본문으로 바로가기
파이썬 딕셔너리와 코딩 테스트 활용
LinkedInGitHub
WORKSPACE

EXPLORER

157 POSTS
BLOG
면접질문
해야하는 거
AI 시대, 개발자는 사라지는가?
Python Counter, 빈도수를 쉽게 세는 방법
정렬
1. 투 포인터
DFS와 BFS
알고리즘 논리
코딩 테스트 핵심 알고리즘 정리파이썬 딕셔너리와 코딩 테스트 활용
예시로 살펴보는 AXAX 프로젝트, 문제 정의부터 확산까지AX 시대의 가치 정의와 현장 리딩
MSA
1. Singleton PatternSOLID
Kafka의 핵심 설계 원리Kafka 메시징 시스템의 구성과 동작 방식Kafka 기본 개념과 EC2 Docker 구성
쿠버네티스 입문
Modular Monolith1. MonolithMSA, 서비스 분리와 운영의 원리
Socket이란 무엇인가
네크워크 참조 모델
전체 데이터 구조REST API의 개념과 설계 원칙2. Field/ Parameter / Argument/ this
Actuator 란?EntityManagerJPA 연관관계 매핑JPA 트랜잭션(Transaction)입력값 검증Java의 AOP(Aspect Oriented Programming)Async : AsynchronousBeanJPA(Java Persistence API)Proxy 패턴Spring MVCdocker container1. Spirng 필요컴포넌트 스캔
Spring 컨테이너
application.yamlLombok
이번 강의는 무엇을 노리고 있을까?Spring AI를 배우기 전에 정리할 것23
1. 기술 스택
개발 문서를 읽기 위한 핵심 기술 용어
Docker를 이해하기 위한 운영체제 기초
sigterm
6. 설정과 저장소, 앱을 운영할 수 있는 상태로 만들기5. Service와 Ingress, 요청은 어디로 흐를까4. 직접 실험하는 Kubernetes, Pod 복구부터 롤백까지3. kubectl과 Pod, 상태에서 원인을 찾는 법2. 클러스터는 명령을 어떻게 Pod로 바꿀까1. 쿠버네티스, 원하는 상태와 컨테이너 이미지Calico쿠버네티스 입문, 원하는 상태를 유지하는 시스템
Psql JSONB, 행 잠금, 멱등성Psql 함수,프로시져,트리거
머신러닝 입문딥러닝 학습 기본 개념데이터 시각화기초 통계와 ML 파이프라인 연결분석 자동화와 파이프라인 설계
CNN 아키텍처 발전 과정이미지 세그멘테이션 모델과 핵심 개념객체 탐지 모델과 핵심 개념
딥러닝 데이터셋 엔지니어링
딥러닝 학습 문제 진단과 디버깅
도메인 적응 방법현대 LLM 워크플로의 패턴
Transformer에서 LoRA 적용 대상 정하기LoRA (Low-Rank Adaptation)
LLM 양자화와 QLoRA
분산 학습과 MLOps딥러닝 모델 경량화와 추론 최적화딥러닝 기본 학습 테크닉딥러닝 중급 학습 테크닉
Mixture of Experts(MoE) 핵심 개념멀티모달 파운데이션 모델 핵심 개념State Space Model과 MambaTransformer와 Vision Transformer
Latent Space
1Chunking?
DevOps 기초 1편
실습에서는?Agile 개요, 왜 필요한가?
CI/CD 기초 4편: 배포 전략과 운영CI/CD 기초 3편: Jenkins와 Argo CD를 이용한 GitOps 배포CI/CD 기초 2편: Docker 이미지와 배포 파이프라인CI/CD 기초 1편: 개념과 GitHub Actions
OCI: 컨테이너 이미지와 런타임의 공통 표준Docker 기초 13편: Compose Healthcheck와 실전 구성Docker 기초 12편: Compose 네트워크와 VolumeDocker 기초 11편: Compose 명령어와 환경 변수Docker 기초 10편: Compose 기본 구조와 이미지 빌드Docker 기초 9편: Docker 및 Kubernetes 네트워크Docker 기초 8편: 컨테이너 런타임과 격리Docker 기초 7편: 이미지 Layer와 tar 내부 구조Docker 기초 6편: 이미지 Layer와 빌드 최적화Docker 기초 5편: 컨테이너 기본 명령어와 VolumeDocker 기초 4편: 가상화와 컨테이너 이미지 생명주기Docker 기초 3편: CI/CD 연결과 배포 원칙Docker 기초 2편: Layer, Registry, Volume과 NetworkDocker 기초 1편: Dockerfile, Image와 Container
NginxNginx 로드 밸런싱과 HTTPSNginx 리버스 프록시와 Spring Boot 연결Nginx 기초와 동작 구조
05. Pinia 상태 관리: store 설계와 사용법04. Vue 컴포넌트 설계: props, emit, slot과 생명주기03. Vue Composition API 정리02. Vue 기초 문법 점검: JavaScript, 템플릿01. Vue.js 입문: 핵심 구조와 렌더링
Java 심화 Part 3: 함수형 프로그래밍과 LambdaJava 심화 Part 2: AnnotationJava 심화 Part 1: Reflection
Java 기초 Part 5: Stream APIJava 기초 Part 4: 제네릭Java 기초 Part 3: 제어문Java 기초 Part 2: 주석과 JavadocJava 기초 Part 1: 백엔드 배경과 Java 실행 구조
Java 디버깅 Part 1: 자주 헷갈리는 핵심 개념Java 디버깅 Part 2: VS Code 자동 컴파일과 프로젝트 구조
Java 실행과 JVM Part 3: ClassLoader와 JVM 메모리Java 실행과 JVM Part 2: 메모리와 데이터 흐름Java 실행과 JVM Part 1: Java와 Python 컴파일 비교
Java 객체지향 Part 5: static 메서드와 중첩 클래스Java 객체지향 Part 4: 상속과 인터페이스Java 객체지향 Part 3: 좋은 설계와 OOP 4대 특성Java 객체지향 Part 2: OOP 핵심 문법Java 객체지향 Part 1: 클래스, 객체, 필드와 생성자
Spring 기초 Part 11: Actuator와 애플리케이션 모니터링Spring 기초 Part 10: 비동기 처리와 @AsyncSpring 기초 Part 9: JPA 트랜잭션과 동시성 제어Spring 기초 Part 8: AOP와 공통 관심사 분리Spring 기초 Part 7: Proxy 패턴과 Spring ProxySpring 기초 Part 6: JPA 연관관계 매핑Spring 기초 Part 5: EntityManager와 영속성 컨텍스트Spring 기초 Part 4: JPA, Entity와 RepositorySpring 기초 Part 3: REST API 요청값과 입력값 검증Spring 기초 Part 2: Spring MVC 요청 처리 흐름Spring 기초 Part 1: IoC, Bean, DI와 주요 Annotation
DNS = Domain Name System
Spring Boot, WebSocket, Vue, Docker 로 Raspberry Pi 실시간 모니터링 프로젝트 만들기 - 1편1. Spring Boot 구현
1. GitHub Project 만들기
Python 코드 품질: 디버깅부터 테스트와 자동화까지Python 01. 실행 구조와 실무 기초
sLLM 핵심 기술과 전체 구조제한된 자원에서 sLLM 구축하기
시대 단상에 대한 주저리주저리
WORKSPACE

SEARCH

제목, 카테고리와 태그로 검색하세요.

VERSION CONTROL

SOURCE CONTROL

masterGitHub Pages
저장소 열기
BUILD STATUS

RUN AND DEBUG

게시물은 GitHub Actions에서 검증하고 정적 페이지로 빌드합니다.

Actions 열기
WORKSPACE

MANAGE

홈 열기전체 게시물태그 보기블로그 소개
파이썬 딕셔너리와 코딩 테스트 활용●
workspace>posts>algorithm>python>dictionary.md
Algorithm / Python2026.08.291 min read4 tags

파이썬 딕셔너리와 코딩 테스트 활용

파이썬 딕셔너리의 기본 사용법과 빠른 조회 특성을 코딩 테스트 문제에 활용하는 방법을 정리한다.

딕셔너리(Dictionary)

딕셔너리는 키(key)로 값(value)을 빠르게 찾기 위한 자료구조다. 파이썬에서는 중괄호 {}로 만들며, 일반적으로 조회, 추가, 수정이 평균 O(1)에 가능하다.

rank = {
    "mumu": 0,
    "soe": 1,
    "poe": 2,
}

print(rank["soe"])  # 1
rank["soe"] = 0     # 값 수정

코딩 테스트에서 딕셔너리는 “이 값이 몇 번째지?”, “이 이름의 정보는 무엇이지?”처럼 값을 기준으로 빠르게 위치나 정보를 찾아야 할 때 특히 유용하다.


예제: 달리기 경주에서 추월 처리하기

선수들의 현재 순위가 players에 들어 있고, 해설진이 추월한 선수의 이름을 callings로 부른다. 이름이 불린 선수는 자기 바로 앞 선수를 추월한다.

players = ["mumu", "soe", "poe", "kai", "mine"]
callings = ["kai", "kai", "mine", "mine"]

첫 번째 calling이 "kai"라면 현재 순위는 다음과 같다.

[mumu, soe, poe, kai, mine]
                 ↑
                kai

kai는 바로 앞의 poe를 추월한다.

[mumu, soe, kai, poe, mine]

처음 떠올리기 쉬운 방법: 리스트의 index

이름으로 현재 등수를 찾기 위해 다음처럼 작성할 수 있다.

position = players.index("kai")

하지만 list.index는 앞에서부터 하나씩 비교하므로 O(N)이 걸린다. callings가 M개라면 최악의 경우 O(N x M)이 되어, 입력이 크면 시간 초과가 날 수 있다.

선수의 순위는 자주 바뀌지만, “이름 -> 현재 인덱스”를 딕셔너리로 저장하면 해당 선수를 평균 O(1)에 찾을 수 있다.


풀이: 이름 -> 현재 등수를 딕셔너리로 저장하기

def solution(players, callings):
    # 선수 이름: 현재 인덱스
    rank = {player: i for i, player in enumerate(players)}

    for player in callings:
        current_rank = rank[player]             # 호출된 선수의 현재 등수
        front_player = players[current_rank - 1]  # 바로 앞 선수의 이름

        # players 리스트에서 두 선수의 위치를 교환
        players[current_rank - 1], players[current_rank] = (
            players[current_rank],
            players[current_rank - 1],
        )

        # 리스트가 바뀌었으므로 딕셔너리의 등수도 함께 갱신
        rank[player] = current_rank - 1
        rank[front_player] = current_rank

    return players
print(solution(
    ["mumu", "soe", "poe", "kai", "mine"],
    ["kai", "kai", "mine", "mine"],
))
# ['mumu', 'kai', 'mine', 'soe', 'poe']

동작 과정

호출된 선수추월 전교환한 선수추월 후
kaimumu, soe, poe, kai, minepoemumu, soe, kai, poe, mine
kaimumu, soe, kai, poe, minesoemumu, kai, soe, poe, mine
minemumu, kai, soe, poe, minepoemumu, kai, soe, mine, poe
minemumu, kai, soe, mine, poesoemumu, kai, mine, soe, poe

이 풀이에서 중요한 점은 리스트와 딕셔너리를 둘 다 갱신한다는 것이다.

  • players: “현재 i등 선수는 누구인가?”를 찾는다.
  • rank: “이 선수는 현재 몇 등인가?”를 찾는다.

한쪽만 바꾸면 두 자료구조의 정보가 달라져 다음 호출에서 잘못된 선수를 교환하게 된다.

시간, 메모리 복잡도

  • 초기 rank 생성: O(N)
  • 각 추월 처리: 딕셔너리 조회, 리스트 두 칸 교환, 딕셔너리 갱신 모두 평균 O(1)
  • 전체 시간: O(N + M)
  • 추가 메모리: rank 딕셔너리 O(N)

N은 선수 수, M은 호출 횟수다.


이 풀이에서 사용한 딕셔너리 문법

1. 딕셔너리 만들기

rank = {"mumu": 0, "soe": 1}

2. 키로 값 조회하기

current_rank = rank["mumu"]

키가 없을 가능성이 있다면 get을 쓴다. 키가 없을 때 오류 대신 기본값을 돌려준다.

current_rank = rank.get("mumu", -1)

3. 값 추가 또는 수정하기

없는 키라면 추가하고, 이미 있는 키라면 값을 수정한다.

rank["kai"] = 3
rank["kai"] = 2

4. 리스트를 순회하며 인덱스도 함께 얻기

enumerate는 순서가 있는 자료를 돌면서 인덱스와 값을 함께 준다.

players = ["mumu", "soe", "poe"]

for i, player in enumerate(players):
    print(i, player)

# 0 mumu
# 1 soe
# 2 poe

이를 한 줄로 쓴 것이 딕셔너리 컴프리헨션이다.

rank = {player: i for i, player in enumerate(players)}
# {"mumu": 0, "soe": 1, "poe": 2}

5. 두 값 교환하기

파이썬에서는 임시 변수를 만들지 않고 두 값을 바꿀 수 있다.

a, b = b, a

players[current_rank - 1], players[current_rank] = (
    players[current_rank],
    players[current_rank - 1],
)

딕셔너리는 언제 사용할까?

다음 단서가 보이면 딕셔너리를 먼저 떠올려 볼 수 있다.

문제의 단서딕셔너리 활용 방식예시
이름, 번호, ID로 정보를 찾음이름/ID -> 정보 저장회원 ID -> 점수
특정 값의 위치를 자주 찾음값 -> 인덱스 저장선수 이름 -> 현재 등수
등장 횟수를 세야 함값 -> 개수 저장단어 빈도, 의상 종류
중복 여부를 빠르게 확인키 존재 여부 확인이미 방문한 정점
두 데이터를 대응시켜야 함한 값 -> 관련 값 저장알파벳 -> 숫자, 도시 -> 거리
같은 분류끼리 모아야 함키 -> 리스트 저장과목 -> 수강생 목록

대표 패턴

빈도 세기:

count = {}

for number in numbers:
    count[number] = count.get(number, 0) + 1

존재 여부 확인:

if name in rank:
    print("등록된 선수입니다.")

키와 값을 함께 순회하기:

for player, position in rank.items():
    print(player, position)

딕셔너리의 키는 변하지 않는 값이어야 한다. 문자열, 정수, 튜플은 키가 될 수 있지만 리스트나 딕셔너리는 키가 될 수 없다.


접근 방법은 알겠는데 문법이 막힐 때

“이름 -> 순위로 빠르게 찾아야 하니 딕셔너리가 필요하다”까지 생각했다면 알고리즘 방향은 이미 맞았다. 이때는 문제 전체를 멈추기보다 필요한 문법을 작은 단위로 확인하면 된다.

  1. 필요한 데이터 관계를 한국어로 쓴다: “선수 이름을 넣으면 현재 인덱스가 나와야 한다.”
  2. 자료구조를 한 줄로 만든다: rank = {player: i for i, player in enumerate(players)}
  3. 작은 예제로 조회, 수정만 따로 해 본다.
  4. 그 뒤 반복문 안에 넣는다.
players = ["a", "b", "c"]
rank = {player: i for i, player in enumerate(players)}

print(rank["b"])  # 1

rank["b"] = 0
print(rank)       # {'a': 0, 'b': 0, 'c': 2}

코딩 테스트에서는 자주 쓰는 아래 세 문법만 먼저 익혀도 많은 딕셔너리 문제를 풀 수 있다.

value = dictionary[key]                 # 조회
dictionary[key] = value                 # 추가 또는 수정
dictionary[key] = dictionary.get(key, 0) + 1  # 기본값을 이용한 누적
TAGS#Python#Algorithm#Dictionary#Hash
PREVIOUSTransformer에서 LoRA 적용 대상 정하기NEXTDFS와 BFS
DISCUSSION

COMMENTS

GitHub 계정으로 로그인하여 댓글을 남길 수 있습니다. 댓글은 GitHub Discussions에 공개 저장되며, 작성 내용과 GitHub 프로필 정보가 다른 방문자에게 보일 수 있습니다.

GitHub 로그인 후 댓글 쓰기Discussion 열기
DOCUMENT STRUCTURE

이 문서에는 목차가 없습니다.

DOCUMENT INFO
TYPE
Markdown
DATE
2026.08.29
READ
1 min read
WORDS
0
CATEGORY
Algorithm / Python
RELATED DOCUMENTS
코딩 테스트 핵심 알고리즘 정리Python Counter, 빈도수를 쉽게 세는 방법DFS와 BFSPython 코드 품질: 디버깅부터 테스트와 자동화까지Python 01. 실행 구조와 실무 기초정렬
main Algorithm / Python
1 min readUTF-8Markdown
본문 글씨 크기
RECENTLY OPENED1
파이썬 딕셔너리와 코딩 테스트 활용recently opened