# append()와 pop()을 사용한다. => 상수시간 O(N)만큼 거림
stack = []
stack.append(5)
stack.append(2)
stack.pop()
print(stack[::-1]) # 최상단 원소부터 출력
print(stack) # 최하단 원소부터 출력
큐 자료구조
먼저 들어온 데이터가 먼저 나가는 형식(선입선출)의 자료구조
입구와 출구가 모두 뚫려 있는 형태로 큐를 시각화 할 수 있다.
deque 라이브러리를 사용
list로도 구현할 수 있으나, 시간복잡도가 더 높아 비효율적으로 동작할 수 있음
append()와 popleft() 함수 사용
from collections import deque
# 큐 구현을 위해 deque 라이브러리 사용=> 시간복잡도는 상수시간 O(N)
queue = deque()
queue.append(5)
queue.append(2)
queue.popleft()
print(queue) # 먼저 들어온 순서대로 출력
queue.reverse() # 역순으로 변환
print(queue) # 나중에 들어온 원소부터 출력
재귀 함수
def recursive_function(i):
# 100번째 호출을 했을 때 종료되도록 종료 조건 명시
if i == 100:
return
print(i, "번째 재귀함수에서", i + 1, "번째 재귀함수를 호출합니다.")
recursive_function(i + 1)
print(i, "번째 재귀함수를 종료합니다.")
recursive_function(1)
# 반복적으로 구현한 n!
def factorial_iterative(n):
result = 1
# 1부터 n까지의 수를 차례대로 곱하기
for i in range(1, n + 1):
result *= i
return result
# 재귀적으로 구현한 n!
def factorial_recursive(n):
if n<= 1: # 1! or 0!은 1임
return 1
# n! = n * (n-1)!를 그대로 코드로 작성
return n * factorial_recursive(n - 1)
# 각각의 방식으로 구현한 팩토리얼 출력
print('반복적으로 구현: ', factorial_iterative(5))
print('재귀적으로 구현: ', factorial_recursive(5))
유클리드 호제법
두 개의 자연수에 대한 최대공약수를 구하는 대표적인 알고리즘
두 자연수 A, B에 대하여 (A>B) A를 B로 나눈 나머지를 R이라 하자. 이때 A와 B의 최대공약수는 B와 R의 최대공약수와 같다.
유클리드 호제법의 아이디어를 그대로 재귀 함수로 작성할 수 있다.
def gcd(a, b):
if a % b == 0:
return b
else:
return gcd(b, a % b)
print(gcd(192, 162))
재귀 함수 사용의 유의 사항
재귀 함수를 잘 활용하면 복잡한 알고리즘을 간결하게 작성할 수 있다.
단, 오히려 다른 사람이 이해하기 어려운 형태의 코드가 될 수도 있으므로 신중하게 사용해야 한다.
모든 재귀 함수는 반복문을 이용하여 동일한 기능을 구현할 수 있다.
반대로 모든 반복문은 재귀함수로 동일한 기능을 구현할 수 있다.
재귀 함수가 반복문보다 유리한 경우도 있고 불리한 경우도 있다.
컴퓨터가 함수를 연속적으로 호출하면 컴퓨터 메모리 내부의 스택 프레임에 쌓인다.
따라서 스택을 사용해야 할 때 구현상 스택 라이브러리 대신에 재귀 함수를 이용하는 경우가 많다.
DFS (Depth-First Search)
DFS는 깊이 우선 탐색이라고도 부르며 그래프에서 깊은 부분을 우선적으로 탐색하는 알고리즘이다.
DFS는 스택 자료구조(혹은 재귀 함수)를 이용하며, 구체적인 동작 과정은 다음과 같다.
탐색 시작 노드를 스택에 삽입하고 방문 처리를 한다.
스택의 최상단 노드에 방문하지 않은 인접한 노드가 하나라도 있으면 그 노드를 스택에 넣고 방문처리한다. 방문하지 않은 인접 노드가 없으면 스택에서 최상단 노드를 꺼낸다.
더 이상 2번의 과정을 수행할 수 없을 때까지 반복한다.
graph = [
[],
[2, 3, 8],
[1, 7],
[1, 4, 5],
[3, 5],
[3, 4],
[7],
[2, 6, 8],
[1, 7]
]
visited = [False] * 9
# 정의된 DFS 함수 호출
dfs(graph, 1, visited)
# DFS 메서드 정의
def dfs(graph, v, visited):
# 현재 노드를 방문 처리
visited[v] = True
print(v, end=' ')
# 현재 노드와 연결된 다른 노드를 재귀적으로 방문
for i in graph[v]:
if not visited[i]:
dfs(graph, i, visited)