스트의 길이: {len(five)}")
# 출력: 리스트의 길이: 5
for i in five:
print(i, "end")
# 실행 결과
# 1 end
# 2 end
# 3 end
# 4 end
# 5 end
단순한 숫자 시퀀스를 반복해야 할 때는 range() 함수가 유용하다.
range() 는 필요한 시점에 숫자를 하나씩 생성해주어 메모리를 효율적으로 사용할 수 있게 해준다.
rten = range(10)
print(list(rten))
# 출력: [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
five1 = range(1, 6)
print(list(five1))
# 출력: [1, 2, 3, 4, 5]
ten9 = range(9, -1, -1)
print(list(ten9))
# 출력: [9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
for i in range(1, 3):
print(i, "end")
# 실행 결과
# 1 end
# 2 end
2. 조건문
num = 15
if num >= 10:
print("more than 10")
# 실행 결과
# more than 10
num2 = 10
if num2 % 2 == 0:
print("짝수")
else:
print("홀수")
# 실행 결과
# 짝수
함수는 def 키워드를 사용하여 정의한다.
def 함수이름(매개변수):
(함수 내용)
def number_check(num):
if num % 2 == 0:
print("짝수")
else:
print("홀수")
# 함수 호출
number_check(10)
# 실행 결과
# 짝수
- 매개 변수(Parameter)
- 함수를 정의할 때 사용하는 변수
- 위 예시에서는 num 이 매개 변수
- 함수 내부에서 사용될 값을 받아들이는 변수
- 전달 인자(Argument)
- 함수를 호출할 때 실제로 전달하는 값
- 위 예시에서 number_check(10)_의 _10 이 전달 인자
3. 생성형 인공지능 개발을 위한 파이썬 문법
3.1. 딕셔너리(Dictionary)
리스트가 순서(인덱스)를 기준으로 데이터를 나열한다면, 딕셔너리는 고유한 key 에 value 를 짝지어 저장하는 자료 구조이다.
순서가 아닌 의미 있는 이름(key)으로 데이터를 관리하고 싶을 때 유용하다.
파이썬에서는 중괄호 {} 를 사용하여 딕셔너리를 만들고, 내부에는 key:value 형태로 데이터를 저장한다.
people = {
"name": "assu",
"age": 20,
"hobby": "exercising"
}
# "name"이라는 key를 사용해서 value를 조회
print(people["name"])
# 실행 결과
# assu
딕셔너리가 AI 개발에서 특히 중요한 이유는, LLM 이 추론 결과를 대부분 딕셔너리 형태로 반환하기 때문이다.
모델이 생성한 텍스트, 관련 메타데이터 등을 key 를 통해 명확하게 접근할 수 있어 데이터를 파싱하고 활용하기에 매우 편리하다.
3.2. 리스트 컴프리헨션(List Comprehension)
리스트 컴프리헨션은 기존 리스트나 다른 순회 가능한 객체를 기반으로, 매우 간결하게 새로운 리스트를 만드는 방법이다.
컴프리헨션은 ‘내포’라는 우리말 뜻처럼, 리스트를 만드는 과정을 한 줄의 코드에 함축하고 있다.
AI 나 데이터 분석에서는 기존 데이터를 변형하거나 필터링하여 새로운 데이터셋을 만드는 작업이 끊임없이 발생한다.
이 때 리스트 컴프리헨션을 사용하면 코드가 짧아지고 가독성이 높아져 생산성이 크게 향상된다.
예를 들어 숫자 리스트의 각 요소를 2배로 만든 새로운 리스트를 만든다고 가정해보자.
일반 for 문 사용 시
numbers = [1, 2, 3, 4, 5]
double_numbers = []
for num in numbers:
double_numbers.append(num * 2)
print(double_numbers)
# 출력: [2, 4, 6, 8, 10]
리스트 컴프리헨션 사용 시
numbers = [1, 2, 3, 4, 5]
result = [a * 2 for a in numbers] # for문이 리스트 안으로 들어간 형태
print(result)
# 출력: [2, 4, 6, 8, 10]
for 루프를 돌면서 numbers 의 각 요소를 a 에 담고, a * 2 연산을 수행한 결과를 그대로 새 리스트의 요소로 만드는 과정이 단 한 줄로 완성되었다.
문자열 리스트를 가공하는 것도 가능하다.
names = ["assu", "silby", "jaehoon"]
labels = ["보고 싶은 " + name for name in names]
print(labels)
# 출력: ['보고 싶은 assu', '보고 싶은 silby', '보고 싶은 jaehoon']
리스트 컴프리헨션은 조건문을 포함하여 원하는 데이터만 필터링하는 기능도 제공한다.
# 1부터 10까지의 숫자 중 짝수만 골라 새로운 리스트 생성
evens = [b for b in range(1, 11) if b % 2 == 0]
print(evens)
# 출력: [2, 4, 6, 8, 10]
이제 이 개념을 실제 LLM 출력 데이터를 처리하는 상황에 적용해보자.
모델이 생성한 텍스트가 딕셔너리 리스트 형태로 반환되었을 때, 생성된 텍스트만 추출하여 새로운 리스트를 만드는 경우이다.
llm_outputs = [
{"generated_text": "안녕하세요."},
{"generated_text": "무엇을 도와드릴까요?"},
{"generated_text": "오늘 날씨가 좋아요."}
]
# 각 딕셔너리(aa)에서 "generated_text" 키의 값만 추출
texts = [aa["generated_text"] for aa in llm_outputs]
print(texts)
# 출력: ['안녕하세요.', '무엇을 도와드릴까요?', '오늘 날씨가 좋아요.']
이처럼 리스트 컴프리헨션은 AI 모델의 복잡한 출력 결과에서 원하는 정보만 효율적으로 뽑아내는데 매우 강력한 도구이다.
3.3. 람다(Lambda) 함수
람다 함수는 이름이 없는 한 줄짜리 함수이다. 그래서 익명 함수(Anonymous function)라고도 불린다.
def 키워드로 만드는 일반 함수와 달리, lambda 키워드를 사용하여 간단한 기능을 빠르게 정의할 때 사용한다.
람다 함수의 기본 구조는 아래와 같다.
lambda 매개변수: 표현식
# 예
lambda x: x*2
람다 함수는 아래 상황에서 많이 사용된다.
- 함수를 딱 한 번만 사용할 때
- 복잡한
def선언 없이 간단한 계산을 임시로 처리할 때 map(),filter()같은 다른 함수의 인자로 간단한 기능을 전달할 때
# x를 입력받아 x * 2를 반환하는 람다 함수
double = lambda x: x * 2
print(double(3))
# 출력: 6
# a와 b를 입력받아 a + b를 반환하는 람다 함수
value = lambda a, b: a + b
print(value(2, 3))
# 출력: 5
람다 함수는 여러 개의 매개변수를 받을 수 있지만, 표현식은 반드시 한 줄이어야 한다.
구조적인 작업을 처리해야 한다면 일반 함수(def)를, 잠깐 쓰고 버릴 간단한 계산이라면 람다 함수를 사용하는 것이 좋다.
3.4. map(), filter()
리스트 컴프리헨션도 훌륭하지만 함수형 프로그래밍 스타일로 데이터를 일괄 처리하고 싶을 때 map()과 filter() 는 매우 강력한 함수이다.
이 함수들은 데이터 리스트를 하나씩 자동으로 처리해주는데, 특히 람다 함수와 함께 사용될 때 그 진가가 드러난다.
3.4.1. map()
map() 함수는 리스트와 같은 순회 가능한 데이터의 모든 요소에 동일한 함수(작업)를 일괄적으로 적용하고 그 결과를 반환한다.
map(계산할 함수, 리스트)
map() 이 반환하는 값은 엄밀히 말해 리스트가 아닌 map 객체이므로, 결과를 눈으로 확인하려면 list() 로 감싸주어야 한다.
numbers = [1, 2, 3, 4, 5]
# numbers의 모든 요소(x)에 lambda x: x*2 함수를 적용
doubled = list(map(lambda x: x * 2, numbers))
print(doubled)
# 출력: [2, 4, 6, 8, 10]
names = ["assu", "silby"]
labels = list(map(lambda x: "보고 싶은 " + x, names))
print(labels)
# 출력: ['보고 싶은 assu', '보고 싶은 silby']
LLM 출력 결과에서 특정 값만 추출하는 작업도 map() 을 사용하면 매우 간결해진다.
results = [
{"generated_text": "안녕하세요"},
{"generated_text": "하하하"},
{"generated_text": "안녕, 반가워"}
]
# results의 모든 딕셔너리(x)에서 "generated_text" 키의 값을 추출
texts = list(map(lambda x: x["generated_text"], results))
print(texts)
# 출력: ['안녕하세요', '하하하', '안녕, 반가워']
3.4.2. filter()
filter() 함수는 이름 그대로 데이터의 각 요소를 특정 조건 함수로 테스트하여, True 인 것들만 걸러낸다.
filter(조건 함수, 리스트)
filter() 역시 filter 객체를 반환하므로 list() 로 변환해야 내용을 볼 수 있다.
numbers = [1, 2, 3, 4, 5, 6]
# numbers의 요소(x) 중 짝수(x % 2 == 0)인 것만 필터링
evens = list(filter(lambda x: x % 2 == 0, numbers))
print(evens)
# 출력: [2, 4, 6]
texts = ["안녕하세요", "하하하", "안녕, 반가워"]
# "안녕"으로 시작하는 텍스트만 필터링
greetings = list(filter(lambda x: x.startswith("안녕"), texts))
print(greetings)
# 출력: ['안녕하세요', '안녕, 반가워']
LLM 결과 중에서 특정 조건을 만족하는 결과물만 추려낼 때도 유용하다.
results = [
{"generated_text": "안녕하세요"},
{"generated_text": "하하하"},
{"generated_text": "안녕, 반가워"}
]
# generated_text가 "안녕"으로 시작하는 딕셔너리만 필터링
greetings = list(filter(lambda x: x["generated_text"].startswith("안녕"), results))
print(greetings)
# 출력: [{'generated_text': '안녕하세요'}, {'generated_text': '안녕, 반가워'}]
3.5. 클래스(class)와 객체(object)
객체는 속성(데이터)과 기능(함수)를 함께 묶어놓은 실체를 의미한다. 그리고 이 객체를 어떻게 만들어야 할지 정의해 놓은 설계도가 클래스이다.
- 속성(Attribute)
- 객체가 가지는 데이터나 상태
- 기능(Method)
- 객체가 수행할 수 있는 동작이나 기능
# 클래스 정의 (설계도 만들기)
class Robot:
# 객체가 생성될 때 속성을 초기화하는 특별한 메서드
def __init__(self, name, color):
# self는 만들어지는 객체 자기 자신을 가리킵니다.
self.name = name # 이 객체의 name 속성에 입력받은 name을 저장
self.color = color # 이 객체의 color 속성에 입력받은 color를 저장
# 객체의 기능(메서드) 정의
def introduce(self):
print(f"안녕하세요, 저는 {self.color}의 {self.name}입니다.")
# 객체 생성 (설계도로 실제 제품 만들기)
robot1 = Robot("말하는 로봇", "노랑색")
robot2 = Robot("듣는 로봇", "녹색")
# 객체의 메서드 호출
robot1.introduce()
robot2.introduce()
안녕하세요, 저는 노랑색의 말하는 로봇입니다.
안녕하세요, 저는 녹색의 듣는 로봇입니다.
__init__(self, ...)는 초기화 메서드(initializer)라고 불리며, _Robot(…)_처럼 클래스를 통해 객체를 생성할 때 가장 먼저 자동으로 호출된다.
객체가 처음 만들어질 때 필요한 속성들을 설정하는 역할을 한다.
self는 클래스 안의 메서드에서 항상 첫 번째 매개변수로 사용되며, 메서드를 호출한 객체 자신을 가리킨다.
참고 사이트 & 함께 보면 좋은 사이트
본 포스트는 이영호 저자의 모두의 인공지능 with 파이썬을 기반으로 스터디하며 정리한 내용들입니다.
