From 14e5158cb96a45e354746e0837b79a5c6ec83ca2 Mon Sep 17 00:00:00 2001
From: joojae02 <jake010417@gmail.com>
Date: Fri, 10 Oct 2025 04:35:29 +0900
Subject: [PATCH 1/4] chore: add chapter1 pythonic_code

---
 chapter1/pythonic_code.md | 223 ++++++++++++++++++++++++++++++++++++++
 1 file changed, 223 insertions(+)
 create mode 100644 chapter1/pythonic_code.md

diff --git a/chapter1/pythonic_code.md b/chapter1/pythonic_code.md
new file mode 100644
index 0000000..a09a0b2
--- /dev/null
+++ b/chapter1/pythonic_code.md
@@ -0,0 +1,223 @@
+
+## **1. 컴프리헨션 (Comprehension) 활용법**
+
+컴프리헨션은 반복문을 사용하지 않고도 List, Dict, Set과 같은 자료구조를 매우 간결하게 생성할 수 있는 기능이다.
+for 루프를 한 줄로 압축한 형태로, 가독성과 성능 면에서 이점을 가진다.
+
+### 리스트 컴프리헨션 (List Comprehension)
+- **리스트 컴프리헨션 (List Comprehension)** 가장 일반적으로 사용되는 컴프리헨션으로, 기존 리스트를 기반으로 새로운 리스트를 생성한다.
+    - **기본 구문:** `[표현식 for 항목 in 반복 가능한 객체 if 조건]`       
+- **예시:** 0부터 9까지의 숫자 중 짝수만 제곱하여 새로운 리스트 만들기
+```python
+# 기본 for문
+squares = []
+for i in range(10):
+	if i % 2 == 0:
+		squares.append(i * i)
+print(squares) # [0, 4, 16, 36, 64]
+
+# 리스트 컴프리헨션 활용
+squares_comp = [i * i for i in range(10) if i % 2 == 0]
+print(squares_comp) # [0, 4, 16, 36, 64]
+```
+	
+### 딕셔너리 컴프리헨션 (Dictionary Comprehension) 
+- **딕셔너리 컴프리헨션 (Dictionary Comprehension)** 리스트 컴프리헨션과 유사하게 한 줄로 딕셔너리를 생성할 수 있다.
+    - **기본 구문:** `{키_표현식: 값_표현식 for 항목 in 반복 가능한 객체 if 조건}`
+    - **예시:** 단어 리스트를 사용하여 {단어: 단어 길이} 형태의 딕셔너리 만들기
+    
+```python
+words = ['apple', 'banana', 'cherry']
+word_lengths = {word: len(word) for word in words}
+print(word_lengths) # {'apple': 5, 'banana': 6, 'cherry': 6}
+```
+
+### 셋 컴프리헨션 (Set Comprehension) 
+- **셋 컴프리헨션 (Set Comprehension)** 중복을 허용하지 않는 셋(Set)을 생성할 때 사용한다.
+    - **기본 구문:** `{표현식 for 항목 in 반복 가능한 객체 if 조건}`
+- **예시:** 리스트에 있는 숫자들 중 고유한 셋 만들기
+```python
+numbers = [1, 2, 2, 3, 4, 5, 5]
+odd_squares = {x for x in numbers if x % 2 != 0}
+print(odd_squares) # {1, 2, 3, 4, 5}
+```
+
+### 속도 차이?
+
+일반적인 상황에서 List comprehension 의 동작이 유의미하게 빠르다.
+아래 예제를 통해 간단하게 확인이 가능하다.
+> 정확히 설명하자면 인터프리터 모드인 경우에 유의미하게 빠르다.
+
+```python
+import timeit
+
+# 테스트할 코드
+setup_code = "numbers = range(10000000)"
+for_loop_code = """
+squared_numbers = []
+for x in numbers:
+    squared_numbers.append(x**2)
+"""
+comprehension_code = "squared_numbers = [x**2 for x in numbers]"
+
+# 실행 시간 측정
+for_loop_time = timeit.timeit(stmt=for_loop_code, setup=setup_code, number=1)
+comprehension_time = timeit.timeit(stmt=comprehension_code, setup=setup_code, number=1)
+
+print(f"For loop: {for_loop_time:.6f} seconds")
+print(f"List comprehension: {comprehension_time:.6f} seconds")
+```
+
+```bash
+For loop: 0.271319 seconds
+List comprehension: 0.245245 seconds
+```
+
+---
+
+### **2. 언패킹(Unpacking)과 제너레이터(Generator)**
+
+### 언패킹 (Unpacking) 
+- **언패킹 (Unpacking)** 언패킹은 튜플이나 리스트 같은 시퀀스 자료형의 요소들을 여러 변수에 한 번에 할당하는 기능이다. 
+- **예시:**
+```Python
+# 기본 언패킹
+a, b, c = (1, 2, 3)
+print(a, b, c) # 1 2 3
+
+# *를 이용한 언패킹 (나머지 요소들을 리스트로 받기)
+head, *body, tail = [10, 20, 30, 40, 50]
+print(head)  # 10
+print(body)  # [20, 30, 40]
+print(tail)  # 50
+```
+
+### 제너레이터 (Generator) 
+- **제너레이터 (Generator)** 제너레이터는 모든 값을 메모리에 올리지 않고, 필요할 때마다 값을 하나씩 생성하여 반환하는 **이터레이터(iterator)**를 만드는 기능이다. 
+- 대용량 데이터를 처리할 때 메모리 효율성을 극대화할 수 있다. 함수 내에서 `yield` 키워드를 사용한다.
+    - **특징:**
+        - `yield`를 통해 값을 하나씩 반환하고, 함수의 상태는 그대로 유지된다.
+        - 다음에 `next()` 함수로 호출되면 이전에 멈췄던 지점부터 다시 실행된다.
+- **예시:** 1부터 n까지의 숫자를 생성하는 제너레이터
+```Python
+def number_generator(n):
+	print("Generator starts")
+	for i in range(1, n + 1):
+		yield i
+		print(f"{i} yielded")
+
+my_gen = number_generator(3)
+print(next(my_gen)) # Generator starts, 1 출력
+print(next(my_gen)) # 1 yielded, 2 출력
+print(next(my_gen)) # 2 yielded, 3 출력
+```
+
+
+---
+
+### **3. 매직 메서드 (Magic Methods)**
+
+매직 메서드(또는 특별 메서드, Special Methods)는 파이썬 클래스 내에서 `__` (더블 언더스코어)로 시작하고 끝나는 특별한 이름의 메서드이다. 
+이 메서드들은 `+`, `len()`, `print()`와 같은 파이썬의 내장 연산이나 함수가 해당 객체에 사용될 때 자동으로 호출된다.
+
+- `__init__(self, *args, **kwargs)`
+	- 클래스의 **생성자(constructor)** 메소드이다.
+- `__str__(self)`
+    - `print()` 함수나 `str()` 내장 함수를 사용하여 객체를 **문자열로 변환**할 때 호출된다.
+    - 주로 사용자가 보기 쉬운, **비공식적인** 문자열 표현을 반환하는 데 사용된다.
+- `__repr__(self)`
+    - `repr()` 내장 함수를 호출할 때나, 인터프리터에서 객체를 그냥 출력할 때 호출된다.
+    - 주로 개발자가 디버깅 목적으로 사용하는, 객체를 **명확하게 식별**할 수 있는 **공식적인** 문자열 표현을 반환하는 데 사용된다. `eval(repr(obj)) == obj`가 성립하는 것을 목표로 한다.
+- `__eq__(self, other)`
+    - `==` 연산자를 사용하여 두 객체의 **내용이 같은지** 비교할 때 호출된다.
+    - 이 메서드를 구현하지 않으면, 기본적으로 두 객체의 메모리 주소를 비교한다.
+- **예시:**
+```Python
+class Person:
+	def __init__(self, name, age):
+		self.name = name
+		self.age = age
+
+	def __str__(self):
+		return f"{self.name}, {self.age}살"
+
+	def __repr__(self):
+		return f"Person('{self.name}', {self.age})"
+
+	def __eq__(self, other):
+		return self.name == other.name and self.age == other.age
+
+p1 = Person("Alice", 30)
+p2 = Person("Alice", 30)
+p3 = Person("Bob", 25)
+
+print(p1)          # __str__ 호출 -> Alice, 30살
+print(str(p1))     # __str__ 호출 -> Alice, 30살
+print(repr(p1))    # __repr__ 호출 -> Person('Alice', 30)
+print(p1 == p2)    # __eq__ 호출 -> True
+print(p1 == p3)    # __eq__ 호출 -> False
+```
+    
+
+---
+
+### **4. 데코레이터 (Decorator)**
+
+데코레이터는 기존 함수의 코드를 수정하지 않으면서, 함수에 **새로운 기능을 추가하거나 수정**할 때 사용하는 강력한 디자인 패턴이다.
+
+함수를 인자로 받아서, 새로운 기능이 추가된 또 다른 함수를 반환하는 형태로 동작한다.
+- 주로 로깅, 실행 시간 측정, 접근 제어 등 AOP(관점 지향 프로그래밍)에 유용하게 사용된다.
+- **기본 구조:**
+```Python
+def decorator_function(original_function):
+	def wrapper_function(*args, **kwargs):
+		# --- 함수 실행 전 처리 ---
+		print(f"{original_function.__name__} 함수 실행 전입니다.")
+
+		result = original_function(*args, **kwargs) # 원래 함수 실행
+
+		# --- 함수 실행 후 처리 ---
+		print(f"{original_function.__name__} 함수 실행 후입니다.")
+		return result
+	return wrapper_function
+```
+- **사용법 (`@` 구문):** 기능을 추가하고 싶은 함수 위에 `@데코레이터_이름`을 붙여준다
+- **예시:** 함수의 실행 시간을 측정하는 데코레이터
+```Python
+import time
+
+def measure_time(func):
+	def wrapper(*args, **kwargs):
+		start_time = time.time()
+		result = func(*args, **kwargs)
+		end_time = time.time()
+		print(f"'{func.__name__}' 실행 시간: {end_time - start_time:.4f}초")
+		return result
+	return wrapper
+
+@measure_time
+def slow_function(delay):
+	print(f"{delay}초 대기 시작...")
+	time.sleep(delay)
+	print("대기 완료!")
+	return "완료"
+
+slow_function(2)
+
+```
+    
+**실행 결과:**
+```
+2초 대기 시작...
+대기 완료!
+'slow_function' 실행 시간: 2.0021초
+```
+
+## 출처
+
+- https://docs.python.org/ko/3.13/tutorial/controlflow.html#unpacking-argument-lists
+- https://docs.python.org/ko/3.13/reference/datamodel.html#special-method-names
+- https://wikidocs.net/192021
+- https://docs.python.org/ko/3.13/tutorial/datastructures.html#list-comprehensions
+- https://docs.python.org/ko/3.13/tutorial/classes.html#iterators
+- https://docs.python.org/ko/3.13/tutorial/classes.html#generators
\ No newline at end of file

From a8e6a6bd86074987697de15efbcbc66621def383 Mon Sep 17 00:00:00 2001
From: joojae02 <jake010417@gmail.com>
Date: Fri, 10 Oct 2025 04:44:32 +0900
Subject: [PATCH 2/4] =?UTF-8?q?chore:=20markdown=20=EB=AC=B8=EB=B2=95=20?=
 =?UTF-8?q?=EC=88=98=EC=A0=95?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 chapter1/pythonic_code.md | 6 +++---
 1 file changed, 3 insertions(+), 3 deletions(-)

diff --git a/chapter1/pythonic_code.md b/chapter1/pythonic_code.md
index a09a0b2..078a4d3 100644
--- a/chapter1/pythonic_code.md
+++ b/chapter1/pythonic_code.md
@@ -75,7 +75,7 @@ List comprehension: 0.245245 seconds
 
 ---
 
-### **2. 언패킹(Unpacking)과 제너레이터(Generator)**
+## **2. 언패킹(Unpacking)과 제너레이터(Generator)**
 
 ### 언패킹 (Unpacking) 
 - **언패킹 (Unpacking)** 언패킹은 튜플이나 리스트 같은 시퀀스 자료형의 요소들을 여러 변수에 한 번에 할당하는 기능이다. 
@@ -115,7 +115,7 @@ print(next(my_gen)) # 2 yielded, 3 출력
 
 ---
 
-### **3. 매직 메서드 (Magic Methods)**
+## **3. 매직 메서드 (Magic Methods)**
 
 매직 메서드(또는 특별 메서드, Special Methods)는 파이썬 클래스 내에서 `__` (더블 언더스코어)로 시작하고 끝나는 특별한 이름의 메서드이다. 
 이 메서드들은 `+`, `len()`, `print()`와 같은 파이썬의 내장 연산이나 함수가 해당 객체에 사용될 때 자동으로 호출된다.
@@ -161,7 +161,7 @@ print(p1 == p3)    # __eq__ 호출 -> False
 
 ---
 
-### **4. 데코레이터 (Decorator)**
+## **4. 데코레이터 (Decorator)**
 
 데코레이터는 기존 함수의 코드를 수정하지 않으면서, 함수에 **새로운 기능을 추가하거나 수정**할 때 사용하는 강력한 디자인 패턴이다.
 

From 938eea443859e81b4e06342c6471645c3af79748 Mon Sep 17 00:00:00 2001
From: joojae02 <jake010417@gmail.com>
Date: Fri, 10 Oct 2025 04:46:32 +0900
Subject: [PATCH 3/4] chore: add iterator

---
 chapter1/pythonic_code.md | 74 +++++++++++++++++++++++++++++++++++++++
 1 file changed, 74 insertions(+)

diff --git a/chapter1/pythonic_code.md b/chapter1/pythonic_code.md
index 078a4d3..dca263f 100644
--- a/chapter1/pythonic_code.md
+++ b/chapter1/pythonic_code.md
@@ -92,6 +92,79 @@ print(body)  # [20, 30, 40]
 print(tail)  # 50
 ```
 
+### 이터레이터 (Iterator)
+
+이터레이터는 파이썬에서 **반복 가능한 객체(iterable)**를 순회할 때 사용되는 객체이다. 
+이터레이터는 `__iter__()`와 `__next__()` 메서드를 구현한 객체로, 한 번에 하나씩 요소를 반환하며 순회 상태를 기억한다.
+
+#### 이터레이터의 특징
+- **지연 평가(Lazy Evaluation)**: 필요할 때만 값을 생성하므로 메모리 효율적이다
+- **상태 유지**: 현재 위치를 기억하고 다음 호출 시 그 다음 요소를 반환한다
+
+#### 이터레이터 vs 이터러블
+- **이터러블(Iterable)**: `__iter__()` 메서드를 가진 객체 (리스트, 튜플, 문자열 등)
+- **이터레이터(Iterator)**: `__iter__()`와 `__next__()` 메서드를 모두 가진 객체
+
+#### 기본 사용법
+```python
+# 리스트는 이터러블이지만 이터레이터는 아니다
+my_list = [1, 2, 3, 4, 5]
+print(hasattr(my_list, '__iter__'))  # True
+print(hasattr(my_list, '__next__'))  # False
+
+# iter() 함수로 이터레이터 생성
+my_iterator = iter(my_list)
+print(hasattr(my_iterator, '__next__'))  # True
+
+# next() 함수로 요소 하나씩 가져오기
+print(next(my_iterator))  # 1
+print(next(my_iterator))  # 2
+print(next(my_iterator))  # 3
+```
+
+#### 커스텀 이터레이터 클래스
+```python
+class CountDown:
+    def __init__(self, start):
+        self.current = start
+    
+    def __iter__(self):
+        return self
+    
+    def __next__(self):
+        if self.current <= 0:
+            raise StopIteration
+        else:
+            self.current -= 1
+            return self.current + 1
+
+# 사용 예시
+counter = CountDown(5)
+for num in counter:
+    print(num)  # 5, 4, 3, 2, 1
+
+# 또는 next() 함수로 직접 사용
+counter2 = CountDown(3)
+print(next(counter2))  # 3
+print(next(counter2))  # 2
+print(next(counter2))  # 1
+```
+
+#### 제너레이터와의 관계
+제너레이터는 이터레이터의 한 종류로, `yield` 키워드를 사용하여 더 간단하게 이터레이터를 만들 수 있다:
+```python
+def countdown_generator(start):
+	yield start
+	yield start+1
+	yield start+2
+
+# 제너레이터는 자동으로 이터레이터가 된다
+gen = countdown_generator(1)
+print(next(gen))  # 1
+print(next(gen))  # 2
+print(next(gen))  # 3
+```
+
 ### 제너레이터 (Generator) 
 - **제너레이터 (Generator)** 제너레이터는 모든 값을 메모리에 올리지 않고, 필요할 때마다 값을 하나씩 생성하여 반환하는 **이터레이터(iterator)**를 만드는 기능이다. 
 - 대용량 데이터를 처리할 때 메모리 효율성을 극대화할 수 있다. 함수 내에서 `yield` 키워드를 사용한다.
@@ -217,6 +290,7 @@ slow_function(2)
 
 - https://docs.python.org/ko/3.13/tutorial/controlflow.html#unpacking-argument-lists
 - https://docs.python.org/ko/3.13/reference/datamodel.html#special-method-names
+- https://wikidocs.net/134909
 - https://wikidocs.net/192021
 - https://docs.python.org/ko/3.13/tutorial/datastructures.html#list-comprehensions
 - https://docs.python.org/ko/3.13/tutorial/classes.html#iterators

From 6b024594dc9fa91b4fe306f90a6e5e56ede1a365 Mon Sep 17 00:00:00 2001
From: joojae02 <jake010417@gmail.com>
Date: Fri, 10 Oct 2025 04:51:32 +0900
Subject: [PATCH 4/4] =?UTF-8?q?chore:=20=EB=8C=80=EC=86=8C=EB=AC=B8?=
 =?UTF-8?q?=EC=9E=90=20=ED=86=B5=EC=9D=BC?=
MIME-Version: 1.0
Content-Type: text/plain; charset=UTF-8
Content-Transfer-Encoding: 8bit

---
 chapter1/pythonic_code.md | 10 +++++-----
 1 file changed, 5 insertions(+), 5 deletions(-)

diff --git a/chapter1/pythonic_code.md b/chapter1/pythonic_code.md
index dca263f..aa7b7a7 100644
--- a/chapter1/pythonic_code.md
+++ b/chapter1/pythonic_code.md
@@ -80,7 +80,7 @@ List comprehension: 0.245245 seconds
 ### 언패킹 (Unpacking) 
 - **언패킹 (Unpacking)** 언패킹은 튜플이나 리스트 같은 시퀀스 자료형의 요소들을 여러 변수에 한 번에 할당하는 기능이다. 
 - **예시:**
-```Python
+```python
 # 기본 언패킹
 a, b, c = (1, 2, 3)
 print(a, b, c) # 1 2 3
@@ -172,7 +172,7 @@ print(next(gen))  # 3
         - `yield`를 통해 값을 하나씩 반환하고, 함수의 상태는 그대로 유지된다.
         - 다음에 `next()` 함수로 호출되면 이전에 멈췄던 지점부터 다시 실행된다.
 - **예시:** 1부터 n까지의 숫자를 생성하는 제너레이터
-```Python
+```python
 def number_generator(n):
 	print("Generator starts")
 	for i in range(1, n + 1):
@@ -205,7 +205,7 @@ print(next(my_gen)) # 2 yielded, 3 출력
     - `==` 연산자를 사용하여 두 객체의 **내용이 같은지** 비교할 때 호출된다.
     - 이 메서드를 구현하지 않으면, 기본적으로 두 객체의 메모리 주소를 비교한다.
 - **예시:**
-```Python
+```python
 class Person:
 	def __init__(self, name, age):
 		self.name = name
@@ -241,7 +241,7 @@ print(p1 == p3)    # __eq__ 호출 -> False
 함수를 인자로 받아서, 새로운 기능이 추가된 또 다른 함수를 반환하는 형태로 동작한다.
 - 주로 로깅, 실행 시간 측정, 접근 제어 등 AOP(관점 지향 프로그래밍)에 유용하게 사용된다.
 - **기본 구조:**
-```Python
+```python
 def decorator_function(original_function):
 	def wrapper_function(*args, **kwargs):
 		# --- 함수 실행 전 처리 ---
@@ -256,7 +256,7 @@ def decorator_function(original_function):
 ```
 - **사용법 (`@` 구문):** 기능을 추가하고 싶은 함수 위에 `@데코레이터_이름`을 붙여준다
 - **예시:** 함수의 실행 시간을 측정하는 데코레이터
-```Python
+```python
 import time
 
 def measure_time(func):