[AI Assignment - Python] 🐍 타입 힌트와 컴프리헨션 — WeatherAnalyzer 클래스 구현기

🎯 과제: WeatherAnalyzer 클래스 구현 #

첫 번째 과제는 타입 힌트와 컴프리헨션을 활용한 날씨 데이터 분석 클래스 만들기입니다.

입력 데이터 #

1weather_data = [
2    {"city": "서울", "date": "2026-04-01", "temp": 15.2, "humidity": 45, "pm25": 32.1},
3    {"city": "서울", "date": "2026-04-02", "temp": 18.5, "humidity": 52, "pm25": 28.7},
4    {"city": "부산", "date": "2026-04-01", "temp": 17.8, "humidity": 61, "pm25": 22.3},
5    {"city": "부산", "date": "2026-04-02", "temp": 20.1, "humidity": 58, "pm25": 19.5},
6]

요구사항 #

get_city_avg(city) — 특정 도시의 temp, humidity, pm25 각각의 평균을 딕셔너리로 반환
get_good_air_days(threshold) — pm25가 threshold 이하인 날만 필터링 (컴프리헨션 사용)
summary() — 모든 도시별 평균을 {"서울": {...}, "부산": {...}} 형태로 반환 (딕셔너리 컴프리헨션 사용)
모든 함수에 타입 힌트 적용

1️⃣ 1차 시도: 일단 기억나는 대로 작성 #

 1class WeatherAnalyzer:
 2    def __init__(self, list_input: list[dict[str]]):
 3        self._list_input = list_input
 4
 5    def get_city_avg(self, city: str) -> dict[str, float]:
 6        results = {
 7            item["city"]: (item["temp"] + item["humidity"] + item["pm25"]) / 3
 8            for item in self._list_input if item['city'] == city
 9        }
10        return results
11
12    def get_good_air_days(self, threshold: float = 30.0) -> list[dict]:
13        results = [item for item in self._list_input if item['pm25'] <= threshold]
14        return results
15
16    def summary(self) -> dict[str, dict[str, float]]:
17        results = [{
18            item["city"]: (item["temp"] + item["humidity"] + item["pm25"]) / 3
19            for item in self._list_input
20        }]
21        return results

리뷰에서 지적받은 점 #

타입 힌트 오류: dict[str]은 유효하지 않습니다. dict는 key와 value 타입을 둘 다 명시해야 합니다. 값이 str, float, int 등 여러 타입이 섞여 있으므로 dict[str, Any]로 써야 합니다.

get_city_avg 로직 오류: 가장 큰 실수였습니다. 온도, 습도, 미세먼지를 합산해서 3으로 나누는 의미 없는 계산을 하고 있었습니다. 요구사항은 각 항목의 도시별 평균이었습니다.

1# 내가 한 것 (틀림)
2(item["temp"] + item["humidity"] + item["pm25"]) / 3   # → 의미 없는 숫자
3
4# 기대한 것
5{"temp": 18.95, "humidity": 59.5, "pm25": 20.9}         # → 각 항목별 평균

딕셔너리 키 중복 문제: 컴프리헨션에서 같은 키(“부산”)가 여러 번 나오면 마지막 값만 남습니다. 즉 부산 4/1 데이터가 사라집니다.

summary의 반환 타입 불일치: 리스트로 감싸서 list[dict]를 반환하고 있었는데, 요구사항은 dict[str, dict]이었습니다.

2️⃣ 2차 시도: 로직 수정 + dataclass 도전 #

 1from dataclasses import dataclass, field
 2from typing import Any
 3
 4@dataclass
 5class WeatherAnalyzer:
 6    city: str
 7    date: str
 8    temp: float
 9    humidity: int
10    pm25: float
11
12    def __init__(self, list_input: list[dict[str, Any]]):
13        self._list_input = list_input
14
15    def get_city_avg(self, city: str) -> dict[str, float]:
16        results = {
17            city: [
18                {'temp': sum(data['temp'] for data in self._list_input if data['city'] == city) /
19                         len([data for data in self._list_input if data['city'] == city])},
20                {'humidity': sum(data['humidity'] for data in self._list_input if data['city'] == city) /
21                             len([data for data in self._list_input if data['city'] == city])},
22                {'pm25': sum(data['pm25'] for data in self._list_input if data['city'] == city) /
23                         len([data for data in self._list_input if data['city'] == city])},
24            ]
25        }
26        return results
27
28    def summary(self) -> dict[str, dict[str, float]]:
29        cities = set(d['city'] for d in self._list_input)
30        results = {item: self.get_city_avg(item) for item in cities}
31        return results

좋아진 점 #

항목별 평균을 따로 구하는 방향은 맞았습니다.
summary()에서 get_city_avg()를 재활용하는 설계도 좋았습니다.

여전히 남은 문제 #

@dataclass 오용: @dataclass는 __init__을 자동 생성해주는 데코레이터인데, 직접 __init__을 정의하면 자동생성이 무시됩니다. 위에 선언한 city, date 등의 필드도 실제로 사용되지 않았습니다.

반환 구조: dict 안에 list 안에 dict 3개라는 불필요하게 복잡한 구조가 만들어졌습니다.

1# 내 반환값 (너무 복잡)
2{"부산": [{"temp": 18.95}, {"humidity": 59.5}, {"pm25": 20.9}]}
3
4# 기대한 반환값 (심플)
5{"temp": 18.95, "humidity": 59.5, "pm25": 20.9}

같은 필터링이 6번 반복: data['city'] == city 필터링을 temp, humidity, pm25마다 sum과 len에서 각각 반복하고 있었습니다. 총 6번. 먼저 한 번 필터링하고 재사용하면 됩니다.

3️⃣ 3차 시도 (최종): 피드백 반영 #

 1from typing import Any
 2
 3class WeatherAnalyzer:
 4    def __init__(self, list_input: list[dict[str, Any]]):
 5        self._list_input = list_input
 6
 7    def get_city_avg(self, city: str) -> dict[str, float]:
 8        city_data = [d for d in self._list_input if d['city'] == city]
 9        n = len(city_data)
10        results = {
11            'temp': sum(d['temp'] for d in city_data) / n,
12            'humidity': sum(d['humidity'] for d in city_data) / n,
13            'pm25': sum(d['pm25'] for d in city_data) / n,
14        }
15        return results
16
17    def get_good_air_days(self, threshold: float = 30.0) -> list[dict]:
18        return [item for item in self._list_input if item['pm25'] <= threshold]
19
20    def summary(self) -> dict[str, dict[str, float]]:
21        cities = set(d['city'] for d in self._list_input)
22        return {city: self.get_city_avg(city) for city in cities}

실행 결과 #

get_city_avg('부산')  → {'temp': 18.95, 'humidity': 59.5, 'pm25': 20.9}
get_good_air_days(20) → [{'city': '부산', 'date': '2026-04-02', 'temp': 20.1, 'humidity': 58, 'pm25': 19.5}]
summary()             → {'부산': {'temp': 18.95, ...}, '서울': {'temp': 16.85, ...}}

🏆 모범답안과 비교 #

리뷰에서 받은 모범답안에는 몇 가지 추가 테크닉이 있었습니다.

필드 반복을 상수로 제거 #

1class WeatherAnalyzer:
2    FIELDS = ('temp', 'humidity', 'pm25')
3
4    def get_city_avg(self, city: str) -> dict[str, float]:
5        city_data = [d for d in self._data if d['city'] == city]
6        n = len(city_data)
7        return {f: round(sum(d[f] for d in city_data) / n, 2) for f in self.FIELDS}

FIELDS를 상수로 정의해두면 필드가 추가되어도 한 곳만 수정하면 됩니다. 딕셔너리 컴프리헨션으로 3줄이 1줄로 줄어듭니다.

방어 코드 #

1if not city_data:
2    raise ValueError(f"도시 '{city}'의 데이터가 없습니다")

⚠️ 존재하지 않는 도시를 넣으면 n = 0이 되어 ZeroDivisionError가 발생합니다. 실무에서는 이런 엣지 케이스를 항상 고려해야 합니다.

`repr` 구현 #

1def __repr__(self) -> str:
2    return f"WeatherAnalyzer({len(self._data)}건, 도시: {sorted({d['city'] for d in self._data})})"

print(analyzer) 했을 때 객체 정보를 한눈에 볼 수 있어 디버깅에 유용합니다.

📝 이번 과제에서 배운 것 #

타입 힌트: dict[str]이 아니라 dict[str, Any]처럼 key/value 타입을 모두 명시해야 합니다. 모던 Python에서 타입 힌트는 선택이 아닌 사실상 표준입니다.

컴프리헨션의 함정: 딕셔너리 컴프리헨션에서 같은 키가 여러 번 나오면 마지막 값만 남습니다. 데이터를 먼저 그룹핑하고 집계해야 합니다.

@dataclass의 용도: @dataclass는 데이터를 담는 클래스에 쓰는 것이지, 로직 중심의 분석 클래스에 억지로 끼워넣을 필요가 없습니다.

필터링 한 번, 재사용 여러 번: 같은 조건의 필터링을 반복하지 말고 변수에 담아서 재사용합니다. 가독성과 성능 모두 좋아집니다.

Tip: 메서드 안에 print를 넣지 않는 것이 좋은 습관입니다. 메서드는 값을 반환하고, 출력은 호출하는 쪽에서 결정해야 합니다.