🔗

import

import란?

Python에서 import는 다른 모듈이나 패키지(라이브러리)의 코드를 현재 프로그램에서 사용할 수 있게 해주는 핵심 기능입니다. 필요한 도구를 도구상자에서 꺼내 사용하는 것처럼, import를 통해 Python의 다양한 기능과 라이브러리를 우리의 코드에서 활용할 수 있습니다.

이를 통해 직접 모든 기능을 구현할 필요 없이, 이미 잘 만들어진 코드 재사용을 통해 효율적으로 프로그래밍을 할 수 있습니다.

import는 반드시 다른 사람이 만든 코드나 라이브러리만을 가져오는 것이 아닙니다. 자신이 직접 만든 Python 파일(.py)이나 모듈도 import할 수 있습니다. 예를 들어 1. 'my_functions.py'라는 파일에 자신만의 함수를 정의하고 2. 다른 Python 파일에서 'import my_functions'로 불러와 사용할 수 있습니다. 이는 큰 프로젝트를 여러 파일로 나누어 관리하거나, 자주 사용하는 기능을 모듈화할 때 매우 유용합니다. 이처럼 import는 코드의 재사용성과 모듈화를 가능하게 하는 강력한 도구입니다.

라이브러리란 무엇인가?

앞서 설명한 import 기능을 통해 우리는 '라이브러리'를 사용할 수 있다고 했는데, 그렇다면 라이브러리는 정확히 무엇일까요?

라이브러리는 프로그래밍에서 자주 사용되는 코드들을 재사용하기 쉽게 만들어 모아놓은 코드 묶음입니다. 마치 실제 도서관처럼, 필요한 기능들을 찾아서 가져다 쓸 수 있는 코드의 보관소라고 생각하면 됩니다.

예를 들어 - NumPy: 수학적 계산을 위한 라이브러리 - Pandas: 데이터 분석을 위한 라이브러리 - Matplotlib: 그래프 그리기를 위한 라이브러리 이러한 라이브러리들은 각각의 특정 목적을 위해 잘 만들어진 도구들의 모음입니다.

라이브러리를 사용하면 직접 모든 기능을 구현할 필요가 없어 개발 시간을 크게 절약할 수 있습니다. 또한 많은 개발자들이 이미 테스트하고 개선한 검증된 코드를 활용할 수 있으며, 복잡한 기능도 간단하게 구현할 수 있다는 장점이 있습니다.

라이브러리 설치 방법

Python의 외부 라이브러리(Python에 기본 내장되지 않은 공유 라이브러리)를 설치하는 가장 일반적인 방법은 pip를 사용하는 것입니다. pip는 Python Package Installer의 약자로, Python의 패키지 관리자입니다. 이를 통해 명령어 한 줄로 필요한 라이브러리를 쉽게 설치할 수 있습니다.

# 기본 설치 형식
pip install 라이브러리이름

# 예시
pip install numpy
pip install pandas
pip install matplotlib
Bash
복사

주의사항: - 일부 라이브러리는 의존성 문제로 인해 추가 설치가 필요할 수 있습니다 - 버전을 지정하여 설치하려면 pip install 라이브러리이름==버전 형식을 사용합니다 - 가상환경(Virtual Environment)을 사용하면 프로젝트별로 다른 버전의 라이브러리를 관리할 수 있습니다

설치가 완료되면 import 문을 사용하여 해당 라이브러리를 프로그램에서 사용할 수 있습니다.

# 설치된 라이브러리 사용 예시
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
Python
복사

라이브러리 기능 설명

모든 라이브러리를 상세히 설명할 수는 없으나, 우리 프로젝트에 필요한 라이브러리는 아래 페이지에서 다루겠습니다. 필요한 특정 함수들은 수시로 업데이트할 예정입니다.

라이브러리

google colab의 미리 설치되어있는 라이브러리

우리가 주로 사용중인 Google Colab은 많은 데이터 과학자들이 사용하는 클라우드 기반의 Python 개발 환경입니다. 편리하게도 NumPy, Pandas, Matplotlib과 같은 널리 사용되는 데이터 과학 라이브러리들이 이미 사전 설치되어 있어, 별도의 설치 과정 없이 바로 import하여 사용할 수 있습니다.

만약 사전 설치되지 않은 라이브러리가 필요한 경우, Colab 노트북에서 !pip install 명령어를 사용하여 쉽게 설치할 수 있습니다.

# Google Colab에서 새로운 라이브러리 설치하기
!pip install 라이브러리이름

# 사전 설치된 라이브러리는 바로 import 가능
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
Python
복사

as (별칭) 사용하기

'as'는 import한 라이브러리나 모듈에 별칭(nickname)을 부여하는 키워드입니다. 긴 이름의 라이브러리를 더 짧고 간단한 이름으로 사용할 수 있게 해줍니다.

예를 들어: - 'import numpy as np'는 'numpy' 라이브러리를 'np'라는 짧은 이름으로 사용하겠다는 의미입니다 - 이후 코드에서는 'numpy' 대신 'np'만 써도 됩니다 - np.array(), np.sum() 처럼 더 간단하게 사용 가능합니다

# as를 사용하지 않은 경우
import numpy
result = numpy.array([1, 2, 3])

# as를 사용한 경우
import numpy as np
result = np.array([1, 2, 3])  # 더 간단하고 읽기 쉬움
Python
복사

이러한 별칭 사용은 특히 데이터 과학 분야에서 널리 사용되는 관행이며, 코드를 더 간결하고 읽기 쉽게 만들어줍니다.

np.array() 함수 이해하기

앞서 def 함수에서 배운 것처럼, Python에서는 함수를 정의하고 호출할 수 있습니다. np.array()의 경우, numpy 라이브러리 안에 정의된 array라는 함수를 호출하는 것입니다.

# numpy 라이브러리를 np라는 별칭으로 import
import numpy as np

# np(numpy)의 array 함수를 호출
numbers = np.array([1, 2, 3, 4, 5])  # 리스트를 numpy 배열로 변환 
Python
복사

실제 NumPy의 array() 함수는 더 많은 기능과 최적화가 포함되어 있습니다.

여기서 'np'는 numpy 라이브러리의 별칭이고, 'array'는 그 라이브러리 내부에 있는 함수의 이름입니다. 점(.)은 라이브러리 내부의 특정 함수나 기능에 접근할 때 사용하는 연산자입니다.

마치 우리가 직접 만든 함수를 호출할 때 함수이름()을 사용하는 것처럼, numpy 라이브러리의 array 함수도 np.array()와 같은 방식으로 호출합니다. 이는 모듈화된 프로그래밍의 좋은 예시입니다.

import 유형

•

전체 모듈 가져오기: import module_name전체 모듈을 가져오는 가장 기본적인 방법입니다. 모듈의 모든 기능을 사용할 수 있지만, 항상 module_name.function() 형태로 사용해야 합니다.

# 예시
import math
print(math.pi)  # math. 을 반드시 붙여야 함
print(math.sqrt(16))  # 4.0
Python
복사

•

특정 항목만 가져오기: from module_name import item_name모듈에서 특정 함수나 클래스만 가져옵니다. 이 방법을 사용하면 module_name을 매번 쓰지 않아도 됩니다.

# 예시
from math import pi, sqrt
print(pi)  # math. 없이 직접 사용 가능
print(sqrt(16))  # 4.0
Python
복사

•

여러 항목 가져오기: from module_name import item1, item2쉼표로 구분하여 여러 항목을 한 번에 가져올 수 있습니다. 자주 사용하는 함수들을 선택적으로 가져올 때 유용합니다.

# 예시
from datetime import datetime, date, time
current = datetime.now()
today = date.today()
Python
복사

•

모든 항목 가져오기: from module_name import *모듈의 모든 항목을 현재 네임스페이스로 가져옵니다. 편리하지만 코드의 명확성을 해칠 수 있어 주의가 필요합니다.

# 예시 (권장하지 않음)
from math import *
print(pi)  # 어느 모듈에서 왔는지 명확하지 않음
print(sqrt(16))  # 다른 모듈과 이름 충돌 가능성 있음
Python
복사

주의사항

from module_name import * 명령어는 라이브러리의 모든 함수를 한꺼번에 가져오는 방식입니다. 하지만 이는 기존에 선언한 변수나 함수명과 네임스페이스가 충돌할 수 있어 코드를 혼란스럽게 만들 수 있으므로 신중하게 사용해야 합니다.

# 나쁜 예시: * 사용으로 인한 네임스페이스 충돌 가능성
from math import *
from numpy import *

# sqrt()가 어느 모듈의 함수인지 불분명
result = sqrt(16)  # math의 sqrt일까? numpy의 sqrt일까?

# 좋은 예시: 명확한 import 사용
import math
import numpy as np

# 함수의 출처가 명확함
math_result = math.sqrt(16)
numpy_result = np.sqrt(16)
Python
복사

유용한 Python 내장 라이브러리

Python에는 별도의 설치 없이 바로 사용할 수 있는 강력한 내장 라이브러리들이 있습니다. 다음은 가장 자주 사용되는 내장 라이브러리들입니다:

•

datetime: 날짜와 시간을 다루는 기능을 제공합니다.

•

math: 수학적 함수와 상수를 제공합니다.

•

random: 난수 생성과 무작위 선택을 위한 함수들을 제공합니다.

•

os: 운영체제와 상호작용하는 기능을 제공합니다.

•

sys: Python 인터프리터와 관련된 기능을 제공합니다.

•

json: JSON 데이터를 처리하는 기능을 제공합니다.

•

re: 정규표현식을 사용할 수 있게 해주는 모듈입니다.

•

collections: 특수한 컨테이너 데이터형을 제공합니다.

•

time: 시간 관련 함수들을 제공합니다.

•

csv: CSV 파일을 읽고 쓰는 기능을 제공합니다.

•

itertools: 효율적인 반복을 위한 함수들을 제공합니다.

•

functools: 함수를 다루는 도구들을 제공합니다.

•

pathlib: 파일 시스템 경로를 객체지향적으로 다루는 기능을 제공합니다.

•

urllib: URL 처리를 위한 모듈들을 제공합니다.

•

socket: 네트워크 프로그래밍을 위한 인터페이스를 제공합니다.

# 내장 라이브러리 사용 예시
import datetime
import math
import random
import os

# 현재 날짜와 시간
print(datetime.datetime.now())

# 원주율 값
print(math.pi)

# 1부터 10 사이의 무작위 숫자
print(random.randint(1, 10))

# 현재 작업 디렉토리
print(os.getcwd())
Python
복사

이러한 내장 라이브러리들은 Python이 설치될 때 함께 제공되므로, 별도의 pip install 없이 바로 import하여 사용할 수 있습니다.

유용한 Python 외부 라이브러리

Python에서 가장 널리 사용되는 외부 라이브러리들을 소개합니다. 이들은 pip install 명령어를 통해 설치할 수 있습니다:

•

NumPy: 수치 계산과 다차원 배열을 위한 핵심 라이브러리입니다.

•

Pandas: 데이터 분석과 조작을 위한 강력한 도구를 제공합니다.

•

Plotly: 인터랙티브한 데이터 시각화를 위한 라이브러리로, 웹 기반의 동적인 그래프와 차트를 만들 수 있습니다.

•

Seaborn: 통계적 데이터 시각화를 위한 라이브러리로, Matplotlib을 기반으로 더 아름답고 정교한 그래프를 만들 수 있습니다.

•

Bokeh: 웹 브라우저에서 동작하는 인터랙티브한 시각화를 만들 수 있는 라이브러리입니다.

•

Altair: 선언적 방식의 통계 시각화 라이브러리로, 간단한 문법으로 복잡한 차트를 만들 수 있습니다.

•

Dash: Plotly를 기반으로 한 웹 애플리케이션 프레임워크로, 데이터 대시보드를 만들 수 있습니다.

•

PyViz: 다양한 시각화 도구들을 통합한 생태계로, HoloViews, Panel, hvPlot 등을 포함합니다.

•

Graphviz: 그래프와 네트워크 구조를 시각화하는데 특화된 라이브러리입니다.

•

Matplotlib: 데이터 시각화를 위한 기본적인 플로팅 라이브러리입니다.

•

Scikit-learn: 머신러닝을 위한 다양한 알고리즘과 도구를 제공합니다.

•

TensorFlow: 구글이 개발한 딥러닝 프레임워크입니다.

•

PyTorch: Facebook이 개발한 딥러닝 프레임워크입니다.

•

Requests: HTTP 요청을 쉽게 보낼 수 있는 라이브러리입니다.

•

Beautiful Soup: HTML과 XML 파싱을 위한 라이브러리입니다.

•

Pillow (PIL): 이미지 처리를 위한 라이브러리입니다.

•

Requests: HTTP 통신을 위한 간단하고 우아한 라이브러리입니다.

•

Django: 웹 개발을 위한 강력한 프레임워크입니다.

•

Flask: 가벼운 웹 애플리케이션 개발을 위한 프레임워크입니다.

•

Selenium: 웹 브라우저 자동화를 위한 도구입니다.

•

SQLAlchemy: SQL 데이터베이스를 위한 ORM 라이브러리입니다.

•

OpenCV: 컴퓨터 비전과 이미지 처리를 위한 라이브러리입니다.

•

Pytest: Python 코드 테스트를 위한 프레임워크입니다.

# 외부 라이브러리 설치 예시
pip install numpy pandas matplotlib scikit-learn

# 사용 예시
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# NumPy 배열 생성
arr = np.array([1, 2, 3, 4, 5])

# Pandas DataFrame 생성
df = pd.DataFrame({'numbers': arr})

# Matplotlib으로 그래프 그리기
plt.plot(arr)
plt.show()
Python
복사

이러한 외부 라이브러리들은 Python의 기능을 크게 확장하며, 데이터 과학, 웹 개발, 인공지능 등 다양한 분야에서 필수적으로 사용됩니다. 각 라이브러리는 공식 문서를 통해 자세한 사용법을 확인할 수 있습니다.

연습만이 성장의 지름길!

코딩은 직접 해봐야 합니다! colab으로 간단히 연습해 보세요. 프로젝트 전체가 아닌, 작은 코드 조각들을 하나씩 연습하는 것입니다. 이렇게 연습한 조각들이 모여 성공적인 프로젝트가 완성됩니다.

파이썬 colab으로 시작

Google Colab

https://colab.research.google.com/