5강 / 20강

딕셔너리 — 유전자에서 값을 찾는다

이름으로 찾기 · 목록에서 표로

리스트는 번호로 찾습니다 — 발현량[3]. 그런데 우리가 알고 싶은 것은 보통 이름이에요 — "DDX54 의 발현량은?"

그럴 때 쓰는 것이 딕셔너리입니다.

{열쇠: 값, 열쇠: 값, …}

리스트

발현량[3]
번호로 찾는다
순서가 뜻이 있다

딕셔너리

발현량["DDX54"]
이름으로 찾는다
아무리 커도 즉시 찾는다

마지막 줄이 중요합니다. 유전자가 2만 개여도 이름으로 찾는 데 걸리는 시간이 거의 같습니다. 리스트에서 in 으로 찾으면 2만 개를 하나씩 훑어야 하죠.

고등학생번호 말고 이름으로 찾기

리스트는 번호로 찾습니다 — 발현량[3]. 그런데 우리가 알고 싶은 건 보통 이름이에요.

"DDX54 의 발현량은?" — 몇 번째인지 어떻게 알아?

그래서 딕셔너리

{열쇠: 값, 열쇠: 값, …} — 중괄호를 쓴다

발현["DDX54"] 처럼 이름으로 찾습니다. '딕셔너리' 라는 이름 그대로 사전이에요 — 단어(열쇠)를 찾으면 뜻(값)이 나옵니다.

리스트 vs 딕셔너리

	리스트	딕셔너리
찾는 법	번호로	이름으로
순서	뜻이 있다	대체로 상관없다
비유	줄 선 사람들 — "세 번째 사람"	전화번호부 — "김철수의 번호"

그런데 진짜 중요한 건 속도입니다

유전자가 2만 개여도 찾는 시간이 거의 같다

이게 왜 놀라운 일인지 다음 셀에서 봅니다. 지금은 "딕셔너리는 아무리 커도 빠르다" 만 기억하세요.

중괄호가 헷갈릴 수 있습니다

괄호	무엇
`[ ]` 대괄호	리스트 · 그리고 꺼낼 때
`{ }` 중괄호	딕셔너리를 만들 때
`( )` 소괄호	함수를 부를 때

딕셔너리를 만들 때는 {}, 꺼낼 때는 [] 입니다. 발현 = {"DDX54": 12.4} 로 만들고 발현["DDX54"] 로 꺼내요. 처음엔 헷갈리니 표로 붙여 두세요.

<code>.get()</code> 은 없는 열쇠에도 오류를 내지 않습니다.

Python 브라우저에서 실행

# 유전자 → 발현량
발현 = {
    "DDX54": 12.4,
    "CD47":  8.9,
    "CD38":  4.2,
    "MYC":   31.7,
    "GAPDH": 210.5,
}

print("DDX54 의 발현량:", 발현["DDX54"])
print("유전자 개수    :", len(발현))
print()

# 있나 없나 — 없는 열쇠를 그냥 찾으면 오류가 난다
print("DDX54 있나?", "DDX54" in 발현)
print("TP53 있나? ", "TP53" in 발현)

# 없을 때 기본값을 주는 안전한 방법
print("TP53 발현량:", 발현.get("TP53", "모름"))
print()

# 전부 돌기
for 유전자, 값 in 발현.items():
    표시 = "★" if 값 > 10 else " "
    print(f"  {표시} {유전자:<8}{값:>8.1f}")

고등학생왜 딕셔너리가 그렇게 빠른가

이 강의에서 가장 재미있는 대목입니다. 2만 개 중에서 하나를 찾는데 거의 즉시 찾아냅니다. 어떻게요?

리스트로 찾으면

"DDX54" in 유전자목록 은 처음부터 하나씩 비교합니다. 운이 나쁘면 2만 번 비교해요.

딕셔너리는

이름을 계산해서 어디에 있는지 바로 알아냅니다. 찾는 게 아니라 계산하는 거예요.

비유 — 도서관에서 책 찾기

	리스트 방식	딕셔너리 방식
어떻게	첫 서가부터 한 권씩 확인	청구기호를 보고 바로 그 서가로
책이 100권이면	최대 100번	1번
책이 100만 권이면	최대 100만 번	여전히 1번

자료가 커져도 시간이 안 늘어난다

도서관이 커져도 청구기호로 찾으면 걸리는 시간이 같죠. 그래서 도서관에 청구기호가 있는 겁니다.

공짜는 아닙니다

딕셔너리는 메모리를 더 씁니다. 그리고 순서를 보장하는 데 리스트보다 신경을 써야 해요.

도서관도 청구기호 체계를 유지하는 비용이 들죠 — 새 책이 오면 번호를 붙이고, 목록을 갱신해야 합니다.

빠른 데는 이유가 있고, 그 이유에는 대가가 있다

실전에서는

순서가 중요하다 · 처음부터 끝까지 훑는다 → 리스트
이름으로 찾는다 · 자주 찾는다 → 딕셔너리

유전자 목록은 리스트, 유전자→발현량은 딕셔너리. 용도에 맞게 고르면 됩니다.

고등학생f-문자열 — 표를 가지런히 찍는 법

note 에 f"{유전자:<8}{값:>8.1f}" 같은 것이 나옵니다. 암호처럼 생겼지만 규칙 몇 개뿐이에요.

기본 — f 를 붙이고 {} 안에 값을 넣는다

f"유전자는 {이름} 입니다" → 유전자는 DDX54 입니다

f 는 format(모양) 의 f 입니다. 따옴표 앞에 붙여야 해요.

콜론 뒤는 '모양' 을 정합니다

모양	뜻	보기
`<8`	왼쪽 정렬, 여덟 칸	`DDX54`
`>8`	오른쪽 정렬, 여덟 칸	`DDX54`
`.1f`	소수 한 자리	12.4
`,`	천 단위 쉼표	11,070
`.1%`	백분율, 소수 한 자리	27.6%

왜 정렬이 중요한가

숫자를 그냥 찍으면 자릿수가 들쭉날쭉해서 눈으로 비교가 안 됩니다.

정렬 없이: 12.4 / 3.11 / 120.05
정렬하면: 12.40 / 3.11 / 120.05

소수점이 세로로 맞춰지면 어느 게 큰지 한눈에 보입니다. 표를 만드는 이유가 그거죠.

백분율이 특히 편합니다

f"{3055/11070:.1%}" 는 27.6% 를 줍니다. 100 을 곱하고 % 를 붙이는 걸 알아서 해 줘요.

직접 하면 round(3055/11070*100, 1) 에다 +"%" 까지 붙여야 합니다. 그리고 그 과정에서 100 곱하는 걸 잊는 실수가 흔해요.

자주 하는 일은 이미 만들어져 있다 — 찾아 쓰는 것도 실력

천 단위 쉼표와 백분율 모양을 함께 써 봤습니다.

Python 브라우저에서 실행

# 논문의 깔때기를 딕셔너리로
깔때기 = {
    "TCGA 전체":        11070,
    "원발암만":          9707,
    "항원 경로 정상":     7570,
    "면역침윤 많음":      3055,
}

앞 = None
for 단계, n in 깔때기.items():
    if 앞 is None:
        print(f"{단계:<16}{n:>8,}")
    else:
        빠짐 = 앞 - n
        print(f"{단계:<16}{n:>8,}   (−{빠짐:,})")
    앞 = n

print()
print(f"남은 비율: {3055 / 11070:.1%}")

고등학생논문의 깔때기를 딕셔너리로

위 코드가 1강의 그 숫자들을 딕셔너리로 담습니다. 왜 리스트가 아니라 딕셔너리일까요?

이 자료의 성격을 보세요

단계 이름	남은 수
TCGA 에서 시작	11,070
원발암만	9,707
항원 경로 정상	7,570
면역침윤 많음	3,055

이름과 값이 짝을 이루고 있죠. 딱 딕셔너리 모양입니다.

리스트로 하면 어떻게 되나

[11070, 9707, 7570, 3055] — 값만 남습니다. 세 번째가 무슨 단계였는지를 따로 기억해야 해요.

자료 안에 뜻이 들어 있게 하라

이건 아주 중요한 습관입니다. "코드 옆에 주석으로 적어 두면 되지" 싶지만 — 주석은 자료와 함께 안 움직입니다. 값만 다른 데로 옮기면 뜻이 사라져요.

'빠진 수' 를 계산하는 부분

코드가 단계마다 몇 개가 빠졌는지도 함께 찍습니다.

남은 수만 보면 어디서 많이 빠졌는지 안 보인다

11,070 → 9,707 은 1,363개가 빠진 것이고, 7,570 → 3,055 는 4,515개가 빠진 겁니다. 세 배 넘게 차이 나요.

즉 마지막 필터가 가장 가혹했다는 뜻입니다. 숫자만 나열하면 안 보이는데, 차이를 계산해 보면 보입니다.

숫자를 늘어놓지 말고 차이·비율을 함께 찍어라

자료 분석에서 가장 자주 쓰는 요령입니다. 원래 값보다 변화량이 더 많은 것을 말해 줄 때가 많아요.

🤔 확인 문제

유전자 2만 개 중에서 이름으로 하나를 찾을 때, 딕셔너리가 리스트보다 빠른 이유는?