python-patterns

Python 개발 패턴

견고하고 효율적이며 유지보수 가능한 애플리케이션 구축을 위한 파이써닉한 패턴과 모범 사례입니다.

활성화 시기

• 새 Python 코드 작성 시
• Python 코드 리뷰 시
• 기존 Python 코드 리팩터링 시
• Python 패키지/모듈 설계 시

핵심 원칙

1. 가독성이 중요합니다

Python은 가독성을 우선시합니다. 코드는 명확하고 이해하기 쉬워야 합니다.

# 좋음: 명확하고 읽기 쉬움
def get_active_users(users: list[User]) -> list[User]:
    """제공된 목록에서 활성 사용자만 반환합니다."""
    return [user for user in users if user.is_active]


# 나쁨: 영리하지만 혼란스러움
def get_active_users(u):
    return [x for x in u if x.a]

2. 명시적인 것이 암시적인 것보다 낫습니다

매직을 피하고 코드가 무엇을 하는지 명확히 하세요.

# 좋음: 명시적인 구성
import logging

logging.basicConfig(
    level=logging.INFO,
    format='%(asctime)s - %(name)s - %(levelname)s - %(message)s'
)

# 나쁨: 숨겨진 부작용
import some_module
some_module.setup()  # 이게 뭘 하는 거죠?

3. EAFP - 허락보다 용서를 구하는 것이 더 쉽습니다

Python은 조건 확인보다 예외 처리를 선호합니다.

# 좋음: EAFP 스타일
def get_value(dictionary: dict, key: str, default_value: Any = None) -> Any:
    try:
        return dictionary[key]
    except KeyError:
        return default_value

# 나쁨: LBYL(뛰기 전에 살펴보기) 스타일
def get_value(dictionary: dict, key: str, default_value: Any = None) -> Any:
    if key in dictionary:
        return dictionary[key]
    else:
        return default_value

타입 힌트

기본 타입 애너테이션

from typing import Optional, List, Dict, Any

def process_user(
    user_id: str,
    data: Dict[str, Any],
    active: bool = True
) -> Optional[User]:
    """사용자를 처리하고 업데이트된 User 또는 None을 반환합니다."""
    if not active:
        return None
    return User(user_id, data)

최신 타입 힌트 (Python 3.9+)

# Python 3.9+ - 내장 타입 사용
def process_items(items: list[str]) -> dict[str, int]:
    return {item: len(item) for item in items}

# Python 3.8 및 이전 - typing 모듈 사용
from typing import List, Dict

def process_items(items: List[str]) -> Dict[str, int]:
    return {item: len(item) for item in items}

타입 별칭과 TypeVar

from typing import TypeVar, Union

# 복잡한 타입을 위한 타입 별칭
JSON = Union[dict[str, Any], list[Any], str, int, float, bool, None]

def parse_json(data: str) -> JSON:
    return json.loads(data)

# 제네릭 타입
T = TypeVar('T')

def first(items: list[T]) -> T | None:
    """첫 번째 항목을 반환하거나 목록이 비어 있으면 None을 반환합니다."""
    return items[0] if items else None

프로토콜 기반 덕 타이핑

from typing import Protocol

class Renderable(Protocol):
    def render(self) -> str:
        """객체를 문자열로 렌더링합니다."""

def render_all(items: list[Renderable]) -> str:
    """Renderable 프로토콜을 구현하는 모든 항목을 렌더링합니다."""
    return "\n".join(item.render() for item in items)

오류 처리 패턴

특정 예외 처리

# 좋음: 특정 예외 잡기
def load_config(path: str) -> Config:
    try:
        with open(path) as f:
            return Config.from_json(f.read())
    except FileNotFoundError as e:
        raise ConfigError(f"설정 파일을 찾을 수 없음: {path}") from e
    except json.JSONDecodeError as e:
        raise ConfigError(f"설정의 JSON이 잘못됨: {path}") from e

# 나쁨: 맨손 except
def load_config(path: str) -> Config:
    try:
        with open(path) as f:
            return Config.from_json(f.read())
    except:
        return None  # 조용한 실패!

예외 연결

def process_data(data: str) -> Result:
    try:
        parsed = json.loads(data)
    except json.JSONDecodeError as e:
        # 추적을 보존하기 위해 예외 연결
        raise ValueError(f"데이터 구문 분석 실패: {data}") from e

사용자 정의 예외 계층 구조

class AppError(Exception):
    """모든 애플리케이션 오류에 대한 기본 예외입니다."""
    pass

class ValidationError(AppError):
    """입력 유효성 검사가 실패할 때 발생합니다."""
    pass

class NotFoundError(AppError):
    """요청한 리소스를 찾을 수 없을 때 발생합니다."""
    pass

# 사용법
def get_user(user_id: str) -> User:
    user = db.find_user(user_id)
    if not user:
        raise NotFoundError(f"사용자를 찾을 수 없음: {user_id}")
    return user

컨텍스트 관리자

리소스 관리

# 좋음: 컨텍스트 관리자 사용
def process_file(path: str) -> str:
    with open(path, 'r') as f:
        return f.read()

# 나쁨: 수동 리소스 관리
def process_file(path: str) -> str:
    f = open(path, 'r')
    try:
        return f.read()
    finally:
        f.close()

사용자 정의 컨텍스트 관리자

from contextlib import contextmanager

@contextmanager
def timer(name: str):
    """코드 블록의 시간을 측정하는 컨텍스트 관리자입니다."""
    start = time.perf_counter()
    yield
    elapsed = time.perf_counter() - start
    print(f"{name} took {elapsed:.4f} seconds")

# 사용법
with timer("data processing"):
    process_large_dataset()

컨텍스트 관리자 클래스

class DatabaseTransaction:
    def __init__(self, connection):
        self.connection = connection

    def __enter__(self):
        self.connection.begin_transaction()
        return self

    def __exit__(self, exc_type, exc_val, exc_tb):
        if exc_type is None:
            self.connection.commit()
        else:
            self.connection.rollback()
        return False  # 예외를 억제하지 않음

# 사용법
with DatabaseTransaction(conn):
    user = conn.create_user(user_data)
    conn.create_profile(user.id, profile_data)

컴프리헨션과 제너레이터

리스트 컴프리헨션

# 좋음: 간단한 변환을 위한 리스트 컴프리헨션
names = [user.name for user in users if user.is_active]

# 나쁨: 수동 루프
names = []
for user in users:
    if user.is_active:
        names.append(user.name)

# 복잡한 컴프리헨션은 확장해야 함
# 나쁨: 너무 복잡함
result = [x * 2 for x in items if x > 0 if x % 2 == 0]

# 좋음: 제너레이터 함수 사용
def filter_and_transform(items: Iterable[int]) -> list[int]:
    result = []
    for x in items:
        if x > 0 and x % 2 == 0:
            result.append(x * 2)
    return result

제너레이터 표현식

# 좋음: 지연 평가를 위한 제너레이터
total = sum(x * x for x in range(1_000_000))

# 나쁨: 큰 중간 리스트를 생성함
total = sum([x * x for x in range(1_000_000)])

제너레이터 함수

def read_large_file(path: str) -> Iterator[str]:
    """큰 파일을 한 줄씩 읽습니다."""
    with open(path) as f:
        for line in f:
            yield line.strip()

# 사용법
for line in read_large_file("huge.txt"):
    process(line)

데이터 클래스와 네임드 튜플

데이터 클래스

from dataclasses import dataclass, field
from datetime import datetime

@dataclass
class User:
    """자동 __init__, __repr__, __eq__가 있는 사용자 엔터티."""
    id: str
    name: str
    email: str
    created_at: datetime = field(default_factory=datetime.now)
    is_active: bool = True

# 사용법
user = User(
    id="123",
    name="Alice",
    email="[email protected]"
)

유효성 검사가 있는 데이터 클래스

@dataclass
class User:
    email: str
    age: int

    def __post_init__(self):
        # 이메일 형식 검증
        if "@" not in self.email:
            raise ValueError(f"잘못된 이메일: {self.email}")
        # 나이 범위 검증
        if self.age < 0 or self.age > 150:
            raise ValueError(f"잘못된 나이: {self.age}")

네임드 튜플

from typing import NamedTuple

class Point(NamedTuple):
    """불변 2D 포인트."""
    x: float
    y: float

    def distance(self, other: 'Point') -> float:
        return ((self.x - other.x) ** 2 + (self.y - other.y) ** 2) ** 0.5

# 사용법
p1 = Point(0, 0)
p2 = Point(3, 4)
print(p1.distance(p2))  # 5.0

데코레이터

함수 데코레이터

import functools
import time

def timer(func: Callable) -> Callable:
    """함수 실행 시간을 측정하는 데코레이터."""
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        start = time.perf_counter()
        result = func(*args, **kwargs)
        elapsed = time.perf_counter() - start
        print(f"{func.__name__} took {elapsed:.4f}s")
        return result
    return wrapper

@timer
def slow_function():
    time.sleep(1)

# slow_function() prints: slow_function took 1.0012s

매개변수화된 데코레이터

def repeat(times: int):
    """함수를 여러 번 반복하는 데코레이터."""
    def decorator(func: Callable) -> Callable:
        @functools.wraps(func)
        def wrapper(*args, **kwargs):
            results = []
            for _ in range(times):
                results.append(func(*args, **kwargs))
            return results
        return wrapper
    return decorator

@repeat(times=3)
def greet(name: str) -> str:
    return f"Hello, {name}!"

# greet("Alice")는 ["Hello, Alice!", "Hello, Alice!", "Hello, Alice!"]를 반환합니다.

클래스 기반 데코레이터

class CountCalls:
    """함수가 호출된 횟수를 세는 데코레이터."""
    def __init__(self, func: Callable):
        functools.update_wrapper(self, func)
        self.func = func
        self.count = 0

    def __call__(self, *args, **kwargs):
        self.count += 1
        print(f"{self.func.__name__}가 {self.count}번 호출되었습니다")
        return self.func(*args, **kwargs)

@CountCalls
def process():
    pass

# process()를 호출할 때마다 호출 횟수가 출력됩니다.

동시성 패턴

I/O 바운드 작업을 위한 스레딩

import concurrent.futures
import threading

def fetch_url(url: str) -> str:
    """URL을 가져옵니다 (I/O 바운드 작업)."""
    import urllib.request
    with urllib.request.urlopen(url) as response:
        return response.read().decode()

def fetch_all_urls(urls: list[str]) -> dict[str, str]:
    """여러 URL을 스레드를 사용하여 동시에 가져옵니다."""
    with concurrent.futures.ThreadPoolExecutor(max_workers=10) as executor:
        future_to_url = {executor.submit(fetch_url, url): url for url in urls}
        results = {}
        for future in concurrent.futures.as_completed(future_to_url):
            url = future_to_url[future]
            try:
                results[url] = future.result()
            except Exception as e:
                results[url] = f"오류: {e}"
    return results

CPU 바운드 작업을 위한 멀티프로세싱

def process_data(data: list[int]) -> int:
    """CPU 집약적인 계산."""
    return sum(x ** 2 for x in data)

def process_all(datasets: list[list[int]]) -> list[int]:
    """여러 데이터셋을 여러 프로세스를 사용하여 처리합니다."""
    with concurrent.futures.ProcessPoolExecutor() as executor:
        results = list(executor.map(process_data, datasets))
    return results

동시 I/O를 위한 Async/Await

import asyncio

async def fetch_async(url: str) -> str:
    """URL을 비동기식으로 가져옵니다."""
    import aiohttp
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as response:
            return await response.text()

async def fetch_all(urls: list[str]) -> dict[str, str]:
    """여러 URL을 동시에 가져옵니다."""
    tasks = [fetch_async(url) for url in urls]
    results = await asyncio.gather(*tasks, return_exceptions=True)
    return dict(zip(urls, results))

패키지 구성

표준 프로젝트 레이아웃

myproject/
├── src/
│   └── mypackage/
│       ├── __init__.py
│       ├── main.py
│       ├── api/
│       │   ├── __init__.py
│       │   └── routes.py
│       ├── models/
│       │   ├── __init__.py
│       │   └── user.py
│       └── utils/
│           ├── __init__.py
│           └── helpers.py
├── tests/
│   ├── __init__.py
│   ├── conftest.py
│   ├── test_api.py
│   └── test_models.py
├── pyproject.toml
├── README.md
└── .gitignore

임포트 규칙

# 좋음: 임포트 순서 - 표준 라이브러리, 서드파티, 로컬
import os
import sys
from pathlib import Path

import requests
from fastapi import FastAPI

from mypackage.models import User
from mypackage.utils import format_name

# 좋음: 자동 임포트 정렬을 위해 isort 사용
# pip install isort

패키지 내보내기를 위한 init.py

# mypackage/__init__.py
"""mypackage - 샘플 Python 패키지."""

__version__ = "1.0.0"

# 패키지 수준에서 주요 클래스/함수 내보내기
from mypackage.models import User, Post
from mypackage.utils import format_name

__all__ = ["User", "Post", "format_name"]

메모리 및 성능

메모리 효율을 위한 slots 사용

# 나쁨: 일반 클래스는 __dict__를 사용함 (더 많은 메모리)
class Point:
    def __init__(self, x: float, y: float):
        self.x = x
        self.y = y

# 좋음: __slots__는 메모리 사용을 줄임
class Point:
    __slots__ = ['x', 'y']

    def __init__(self, x: float, y: float):
        self.x = x
        self.y = y

대용량 데이터를 위한 제너레이터

# 나쁨: 메모리에 전체 목록을 반환함
def read_lines(path: str) -> list[str]:
    with open(path) as f:
        return [line.strip() for line in f]

# 좋음: 한 번에 한 줄씩 생성함
def read_lines(path: str) -> Iterator[str]:
    with open(path) as f:
        for line in f:
            yield line.strip()

루프에서 문자열 연결 피하기

# 나쁨: 문자열 불변성으로 인해 O(n²)
result = ""
for item in items:
    result += str(item)

# 좋음: join을 사용하여 O(n)
result = "".join(str(item) for item in items)

# 좋음: 구축을 위해 StringIO 사용
from io import StringIO

buffer = StringIO()
for item in items:
    buffer.write(str(item))
result = buffer.getvalue()

Python 도구 통합

필수 명령어

# 코드 포맷팅
black .
isort .

# 린팅
ruff check .

# 타입 검사
mypy .

# 테스트
pytest

# 의존성 관리 (pip 사용)
pip freeze > requirements.txt

# 의존성 관리 (Poetry 사용)
poetry export -f requirements.txt --output requirements.txt

추가 자료

• PEP 8 – Python 코드 스타일 가이드
• PEP 484 – 타입 힌트
• PEP 557 – 데이터 클래스
• Python 모범 사례를 위한 "Fluent Python"

참여하기

이 패턴 세트를 개선하기 위한 제안이나 풀 리퀘스트를 환영합니다. 저장소를 포크하고 개선 사항을 기여해 주세요.