미분류 716 - naver.HOW data lake by AI

📌 적합한 자료형 후보

dict (딕셔너리): 각 종목마다 세부 항목(key: value) 관리
dataclass (Python 3.7+): 구조화된 객체 사용 + 가독성 ↑
custom class: 사용자 정의 객체로 세밀한 제어 가능
NamedTuple or TypedDict: 타입 안정성 필요할 때 유용 (정적 타입 검사기 사용 시)

✅ 최적 구조: `dataclass` + `dict[str, StockInfo]`

종목별 정보를 dataclass로 구조화
전체 주식 정보는 종목명(key) 기준의 dict로 관리

💡 구현 예시

from dataclasses import dataclass, asdict
from typing import Dict

@dataclass
class StockInfo:
    code: str
    price: int
    market_cap: int
    per: float

class GlobalStockStorage:
    global_stocks: Dict[str, StockInfo] = {
        "삼성전자": StockInfo(code="005930", price=70000, market_cap=450_000_000_000_000, per=15.2)
    }

    def __init__(self, **additional_stocks: StockInfo):
        # 클래스 변수 복사 → 인스턴스 독립적 상태 유지
        self.stocks = self.global_stocks.copy()
        self.stocks.update(additional_stocks)

    def show_all(self):
        for name, stock in self.stocks.items():
            print(f"[{name}]")
            for k, v in asdict(stock).items():
                print(f"  {k}: {v}")
            print()

# Example usage
test = GlobalStockStorage(
    카카오=StockInfo(code="035720", price=54000, market_cap=48000000000000, per=23.4),
    네이버=StockInfo(code="035420", price=210000, market_cap=34000000000000, per=35.1),
)
test.show_all()

🧾 출력 예시:

[삼성전자]
  code: 005930
  price: 70000
  market_cap: 450000000000000
  per: 15.2

[카카오]
  code: 035720
  price: 54000
  market_cap: 48000000000000
  per: 23.4

[네이버]
  code: 035420
  price: 210000
  market_cap: 34000000000000
  per: 35.1

🧠 요약

목적	적합한 자료형
종목별 세부 항목 다수 관리	`dataclass` + `dict`
읽기전용, 가벼운 구조	`NamedTuple`
JSON 직렬화 고려	`asdict()` or `__dict__`
정적 타입 검사	`TypedDict` (with mypy 등)

JSON으로 저장/로드

✅ 목표 기능

종목 정보를 StockInfo 데이터클래스로 구조화
GlobalStockStorage 클래스로 추가/출력 관리
JSON 파일로 저장 및 로드 기능 포함

🧾 전체 코드

import json
from dataclasses import dataclass, asdict, fields
from typing import Dict

# 1. 개별 종목 정보를 담는 데이터 클래스
@dataclass
class StockInfo:
    code: str
    price: int
    market_cap: int
    per: float

    @staticmethod
    def from_dict(data: dict) -> 'StockInfo':
        return StockInfo(**{f.name: data[f.name] for f in fields(StockInfo)})

# 2. 전체 종목 리스트를 관리하는 클래스
class GlobalStockStorage:
    global_stocks: Dict[str, StockInfo] = {
        "삼성전자": StockInfo(code="005930", price=70000, market_cap=450_000_000_000_000, per=15.2)
    }

    def __init__(self, **additional_stocks: StockInfo):
        self.stocks = self.global_stocks.copy()
        self.stocks.update(additional_stocks)

    def show_all(self):
        for name, stock in self.stocks.items():
            print(f"[{name}]")
            for k, v in asdict(stock).items():
                print(f"  {k}: {v}")
            print()

    def save_to_json(self, filepath: str):
        json_data = {name: asdict(stock) for name, stock in self.stocks.items()}
        with open(filepath, "w", encoding="utf-8") as f:
            json.dump(json_data, f, ensure_ascii=False, indent=2)
        print(f"📁 저장 완료: {filepath}")

    @classmethod
    def load_from_json(cls, filepath: str) -> 'GlobalStockStorage':
        with open(filepath, "r", encoding="utf-8") as f:
            json_data = json.load(f)
        loaded_stocks = {name: StockInfo.from_dict(data) for name, data in json_data.items()}
        return cls(**loaded_stocks)

▶️ 사용 예시

# 초기 객체 생성 및 저장
storage = GlobalStockStorage(
    카카오=StockInfo(code="035720", price=54000, market_cap=48000000000000, per=23.4),
    네이버=StockInfo(code="035420", price=210000, market_cap=34000000000000, per=35.1),
)
storage.save_to_json("stocks.json")  # JSON 파일로 저장

# 다른 시점에서 로드
loaded = GlobalStockStorage.load_from_json("stocks.json")
loaded.show_all()

🧠 보충 설명

항목	설명
`asdict()`	dataclass 객체 → dict 변환
`from_dict()`	dict → dataclass 객체 생성
`json.dump()`	파일에 JSON으로 저장
`json.load()`	파일에서 JSON 읽기

이 구조는 확장성, 직렬화 호환성, 가독성이 뛰어나서 실제 주식 관리 앱이나 백엔드 API 설계 시에도 그대로 적용 가능합니다.

좋습니다! 지금까지 만든 구조(dataclass + dict)를 Pandas와 연동하면 아래와 같은 작업이 가능합니다:

dict[str, StockInfo] → DataFrame으로 변환
DataFrame → dict[str, StockInfo]로 역변환
CSV/Excel 등 다양한 포맷 입출력 가능

✅ 전체 연동 기능 구현: Pandas 통합 버전

import json
import pandas as pd
from dataclasses import dataclass, asdict, fields
from typing import Dict

# 1. 데이터 클래스 정의
@dataclass
class StockInfo:
    code: str
    price: int
    market_cap: int
    per: float

    @staticmethod
    def from_dict(data: dict) -> 'StockInfo':
        return StockInfo(**{f.name: data[f.name] for f in fields(StockInfo)})

# 2. 메인 저장 클래스
class GlobalStockStorage:
    global_stocks: Dict[str, StockInfo] = {
        "삼성전자": StockInfo(code="005930", price=70000, market_cap=450_000_000_000_000, per=15.2)
    }

    def __init__(self, **additional_stocks: StockInfo):
        self.stocks = self.global_stocks.copy()
        self.stocks.update(additional_stocks)

    def show_all(self):
        for name, stock in self.stocks.items():
            print(f"[{name}]")
            for k, v in asdict(stock).items():
                print(f"  {k}: {v}")
            print()

    def save_to_json(self, filepath: str):
        json_data = {name: asdict(stock) for name, stock in self.stocks.items()}
        with open(filepath, "w", encoding="utf-8") as f:
            json.dump(json_data, f, ensure_ascii=False, indent=2)

    @classmethod
    def load_from_json(cls, filepath: str) -> 'GlobalStockStorage':
        with open(filepath, "r", encoding="utf-8") as f:
            json_data = json.load(f)
        loaded_stocks = {name: StockInfo.from_dict(data) for name, data in json_data.items()}
        return cls(**loaded_stocks)

    # ✅ 판다스 변환 기능
    def to_dataframe(self) -> pd.DataFrame:
        data = {name: asdict(stock) for name, stock in self.stocks.items()}
        df = pd.DataFrame.from_dict(data, orient='index')
        df.index.name = '종목명'
        return df

    @classmethod
    def from_dataframe(cls, df: pd.DataFrame) -> 'GlobalStockStorage':
        df = df.reset_index()
        stocks = {
            row['종목명']: StockInfo(
                code=row['code'],
                price=int(row['price']),
                market_cap=int(row['market_cap']),
                per=float(row['per'])
            )
            for _, row in df.iterrows()
        }
        return cls(**stocks)

▶️ 사용 예시

# 초기 생성
storage = GlobalStockStorage(
    카카오=StockInfo(code="035720", price=54000, market_cap=48000000000000, per=23.4),
    네이버=StockInfo(code="035420", price=210000, market_cap=34000000000000, per=35.1),
)

# Pandas DataFrame 변환
df = storage.to_dataframe()
print(df)

# 저장
df.to_csv("stocks.csv", encoding="utf-8-sig")  # CSV 저장

# CSV 불러오기 후 객체 재생성
df_loaded = pd.read_csv("stocks.csv", index_col="종목명")
storage2 = GlobalStockStorage.from_dataframe(df_loaded)

# 재확인
storage2.show_all()

📊 출력 예시 (DataFrame)

              code   price    market_cap   per
종목명                                        
삼성전자     005930   70000  450000000000000  15.2
카카오      035720   54000   48000000000000  23.4
네이버      035420  210000   34000000000000  35.1

✅ 요약

작업 내용	함수
dict → DataFrame	`.to_dataframe()`
DataFrame → dict	`from_dataframe()`
JSON 저장/로드	`save_to_json`, `load_from_json`
CSV 저장/로드	`DataFrame.to_csv`, `pd.read_csv()`

[카테고리:] 미분류

python dataclasses

📌 적합한 자료형 후보

✅ 최적 구조: `dataclass` + `dict[str, StockInfo]`

💡 구현 예시

🧾 출력 예시:

🧠 요약

✅ 목표 기능

🧾 전체 코드

▶️ 사용 예시

🧠 보충 설명

✅ 전체 연동 기능 구현: Pandas 통합 버전

▶️ 사용 예시

📊 출력 예시 (DataFrame)

✅ 요약

[카테고리:] 미분류

python dataclasses

📌 적합한 자료형 후보

✅ 최적 구조: dataclass + dict[str, StockInfo]

💡 구현 예시

🧾 출력 예시:

🧠 요약

✅ 목표 기능

🧾 전체 코드

▶️ 사용 예시

🧠 보충 설명

✅ 전체 연동 기능 구현: Pandas 통합 버전

▶️ 사용 예시

📊 출력 예시 (DataFrame)

✅ 요약

✅ 최적 구조: `dataclass` + `dict[str, StockInfo]`