1차원 배열 데이터를 효율적으로 탐색하기 위해 두 개의 인덱스 포인터를 조절하는 **투 포인터(Two Pointers)**와 창(Window)을 이동시키는 슬라이딩 윈도우(Sliding Window) 기법을 다룹니다.
4. 실전 파이썬(Python 3) 알고리즘 구현 코드 및 라인별 주석 해설
본 레슨의 핵심 연산 매커니즘을 파이썬 3 환경에서 가장 효율적이고 직관적으로 구현한 실전 소스 코드입니다. 모든 주요 라인마다 상세한 한글 주석이 기재되어 있어 코드의 흐름을 쉽고 명확하게 이해할 수 있습니다.
from collections import deque
# 1. 투 포인터 (Two Pointers - 특정 연속 합 S 구하기)
def count_subarray_sum(arr: list, target: int) -> int:
"""부분 수열의 합이 target인 경우의 수 구하기 (O(N))"""
count = 0
current_sum = 0
right = 0
# left 포인터를 0부터 시작하여 이동
for left in range(len(arr)):
# current_sum이 target보다 작은 동안 right 포인터를 전진
while current_sum < target and right < len(arr):
current_sum += arr[right]
right += 1
# 정확히 target에 도달한 경우 카운트 증가
if current_sum == target:
count += 1
# 다음 left 조사를 위해 현재 left 원소를 뺌
current_sum -= arr[left]
return count
# 2. 슬라이딩 윈도우 (Sliding Window - 고정 크기 K 최댓값)
def max_sub_array_of_size_k(arr: list, k: int) -> int:
"""크기 K의 슬라이딩 윈도우 구간 합 중 최댓값 구하기 (O(N))"""
if len(arr) < k:
return 0
# 최초 k개 원소의 합 계산
window_sum = sum(arr[:k])
max_val = window_sum
# 윈도우를 한 칸씩 오른쪽으로 이동하며 계산 (O(1) 갱신)
for i in range(k, len(arr)):
# 윈도우에 새 원소(arr[i])를 추가하고, 맨 앞 원소(arr[i-k])를 제거
window_sum += arr[i] - arr[i - k]
max_val = max(max_val, window_sum)
return max_val
if __name__ == "__main__":
nums = [1, 2, 3, 2, 5, 2, 2, 1, 1]
print("합이 5인 연속 부분 배열 개수:", count_subarray_sum(nums, 5))
print("크기 3인 윈도우 최대 합:", max_sub_array_of_size_k(nums, 3))
파이썬 소스 코드 핵심 포인트 해설
count_subarray_sum(): 두 개의 인덱스(left,right)를 우측으로 이동시키며 $O(N)$ 선형 타임 조회를 달성합니다.window_sum += arr[i] - arr[i-k]: 슬라이딩 윈도우의 핵심 매커니즘으로, 맨 앞을 빼고 새 원소를 더해 $O(1)$ 연산으로 윈도우를 갱신합니다.
5. 알고리즘 설계 및 최적화 실무 지침 (Best Practices & Complexity Audit)
본 07. 투 포인터(Two Pointers)와 슬라이딩 윈도우(Sliding Window) - 1차원 배열 $O(N)$ 연속 탐색 레슨에서 익힌 핵심 알고리즘 메커니즘을 코딩 테스트 및 대규모 웹/서버 엔지니어링 환경에 도입할 때 반드시 체크해야 하는 튜닝 가이드입니다.
1) 공간/시간 복잡도 한계 및 메모리 사용 제어
- 콜 스택 오버플로우(Stack Overflow) 예방: 파이썬의 기본 재귀 깊이 제한은 1,000회입니다. 재귀 탐색이 깊어질 경우
import sys; sys.setrecursionlimit(10**6)을 설정하거나 명시적 스택/반복문(Tabulation)으로 전환해야 합니다. - 파이썬 내장 라이브러리 적극 활용: 파이썬 내장 C-API 기반 라이브러리인
collections.deque(선형 BFS),heapq(다익스트라/우선순위 큐),bisect(이분 탐색),functools.lru_cache(Top-down DP)를 활용하면 직접 구현한 코드보다 3~5배 이상 빠르게 동작합니다. - 빠른 입출력(Fast I/O) 적용: 백준/프로그래머스 등 대용량 입력 문제에서는
import sys; input = sys.stdin.readline을 상단에 지정하여 I/O 시간 초과를 완벽히 예방합니다.
2) 예외 케이스(Edge Cases) 및 코딩 테스트 체크리스트
- 입력 경계값 검증: $N=1$ 이거나 $N=0$ 인 극단적 최소 입력, 혹은 모든 요소의 값이 동일한 경우(Corner Case)에 대한 예외 처리를 누락하지 않습니다.
- 무한 루프 및 사이클 감지: 그래프/트리 탐색 시 방문 처리 배열(
visited[])의 업데이트 위치를 정확히 지정하여 중복 큐 삽입으로 인한 메모리 초과를 예방합니다.
6. 핵심 요약 및 실무 FAQ (Summary & Q&A)
Q1. 파이썬 코드 주석에서 강조된 성능 핵심은 무엇인가요?
- 코드 주석에서 명시하듯, 선형 큐 탐색에는 $O(N)$의
list.pop(0)대신 $O(1)$의collections.deque.popleft()를 사용하는 등 파이썬 자료구조의 내부 복잡도를 명확히 파악하고 작성하는 것입니다.
Q2. 실무 개발에서 본 파이썬 알고리즘 패턴은 어디에 활용되나요?
- 백엔드 데이터 파이프라인, Django/FastAPI 비동기 스케줄링, 데이터 분석 및 Machine Learning 전처리 파이프라인의 핵심 데이터 구조 연산으로 널리 활용됩니다.