모든 개발자가 알아야 할 11가지 Python 라이브러리 및 모듈

by

프로그래머를 위한 필수 도구: 라이브러리와 모듈

프로그래밍 작업 중, 때로는 표준적인 코딩만으로는 해결하기 어려운 문제에 직면하게 됩니다. 이러한 난관을 극복하기 위해, 다양한 라이브러리와 모듈의 도움이 필요합니다.

다행히도, Python은 수많은 모듈과 라이브러리를 폭넓게 지원합니다. Python은 개발을 위한 기본 내장 모듈뿐만 아니라, 외부에서 개발된 다양한 라이브러리와 모듈을 제공합니다. 이제 Python 프로젝트에서 유용하게 사용될 수 있는 내장 모듈과 외부 모듈들을 함께 살펴보도록 하겠습니다. 먼저, 내장 모듈부터 살펴보겠습니다.

# 파이썬 내장 모듈

Python은 다양한 사용 사례를 충족시키기 위해 많은 내장 모듈들을 포함하고 있습니다. 우리는 각 모듈의 사용법에 따라 차례대로 자세히 알아보겠습니다.

컬렉션: 컨테이너 데이터 타입

Python에는 데이터 콜렉션을 저장하는 다양한 유형의 컬렉션이 있습니다. 예를 들어, 튜플(tuple), 리스트(list), 딕셔너리(dict) 등이 대표적인 내장 컬렉션입니다. 이 외에도, collections 모듈은 내장 컬렉션에 추가적인 기능들을 제공합니다.

collections 모듈에서 제공하는 deque는 Python의 리스트와 유사하지만, 양쪽 끝에서 요소의 추가 및 제거가 가능하다는 특징이 있습니다. 또한, 일반 리스트보다 더 빠른 속도를 제공합니다. 이러한 특징을 바탕으로 필요에 따라 deque를 활용할 수 있습니다. 실제 코드를 통해 collections.deque를 어떻게 사용할 수 있는지 알아보겠습니다.

import collections

nums = [1, 2, 3]
# 리스트에서 deque 컬렉션 생성
deque = collections.deque(nums)

print(deque)

# 끝에 요소 추가
deque.append(4)

print(deque)

# 처음에 요소 추가
deque.appendleft(0)

print(deque)

# 끝 요소 제거
deque.pop()

print(deque)

# 처음 요소 제거
deque.popleft()

print(deque)

위의 코드를 실행하여 결과를 확인해 보세요. collections 모듈에는 이 외에도 다양한 데이터 컬렉션들이 있습니다.

몇 가지 예는 다음과 같습니다.

  • Counter
    리스트 내 요소들의 빈도수를 저장하는 딕셔너리를 반환합니다.
  • defaultdict
    dict 클래스의 하위 클래스입니다.
  • UserList
    리스트의 확장된 클래스에 사용됩니다.
  • UserDict
    딕셔너리의 확장된 클래스에 사용됩니다.
  • UserString
    str의 확장된 클래스에 사용됩니다.

더 자세한 내용은 collections 공식 문서에서 확인하실 수 있습니다.

참고: 객체의 모든 메서드를 확인하려면 Python 내장 함수인 dir(object)를 사용해 보세요.

CSV: 파일 처리

CSV (쉼표로 구분된 값) 파일은 테이블 형태의 데이터를 저장하는 데 사용됩니다. 주로 스프레드시트나 데이터베이스에서 데이터를 가져오거나 내보내는 데 사용되는 형식입니다. Python은 CSV 파일을 처리하기 위한 csv라는 내장 모듈을 제공합니다.

CSV 파일에서 데이터를 읽는 간단한 예제를 살펴보겠습니다.

먼저, 여러분의 노트북에 ‘sample.csv’ 파일을 생성하고 아래의 데이터를 붙여넣어 주세요.

Name,Age,Graduation Year
Hafeez,21,2021
Aslan,23,2019
Rambabu,21,2021

csv 모듈에는 파일을 읽고 쓰는 기능이 있습니다. 여기서는 csv 모듈을 사용하여 CSV 파일에서 데이터를 읽는 방법을 보여드리겠습니다.

import csv

with open('sample.csv') as file:
    # reader 객체 생성
    reader = csv.reader(file)
    
    # 루프를 사용해서 행 단위로 읽기
    for row in reader:
        # row는 CSV 파일에서 읽은 요소들을 담은 리스트
        # join(list) 메서드를 사용하여 리스트를 문자열로 변환 후 출력
        print(','.join(row))

위의 코드를 실행하고 결과를 확인해보세요.

데이터를 CSV 파일에 쓰는 데 사용되는 csv.writer() 객체도 있습니다. dir() 및 help() 내장 함수를 사용하여 다른 메서드들을 직접 탐색해보세요. JSON 파일을 처리하는 데 사용되는 JSON이라는 또 다른 내장 모듈도 있습니다.

random: 무작위 데이터 생성

Python의 random 모듈은 데이터를 무작위로 생성하는 데 사용됩니다. 이 모듈의 다양한 메서드를 사용하여 무엇이든 무작위로 생성할 수 있습니다. 예를 들어, 틱택토나 주사위 게임과 같은 어플리케이션에서 이 모듈을 활용할 수 있습니다.

지정된 범위 내에서 임의의 정수를 생성하는 간단한 프로그램을 살펴보겠습니다.

import random

# 1에서 100 사이의 임의의 숫자 생성
print(random.randint(1, 100))

dir() 및 help() 메서드를 사용하여 random 모듈의 다른 메서드들을 탐색해보세요. random 모듈을 사용하여 간단한 숫자 추측 게임을 만들어 보겠습니다.

숫자 추측 게임이란 무엇일까요?

프로그램은 1에서 100 사이의 임의의 숫자를 생성합니다. 사용자는 프로그램에서 생성된 숫자를 맞출 때까지 숫자를 입력합니다. 사용자가 입력한 숫자가 생성된 숫자보다 작은지, 큰지를 매번 알려줍니다. 마지막으로, 사용자가 숫자를 맞추기까지 시도한 횟수를 표시합니다.

아래 코드를 통해 숫자 추측 게임의 소스 코드를 확인해보세요.

# random 모듈 임포트
import random

# 임의의 숫자 생성
random_number = random.randint(1, 100)

# 추측 횟수 초기화
guess_count = 0

# 사용자가 숫자를 맞출 때까지 반복
while True:
    # 사용자로부터 입력 받기
    user_guessed_number = int(input("1에서 100 사이의 숫자를 입력하세요: "))

    # 숫자가 일치하는지 확인
    if user_guessed_number == random_number:
        print(f"정답입니다! {guess_count}번 만에 맞추셨네요.")
        # 반복문 종료
        break
    elif user_guessed_number < random_number:
        print("입력하신 숫자가 더 작습니다.")
    elif user_guessed_number > random_number:
        print("입력하신 숫자가 더 큽니다.")

    # 추측 횟수 증가
    guess_count += 1

Tkinter: GUI 어플리케이션

Tkinter는 GUI (그래픽 사용자 인터페이스) 어플리케이션 개발을 위한 내장 모듈입니다. 초보자에게 매우 편리하며, 계산기, 로그인 시스템, 텍스트 편집기 등과 같은 다양한 GUI 어플리케이션을 만들 수 있습니다. Tkinter를 사용한 GUI 개발에 대한 많은 자료들이 있습니다.

가장 좋은 학습 방법은 공식 문서를 참고하는 것입니다. Tkinter에 대한 더 자세한 정보를 얻고 아름다운 GUI 어플리케이션을 만들기 위한 여정을 시작해보세요.

# 외부 모듈

requests: HTTP 요청

requests 모듈은 서버에 다양한 유형의 HTTP 요청을 전송하는 데 사용됩니다. HTTP/1.1 요청을 전송할 수 있으며, Python 딕셔너리를 사용하여 헤더, 데이터 등을 추가할 수 있습니다. 이 모듈은 외부 모듈이므로 먼저 설치해야 합니다. 터미널 또는 명령 프롬프트에서 다음 명령을 실행하여 requests 모듈을 설치하세요.

pip install requests

requests 모듈은 사용하기 매우 간단합니다. 사전 지식 없이도 요청 작업을 시작할 수 있습니다. get 요청을 보내는 방법과 반환되는 내용을 살펴보겠습니다.

import requests

# get 요청 보내기
request = requests.get("https://www.google.com/")

# 결과 출력
print(request.status_code)
print(request.url)
print(request.request)

위의 코드는 status_code, URL, 그리고 요청 메서드 (GET, POST) 를 출력합니다. 또한, URL의 소스 코드도 얻을 수 있습니다. request.content로 바이트 형태로 접근할 수 있습니다. 자세한 내용은 requests 공식 문서에서 확인하세요.

BeautifulSoup4: 웹 스크래핑

BeautifulSoup 라이브러리는 웹 스크래핑에 사용됩니다. 이 모듈은 사용하기 편리하며, 초보자도 공식 문서를 참고하여 쉽게 시작할 수 있습니다. 고객 보고서 상세 정보를 스크래핑하는 간단한 코드를 살펴보겠습니다.

터미널 또는 명령 프롬프트에 다음 명령어를 입력하여 BeautifulSoup를 설치하세요.

pip install beautifulsoup4

이제 간단한 웹 스크래핑 프로그램을 실행해보겠습니다.

## BeautifulSoup을 사용한 ConsumerReport 제품 목록 스크래핑

## bs4, requests 모듈 임포트
import bs4
import requests

## URL 초기화
url = "https://www.consumerreports.org/cro/a-to-z-index/products/index.htm"

## requests 모듈의 get 메서드를 사용하여 페이지에서 응답 얻기
page = requests.get(url)

## 페이지의 내용을 변수에 저장
html = page.content

## BeautifulSoup 객체 생성
soup = bs4.BeautifulSoup(html, "lxml")

## 이름과 링크가 포함된 태그의 클래스 또는 id 확인
div_class = "crux-body-copy"

## find_all 메서드를 사용하여 모든 div 태그 가져오기
div_tags = soup.find_all("div", class_=div_class) ## 지정된 클래스를 가진 div 태그 찾기

## div 내부에 이름과 링크가 있는 a 태그를 모두 살펴보기
for tag in div_tags:
    print(tag)

위 코드를 실행하여 웹 스크래핑의 마법을 경험해보세요. 이 외에도 더 많은 웹 스크래핑 프레임워크를 시도해볼 수 있습니다.

# 데이터 과학 및 머신 러닝

데이터 과학 및 머신 러닝을 위해 특별히 개발된 몇 가지 라이브러리들이 있습니다. 이 라이브러리들은 모두 C언어로 개발되어 매우 빠른 속도를 자랑합니다.

NumPy

NumPy는 과학적인 계산에 사용되는 라이브러리입니다.

다차원 배열을 제공하며, Python 기본 배열보다 훨씬 효율적입니다. 주로 머신러닝 프로젝트에서 numpy를 사용하며, 배우기 쉽고 오픈 소스 라이브러리입니다. 대부분의 머신러닝 엔지니어나 데이터 과학자는 복잡한 수학 계산을 위해 이 모듈을 사용합니다.

다음 명령을 실행하여 numpy 모듈을 설치하세요.

pip install numpy

Pandas

Pandas는 데이터 분석을 위한 모듈입니다. pandas 라이브러리를 사용하여 데이터를 효과적으로 필터링할 수 있으며, 작업하기 편리한 다양한 데이터 구조를 제공합니다. 또한, 다양한 파일 형식에 대한 처리 기능도 지원합니다.

다음 명령어를 사용하여 pandas 모듈을 설치하세요.

pip install pandas

Matplotlib

Matplotlib는 2D 그래프 플로팅 라이브러리입니다. Matplotlib을 사용하여 데이터를 시각화할 수 있습니다.

다양한 형식의 이미지 파일을 생성할 수 있으며, 막대 그래프, 오류 그래프, 히스토그램, 산점도 등과 같은 다양한 유형의 다이어그램을 그릴 수 있습니다. 다음 명령어로 matplotlib를 설치할 수 있습니다.

pip install matplotlib

참고: Anaconda를 설치하면 데이터 과학에 필요한 모든 라이브러리와 모듈을 한 번에 얻을 수 있습니다.

데이터 과학 및 머신 러닝을 위해 Python을 학습하는 데 관심이 있으시다면, 훌륭한 Udemy 코스를 확인해보세요.

# 웹 프레임워크

Python에는 다양한 웹 프레임워크가 있습니다. 여기서는 개발자들이 널리 사용하는 두 가지 프레임워크, Django와 Flask에 대해 논의하겠습니다.

Django

Django는 Python으로 개발된 오픈 소스 웹 프레임워크입니다. Django를 사용하여 웹사이트를 쉽게 만들 수 있습니다. 이 프레임워크는 모든 유형의 웹사이트를 만들 수 있으며, Instagram, bitbucket, Disqus, Mozilla Firefox와 같은 유명한 웹사이트들이 Django를 사용하여 구축되었습니다.

  • Django는 복잡한 웹사이트를 빠르게 구축할 수 있는 기능을 제공합니다.
  • 웹 개발에 필요한 많은 작업을 자동으로 처리합니다.
  • SQL 인젝션, 크로스 사이트 스크립팅, 크로스 사이트 요청 위조, 클릭재킹 공격에 대한 보안을 제공합니다.
  • 콘텐츠 관리 시스템에서 소셜 웹사이트에 이르기까지 모든 유형의 웹사이트를 구축할 수 있습니다.

Django의 공식 문서는 명확하게 작성되어 있습니다. Django를 사용하려면 Python에 익숙해져야 합니다. 하지만 걱정하지 마세요. Django 학습은 어렵지 않습니다.

Flask

Flask는 Python으로 개발된 마이크로 웹 프레임워크입니다.

Django보다 더 Pythonic 합니다. 훌륭한 공식 문서를 제공하며, Jinja 템플릿 엔진을 사용합니다. 대규모 웹사이트를 Flask로 만드는 것은 복잡할 수 있습니다. URL 라우팅, 요청 디스패칭, 보안 쿠키, 세션과 같은 대부분의 기능은 Django와 Flask 모두에 있습니다.

웹사이트의 복잡성에 따라 적합한 프레임워크를 선택하세요. Django는 개발자들에게 매우 인기가 있으며, Python 웹 개발에서 가장 많이 사용되는 프레임워크 중 하나입니다.

결론

Python을 위한 다양한 모듈, 라이브러리, 프레임워크에 대해 알아보는 시간이 되셨기를 바랍니다.

모든 사람은 처음에는 초보자입니다.

무엇을 시작하든 먼저 공식 문서를 참고하여 학습을 시작하세요. 만약 문서 이해에 어려움을 느낀다면, 온라인 교육 웹사이트에서 적합한 강의를 찾아보세요.