OPEN HYPER STEP
← 목록으로 (Python)
PYTHON · 4 / 34
python
CHAPTER 4 / 34
읽기 약 2
SYNTAX

AI 프롬프트로 Python 200% 활용하기


핵심 개념

Python을 배우면서 AI를 코딩 파트너로 쓰는 11개 실전 프롬프트.

본문

이 챕터는 Python을 배우면서 AI를 코딩 파트너로 활용하는 11개 프롬프트를 제공합니다. ❌나쁜 예 vs ✅좋은 예.


💡 4단계 공식

📋 코드 (1줄)
1. 역할 / 2. 맥락 / 3. 지시 / 4. 형식

🟢 기초 (1~4)

1. 변수 + 타입

Python 변수

📋 코드 (3줄)
Python 기본 타입 6가지(int/float/str/bool/list/dict)와
타입 힌트(typing) 사용법을 표 + 코드 예시로.
None과 빈 리스트의 차이도.

2. 조건문 + 반복문

if for 사용법

📋 코드 (3줄)
if/elif/else + for/while 패턴 정리.
List Comprehension vs for 루프 비교 +
enumerate / zip / range의 활용 예시 5개.

3. 리스트 + 딕셔너리

리스트 사용법

📋 코드 (2줄)
리스트와 딕셔너리의 핵심 메서드를 표 +
언제 무엇을 사용할지 결정 트리 + 흔한 실수 5개.

4. 함수 + lambda

함수 만드는 법

📋 코드 (2줄)
함수 정의 + 기본값 + *args + **kwargs + 타입 힌트 +
lambda + 고차 함수(map/filter/reduce) 활용 예시 5개.

🟡 중급 (5~8)

5. 파일 I/O + JSON

파일 읽기

📋 코드 (3줄)
open + with 컨텍스트 매니저 + 인코딩(utf-8) +
JSON 직렬화/역직렬화 + 에러 처리(FileNotFoundError, JSONDecodeError).
CSV / pickle도 짧게 비교.

6. 클래스 + 상속

class 사용법

📋 코드 (2줄)
클래스 정의 + __init__ + property + 상속 + 다형성 +
@classmethod / @staticmethod 차이 + dataclass 활용.

7. 모듈 + pip

pip 사용법

📋 코드 (2줄)
가상환경(venv/poetry) + pip install + requirements.txt +
pyproject.toml 비교. 패키지 충돌 해결 + 보안 점검(pip-audit).

8. 예외 + 디버깅

예외 처리

📋 코드 (3줄)
try/except/else/finally 패턴 + 사용자 정의 예외 +
로깅(logging 모듈) + pdb 디버깅 + traceback 분석.
흔한 예외 10개 + 처리 방법.

🔵 심화 (9~11)

9. 데이터 분석 (pandas)

pandas 사용법

📋 코드 (3줄)
pandas로 CSV 데이터를 읽고 분석하는 핵심 패턴 10가지.
read_csv / dropna / groupby / merge / pivot_table /
fillna / apply / lambda + matplotlib 시각화.

10. API 개발 (FastAPI)

FastAPI API 만들기

📋 코드 (3줄)
FastAPI로 REST API를 설계해줘.
Pydantic 입력 검증 + dependency injection + async/await +
에러 핸들러 + OpenAPI 자동 문서 + 테스트(pytest+httpx).

11. 자동화 (requests + Selenium)

웹 스크래핑

📋 코드 (3줄)
웹 자동화 도구를 비교해줘.
requests + BeautifulSoup vs Selenium vs Playwright.
각 도구 + 언제 무엇을 + robots.txt 준수 + 재시도 + 캡차 우회 한계.

⚠️ 주의사항

  1. AI Python 2 코드 출력 — 'Python 3.11+' 명시
  2. AI 타입 힌트 누락 — '모든 함수에 타입 힌트' 명시
  3. AI 들여쓰기 깨짐 — 'Black 포맷터 적용 가능 코드' 명시
  4. 주 2회는 AI 없이 작성

💻 데모 코드

PYTHON📋 코드 (35줄)
# ❌ 나쁜: 'Python으로 데이터 처리'
import json
f = open('data.json')
data = json.loads(f.read())
result = []
for item in data:
    if item['active'] == True:
        result.append(item['name'])
print(result)
# 문제: 파일 닫기 누락, 타입 힌트 없음, == True 안티패턴


# ✅ 좋은: with + 타입 힌트 + Comprehension + 에러 처리
import json
from pathlib import Path
from typing import TypedDict

class Item(TypedDict):
    name: str
    active: bool

def load_active_names(path: str | Path) -> list[str]:
    """JSON 파일에서 active=True 항목의 이름만 반환."""
    try:
        with open(path, encoding='utf-8') as f:
            data: list[Item] = json.load(f)
    except FileNotFoundError:
        return []
    except json.JSONDecodeError as e:
        raise ValueError(f'잘못된 JSON: {e}') from e
    return [item['name'] for item in data if item.get('active')]

print(load_active_names('data.json'))

# 📊 비교: 컨텍스트 매니저 + 타입 힌트 + 컴프리헨션 + 에러 처리 — 프롬프트 구체성이 결정

AI 프롬프트
🤖 AI에게 잘 물어보는 법 — 모델·전략별 프롬프트
Claude

무료: Sonnet 4.6 / Pro $20/mo: Opus 4.6

내가 만든 Python 코드에 AI를 활용해서
안티패턴·메모리 누수·타입 안전성을 자동 점검받는
프롬프트 템플릿 3종을 설계해줘.
ChatGPT

무료: GPT-5.5 / Plus $20/mo: GPT-5.5 Pro

Python 학습에 ChatGPT를 활용하는
실전 시나리오 5가지(자동화 스크립트, 데이터 분석, ML, 디버깅, 리팩토링)를
바로 쓸 수 있는 프롬프트와 함께 보여줘.
Gemini

무료: 2.5 Flash / Pro $19.99/mo: 3.1 Pro

Python 코드 전체를 AI로 분석할 때
Claude/ChatGPT/Gemini/Grok 각각의 강점과
적합한 프롬프트 패턴을 비교 정리해줘.
Grok

무료: Grok 4.1 / SuperGrok $30/mo

2026년에 AI 코드 어시스턴트로
Python을 배우는 게 공식 문서·강의보다 빠른지,
어떤 한계가 있는지 솔직히 평가해줘.

⭐ 이것만 기억하세요
AI 프롬프트로 Python 200% 활용하기 이 3가지만 확실히 잡으세요
1.프롬프트 4단계 공식: 나쁜 예/좋은 예 비교로 Python 코드 품질 극적 향상
2.11개 프롬프트: 기초(타입·반복·자료구조·함수) → 중급(파일·클래스·모듈·예외) → 심화(pandas·FastAPI·자동화)
3.AI는 Python 2 코드 / 타입 힌트 누락 — 명시 + 직접 작성


공유하기
진행도 4 / 34