python으로 작성한 코테 알고리즘 별 사례

 

Designed by Freepik

 

 

아래는 코딩 테스트에서 자주 등장하는 알고리즘을 Python 코드 예제와 함께 정리한 것이다.

---

📌 1️⃣ 자료구조 관련 예제

✅ 스택 (Stack)

stack = []
stack.append(1)  # push
stack.append(2)
stack.pop()      # pop
print(stack)  # 출력: [1]

✅ 큐 (Queue)

from collections import deque

queue = deque()
queue.append(1)
queue.append(2)
queue.popleft()  # pop
print(queue)  # 출력: deque([2])

✅ 해시 (Hash) - 딕셔너리 활용

hash_map = {}
hash_map["apple"] = 3
print(hash_map["apple"])  # 출력: 3

---

📌 2️⃣ 정렬(Sorting) 알고리즘

✅ 퀵 정렬 (Quick Sort)

반응형

def quick_sort(arr):
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quick_sort(left) + middle + quick_sort(right)

arr = [3, 6, 8, 10, 1, 2, 1]
print(quick_sort(arr))  # 출력: [1, 1, 2, 3, 6, 8, 10]

✅ 병합 정렬 (Merge Sort)

def merge_sort(arr):
    if len(arr) <= 1:
        return arr
    mid = len(arr) // 2
    left = merge_sort(arr[:mid])
    right = merge_sort(arr[mid:])

    sorted_arr = []
    i = j = 0
    while i < len(left) and j < len(right):
        if left[i] < right[j]:
            sorted_arr.append(left[i])
            i += 1
        else:
            sorted_arr.append(right[j])
            j += 1
    sorted_arr.extend(left[i:])
    sorted_arr.extend(right[j:])
    return sorted_arr

arr = [5, 3, 8, 6, 2, 7, 4, 1]
print(merge_sort(arr))  # 출력: [1, 2, 3, 4, 5, 6, 7, 8]

---

📌 3️⃣ 탐색(Search) 알고리즘

✅ 이진 탐색 (Binary Search)

def binary_search(arr, target):
    left, right = 0, len(arr) - 1
    while left <= right:
        mid = (left + right) // 2
        if arr[mid] == target:
            return mid
        elif arr[mid] < target:
            left = mid + 1
        else:
            right = mid - 1
    return -1

arr = [1, 3, 5, 7, 9, 11]
print(binary_search(arr, 7))  # 출력: 3 (인덱스)

✅ DFS (깊이 우선 탐색)

def dfs(graph, node, visited):
    visited.add(node)
    print(node, end=' ')
    for neighbor in graph[node]:
        if neighbor not in visited:
            dfs(graph, neighbor, visited)

graph = {
    'A': ['B', 'C'],
    'B': ['A', 'D', 'E'],
    'C': ['A', 'F'],
    'D': ['B'],
    'E': ['B', 'F'],
    'F': ['C', 'E']
}
visited = set()
dfs(graph, 'A', visited)  # 출력: A B D E F C

✅ BFS (너비 우선 탐색)

from collections import deque

def bfs(graph, start):
    queue = deque([start])
    visited = set([start])
    while queue:
        node = queue.popleft()
        print(node, end=' ')
        for neighbor in graph[node]:
            if neighbor not in visited:
                visited.add(neighbor)
                queue.append(neighbor)

graph = {
    'A': ['B', 'C'],
    'B': ['A', 'D', 'E'],
    'C': ['A', 'F'],
    'D': ['B'],
    'E': ['B', 'F'],
    'F': ['C', 'E']
}
bfs(graph, 'A')  # 출력: A B C D E F

---

📌 4️⃣ 동적 계획법(DP) 예제

✅ 피보나치 수열 (Top-down DP - Memoization)

def fib(n, memo={}):
    if n in memo:
        return memo[n]
    if n <= 2:
        return 1
    memo[n] = fib(n - 1, memo) + fib(n - 2, memo)
    return memo[n]

print(fib(10))  # 출력: 55

✅ 배낭 문제 (Knapsack Problem)

def knapsack(weights, values, W, n):
    if n == 0 or W == 0:
        return 0
    if weights[n-1] > W:
        return knapsack(weights, values, W, n-1)
    else:
        return max(
            values[n-1] + knapsack(weights, values, W - weights[n-1], n-1),
            knapsack(weights, values, W, n-1)
        )

weights = [2, 3, 4, 5]
values = [3, 4, 5, 6]
W = 5
print(knapsack(weights, values, W, len(weights)))  # 출력: 7

---

📌 5️⃣ 최단 거리 알고리즘

✅ 다익스트라 (Dijkstra) 알고리즘

import heapq

def dijkstra(graph, start):
    distances = {node: float('inf') for node in graph}
    distances[start] = 0
    pq = [(0, start)]

    while pq:
        current_distance, current_node = heapq.heappop(pq)
        if current_distance > distances[current_node]:
            continue
        for neighbor, weight in graph[current_node].items():
            distance = current_distance + weight
            if distance < distances[neighbor]:
                distances[neighbor] = distance
                heapq.heappush(pq, (distance, neighbor))

    return distances

graph = {
    'A': {'B': 1, 'C': 4},
    'B': {'A': 1, 'C': 2, 'D': 5},
    'C': {'A': 4, 'B': 2, 'D': 1},
    'D': {'B': 5, 'C': 1}
}
print(dijkstra(graph, 'A'))  # 출력: {'A': 0, 'B': 1, 'C': 3, 'D': 4}

---

🔹 정리

• 자료구조: 스택, 큐, 해시, 트리, 그래프
• 정렬: 퀵 정렬, 병합 정렬
• 탐색: 이진 탐색, DFS, BFS
• DP: 피보나치, 배낭 문제
• 최단 거리: 다익스트라

위의 알고리즘과 코드를 연습하면 코딩 테스트에서 빠르고 정확하게 문제를 해결할 수 있다! 🚀

 

코딩 테스트 연습>

codeup)

https://codeup.kr/

CodeUp

 

백준)

https://www.acmicpc.net/

 

프로그래머스)

https://programmers.co.kr/

프로그래머스