Update Standard Library.md

Author: cpprhtn

docs/Standard Library.md

@@ -1,16 +1,19 @@
 # **Standard Library**
 
-Python이 기본 제공하는 모듈들  
+Python이 기본 제공하는 모듈들
 
 ## **1. collections**
+
 Python의 `collections` 모듈은 다양한 데이터 구조를 쉽게 다룰 수 있도록 도와줌.
 
 Counter, defaultdict, deque, OrderedDict, namedtuple 등이 자주 사용된다.
 
 ### 1.1 **collections.Counter (요소 개수 세기)**
+
 리스트 요소의 개수를 쉽게 세는 기능.
 
 #### dict 사용
+
 ```python
 words = ["apple", "banana", "apple", "cherry", "banana", "apple"]
 word_count = {}
@@ -25,6 +28,7 @@ print(word_count)
 - dict를 사용하면 키가 존재하는지 매번 확인해야 하므로 코드가 복잡하고 비효율적.
 
 #### collections.Counter 사용
+
 ```python
 from collections import Counter
 
@@ -36,9 +40,11 @@ print(word_count)
 - 내부적으로 최적화되어 있어 요소 개수를 더 빠르고 간결하게 계산.
 
 ### 1.2 **collections.deque (빠른 리스트 연산)**
+
 앞쪽 원소 삽입/삭제 시 `list`는 O(n)이지만 `deque`는 O(1)로 동작.
 
 #### 리스트 사용 (비효율적)
+
 ```python
 lst = [1, 2, 3]
 lst.insert(0, 0)  # O(n) 연산
@@ -48,6 +54,7 @@ lst.pop(0)  # O(n) 연산
 - list는 앞쪽 원소를 삽입/삭제할 때 모든 요소를 이동해야 하므로 O(n) 시간이 걸림.
 
 #### deque 사용 (효율적)
+
 ```python
 from collections import deque
 
@@ -59,13 +66,15 @@ dq.popleft()  # O(1)
 - deque는 양쪽 끝에서 O(1)로 삽입/삭제 가능하여 효율적.
 
 ## **2. itertools**
+
 반복 가능한 객체를 다루는 다양한 기능 제공.
 
-count, cycle, chain, permutations, starmap 등을 사용하여 반복문과 조건문을 간단하고 효율적으로 처리할 수 있도록 도와준다.
+count, cycle, chain, permutations, starmap 등을 사용하여 반복문과 조건문을 간단하고 효율적으로 처리할 수 있도록 도와줌.
 
 ### 2.1 **itertools.permutations (순열 조합 구하기)**
 
 #### 재귀 함수 사용
+
 ```python
 def permute(arr, path=[]):
     if not arr:
@@ -80,6 +89,7 @@ permute([1, 2, 3])
 - 재귀 호출로 인해 비효율적이고 코드가 길어짐.
 
 #### itertools.permutations 사용
+
 ```python
 from itertools import permutations
 
@@ -91,9 +101,11 @@ print(perm_list)
 - 내부적으로 최적화되어 간결하고 빠름.
 
 ### 2.2 **itertools.starmap (튜플 언패킹 최적화)**
+
 `map()` 대신 사용하면 성능 향상.
 
 #### 일반 map() 사용
+
 ```python
 def add(a, b):
     return a + b
@@ -105,6 +117,7 @@ result = list(map(lambda x: add(*x), pairs))
 - lambda로 언패킹해야 함.
 
 #### starmap() 사용
+
 ```python
 from itertools import starmap
 
@@ -118,13 +131,15 @@ result = list(starmap(add, pairs))
 - 불필요한 lambda 호출을 줄여 성능이 향상됨.
 
 ## **3. functools**
+
 함수 최적화 및 고차 함수 지원.
 
 lru_cache, partial, reduce, update_wrapper, total_ordering 등 여러 고차 함수들을 통해 반복적인 작업을 최적화하고, 코드의 가독성 및 재사용성을 높이는 데 유용하다.
 
 ### 3.1 **functools.lru_cache (재귀 최적화)**
 
 #### 사용하지 않음 (느림)
+
 ```python
 def fib(n):
     if n <= 1:
@@ -138,6 +153,7 @@ print(fib(30))  # 매우 느림
 - 호출 깊이가 커질수록 기하급수적으로 느려짐
 
 #### lru_cache 사용 (빠름)
+
 ```python
 from functools import lru_cache
 
@@ -154,6 +170,7 @@ print(fib(30))  # 훨씬 빠름
 - 불필요한 연산을 제거해 실행 속도 대폭 향상
 
 ## **4. datetime**
+
 날짜 및 시간 다루기.
 
 날짜, 시간, 시간 차이, 시간대 변환 등을 손쉽게 처리할 수 있는 기능을 제공한다.
@@ -163,6 +180,7 @@ datetime 객체의 메소드를 사용하면 날짜와 시간 연산을 간단
 ### 4.1 **datetime.datetime (시간 정보 가져오기)**
 
 #### time 사용
+
 ```python
 import time
 
@@ -174,6 +192,7 @@ print(f"현재 연도: {int(year)}")
 - Unix 타임스탬프를 직접 변환 → 연도 계산이 번거롭고 가독성 낮음
 
 #### datetime 사용
+
 ```python
 from datetime import datetime
 
@@ -184,6 +203,7 @@ print(f"현재 연도: {now.year}")
 - 즉시 연도 반환
 
 ## **5. pathlib**
+
 파일 시스템 경로 다루기.
 
 pathlib는 파일 경로를 다루는 다양한 메소드를 제공한다. 예를 들어, joinpath()로 경로를 이어 붙이거나, stem, suffix와 같은 속성을 이용해 파일명이나 확장자도 쉽게 다룰 수 있다.
@@ -193,6 +213,7 @@ pathlib는 파일 경로를 다루는 다양한 메소드를 제공한다. 예
 ### 5.1 **pathlib.Path (파일 존재 여부 확인)**
 
 #### os 사용
+
 ```python
 import os
 
@@ -204,6 +225,7 @@ if os.path.exists(filepath):
 - 문자열 경로 처리
 
 #### pathlib.Path 사용
+
 ```python
 from pathlib import Path
 
@@ -215,20 +237,23 @@ if filepath.exists():
 - Path 객체 사용 → 경로 조작이 직관적이고 가독성 향상
 
 ## **6. array**
+
 메모리 효율적인 배열 사용.
 
 메모리 절약, 인덱스 접근 속도 향상 등의 장점도 있지만 데이터 타입을 고정해야 하므로, 서로 다른 데이터 타입을 저장할 수 있는 리스트보다 유연성이 떨어진다.
 
 ### 6.1 **array.array**
 
 #### 리스트 사용 (비효율적)
+
 ```python
 lst = [1, 2, 3, 4, 5]  # 객체 포인터 저장
 ```
 
 - 객체 포인터 저장 → 메모리 사용량 증가
 
 #### array 사용 (효율적)
+
 ```python
 from array import array
 
@@ -242,6 +267,7 @@ arr = array('i', [1, 2, 3, 4, 5])  # 'i'는 정수(int) 타입 지정
 ### 7.1 **multiprocessing (CPU 병렬 처리)**
 
 #### 단일 프로세스 실행 (느림)
+
 ```python
 def work(n):
     return sum(i*i for i in range(n))
@@ -253,6 +279,7 @@ results = [work(n) for n in nums]  # 한 개씩 실행 (느림)
 - 한 번에 하나씩 처리 → CPU 코어 활용 부족
 
 #### multiprocessing 사용 (빠름)
+
 ```python
 from multiprocessing import Pool
 
@@ -269,6 +296,7 @@ with Pool() as pool:
 ### 7.2 **concurrent.futures.ThreadPoolExecutor (I/O 최적화)**
 
 #### 단일 스레드 실행 (느림)
+
 ```python
 import requests
 
@@ -282,6 +310,7 @@ for url in urls:
 - 한 번에 하나씩 처리 → I/O 작업에 시간이 많이 소요됨
 
 #### ThreadPoolExecutor 사용 (빠름)
+
 ```python
 from concurrent.futures import ThreadPoolExecutor
 import requests
@@ -295,4 +324,164 @@ for response in results:
     print(response.status_code)
 ```
 
-- 여러 스레드에서 병렬 실행 → I/O 대기 시간 동안 다른 요청 처리 가능, 속도 향상
+- 여러 스레드에서 병렬 실행 → I/O 대기 시간 동안 다른 요청 처리 가능, 속도 향상
+
+## **8. heapq**
+
+우선순위 큐 알고리즘 구현 시 사용되는 최소 힙 기반의 모듈.
+
+### 8.1 **heapq.heappush / heappop (우선순위 큐 구현)**
+
+리스트를 최소 힙처럼 사용 가능.
+
+#### 리스트 정렬 방식 (비효율적)
+
+```python
+lst = [3, 1, 2]
+lst.sort()  # 최소값을 꺼내기 위해 정렬 필요
+min_val = lst.pop(0)  # O(n)
+```
+
+- 최소값 추출 시 정렬 필요 → 비효율적
+
+#### heapq 사용 (효율적)
+
+```python
+import heapq
+
+heap = []
+heapq.heappush(heap, 3)
+heapq.heappush(heap, 1)
+heapq.heappush(heap, 2)
+
+print(heapq.heappop(heap))  # 1
+```
+
+- 최소값 추출이 O(log n)으로 효율적
+- 다익스트라, 작업 스케줄링 문제에 활용됨
+
+## **9. bisect**
+
+정렬된 리스트에 이진 탐색 기반 삽입/탐색 기능 제공.
+
+### 9.1 **bisect.bisect / bisect.insort (이진 삽입/탐색)**
+
+#### 일반 삽입 (비효율적)
+
+```python
+lst = [1, 3, 4, 6]
+lst.append(5)
+lst.sort()  # 정렬 다시 수행 → 비효율적
+```
+
+#### bisect 사용 (효율적)
+
+```python
+import bisect
+
+arr = [1, 3, 4, 6]
+bisect.insort(arr, 5)  # 정렬된 상태 유지
+print(arr)  # [1, 3, 4, 5, 6]
+
+idx = bisect.bisect(arr, 4)
+print(idx)  # 3 (4가 삽입될 위치)
+```
+
+- 정렬 리스트에서 이진 탐색으로 빠르게 삽입/탐색
+
+## **10. math**
+
+수학 연산 지원 (루트, 팩토리얼, 최대공약수 등).
+
+### 10.1 **math.sqrt / factorial / gcd (수학 함수)**
+
+```python
+import math
+
+print(math.sqrt(16))  # 4.0
+print(math.factorial(5))  # 120
+print(math.gcd(12, 18))  # 6
+```
+
+- 수학 문제, 알고리즘 구현 시 유용
+
+## **11. statistics**
+
+기초 통계 계산을 위한 모듈.
+
+### 11.1 **statistics.mean / median (평균/중앙값)**
+
+```python
+import statistics
+
+data = [1, 2, 3, 4, 5]
+print(statistics.mean(data))  # 3
+print(statistics.median(data))  # 3
+```
+
+- 데이터 분석, 요약 통계에 적합
+
+## **12. enum**
+
+열거형 상수를 정의할 수 있는 모듈.
+
+### 12.1 **Enum 클래스 (가독성 있는 상수 정의)**
+
+```python
+from enum import Enum
+
+class Color(Enum):
+    RED = 1
+    GREEN = 2
+    BLUE = 3
+
+print(Color.RED)  # Color.RED
+print(Color.RED.value)  # 1
+```
+
+- 의미 있는 값 이름으로 가독성 향상
+
+## **13. pprint**
+
+복잡한 자료구조를 보기 좋게 출력할 때 사용.
+
+### 13.1 **pprint.pprint (딕셔너리 예쁘게 출력)**
+
+```python
+from pprint import pprint
+
+data = {"users": [{"name": "Alice", "age": 30}, {"name": "Bob", "age": 25}]}
+pprint(data)
+```
+
+- 중첩 구조를 보기 좋게 정렬하여 출력
+
+## **14. textwrap**
+
+긴 문자열을 줄 바꿈 등으로 포맷팅.
+
+### 14.1 **textwrap.fill (자동 줄바꿈)**
+
+```python
+import textwrap
+
+text = "Python is an interpreted high-level general-purpose programming language."
+print(textwrap.fill(text, width=30))
+```
+
+- CLI/터미널에서 텍스트 출력 시 유용
+
+## **15. uuid**
+
+전역 고유 식별자(UUID) 생성에 사용.
+
+### 15.1 **uuid.uuid4 (고유값 생성)**
+
+```python
+import uuid
+
+unique_id = uuid.uuid4()
+print(unique_id)
+```
+
+- 고유한 파일명, 데이터 식별자 생성 시 사용