파이썬 중급 데코레이터 제너레이터

데코레이터 & 제네레이터

개요

파이썬 실력을 한 단계 높이기 위해서는 단순히 문법을 아는 것을 넘어, 코드의 효율성과 가독성을 극대화하는 도구들을 이해해야 한다. 그 중심에 있는 것이 바로 데코레이터(Decorator)와 제너레이터(Generator)이다. 이들은 중복 코드를 제거하고 복잡한 로직을 추상화하여 유지보수가 쉬운 코드를 만들어준다. 본 포스팅에서는 이 두 기능의 작동 원리를 파헤치고, 실무에서 왜 이 기술들을 선택해야 하는지 상세히 정리한다.

---

1. 함수를 감싸는 마법: 데코레이터(Decorator)

데코레이터는 기존 함수의 코드를 수정하지 않고도 앞뒤에 새로운 기능을 추가할 수 있게 해주는 도구이다. 파이썬은 이를 더 간결하게 표현하기 위해 Syntax Sugar를 제공한다.

Syntax Sugar란?
프로그래밍 언어에서 코드를 좀 더 간결하고 읽기 쉽게 만들기 위해 제공되는 문법적 기능이다. 내부 동작은 동일하지만 사람이 읽기에 직관적인 형태를 제공한다.

작동 원리 파헤치기

데코레이터의 Syntax Sugar인 '@' 기호를 사용하면, 파이썬 내부에서는 다음과 같은 일이 일어난다.

import time

def timer_decorator(func):
    # func 인자로 호출된 함수 자체가 전달된다.
    def wrapper(*args, **kwargs):
        start_time = time.time() # 실행 전
        result = func(*args, **kwargs) # 핵심 로직 실행
        end_time = time.time() # 실행 후
        print(f"로그: {func.__name__} 실행 시간은 {end_time - start_time:.4f}초이다.")
        return result
    return wrapper

# @timer_decorator -> decorator 설정
@timer_decorator
def heavy_processing():
    time.sleep(1)
    print("처리가 완료되었다.")

heavy_processing()

실행화면

• 함수 전달: 내부적으로 'heavy_processing = timer_decorator(heavy_processing)'와 동일하게 처리된다.
• wrapper의 역할: 원래 함수를 감싸는 대리인 역할을 수행하며, 부가 로직(시간 측정 등)을 핵심 로직 전후에 실행한다.

---

2. 필요한 만큼만 생성한다: 제너레이터(Generator)

제너레이터는 데이터를 한꺼번에 메모리에 올리는 리스트와 달리, 데이터가 필요할 때마다 하나씩 '생성'하거나 '선별'하여 전달하는 특별한 함수이다.

yield의 정체

제너레이터 함수는 'return' 대신 'yield' 키워드를 사용한다.

def get_number_generator(n):
    for i in range(n):
        yield i # 여기서 i를 반환하고, 함수의 상태를 유지한 채 멈춘다. (생성 및 일시정지)
        # 다음 호출 시 이 지점 바로 다음부터 다시 실행된다.

gen = get_number_generator(3)
print(next(gen)) # 0 반환 후 정지
print(next(gen)) # 1 반환 후 정지

실행화면

---

3. 실무에서 왜 쓰는가? (기술적 설득력)

단순히 "리스트를 써도 되지 않나?"라는 의문에 대해, 데코레이터와 제너레이터는 '단일 책임 원칙'과 '클린 코드' 관점에서 해답을 제시한다.

3.1. 데코레이터: 단일 책임 원칙(SRP)의 실현

클래스의 핵심 기능과 부가 기능(시간 측정, 로깅 등)을 분리할 때 데코레이터는 최상의 도구가 된다.

import time
def timer_decorator(func):
    # func 인자로 호출된 함수 자체가 전달된다.
    def wrapper(*args, **kwargs):
        start_time = time.time() # 실행 전
        result = func(*args, **kwargs) # 핵심 로직 실행
        end_time = time.time() # 실행 후
        print(f"로그: {func.__name__} 실행 시간은 {end_time - start_time:.4f}초이다.")
        return result
    return wrapper

class Display:
    """화면 출력을 담당하는 클래스"""
    # @timer_decorator -> decorator 설정 (출력 기능과 시간 측정 책임의 분리)
    @timer_decorator
    def print_message(self, message):
        time.sleep(0.5)
        print(f"메시지: {message}")

display = Display()
display.print_message("파이썬 중급 강좌를 시작한다.")

실행화면

• 책임 분리: 'Display' 클래스는 출력에만 집중하고, 시간 측정은 데코레이터가 전담하여 SRP를 준수한다.

3.2. 제너레이터: 데이터 필터링의 추상화와 가독성

제너레이터는 단순히 데이터를 만드는 도구가 아니라, 복잡한 '데이터 선별 로직(Filtering)'을 함수 내부로 숨겨서 사용자에게 깨끗한 데이터 흐름만을 전달하는 추상화 도구이다.

로직의 분리와 유지보수 단일화

단순한 필터링은 한 줄의 'if' 문으로 충분하지만, 수식이 복잡해지면 메인 로직을 해치게 된다. 제너레이터는 이 수식을 '가두는' 역할을 한다.

# [나쁜 예시] 복잡한 필터링 수식이 메인 로직(for 루프)에 노출되어 가독성을 해침
for item in raw_data:
    if (item.status == 'active' and item.price > 100 and not item.is_expired):
        print(f"핵심 처리: {item}")

# [좋은 예시] 필터링 로직을 제너레이터로 추상화하여 의도만 드러냄
def active_premium_stream(data):
    """복잡한 수식을 이 안에 가둬서 사용하는 쪽의 코드를 깨끗하게 유지한다."""
    for item in data:
        if (item.status == 'active' and item.price > 100 and not item.is_expired):
            yield item

# 사용자는 '어떤 조건'인지 몰라도 '유효한 프리미엄 데이터'임에 집중할 수 있다.
for item in active_premium_stream(raw_data):
    print(f"핵심 처리: {item}")

1. 가독성 향상: 메인 루프에서 지저분한 수식을 제거하고 비즈니스 로직에만 집중하게 한다.
2. 변경의 최소화: 필터링 조건이 변경되어도 제너레이터 함수 한 곳만 수정하면 이를 사용하는 모든 코드가 안전하게 업데이트된다.
3. 메모리 낭비 방지: 여러 단계의 데이터 처리 파이프라인에서 불필요한 중간 리스트 생성을 막아 비효율적인 메모리 복사를 방지한다.

---

Conclusion

데코레이터는 코드의 중복을 제거하고 책임을 분리하며, 제너레이터는 복잡한 필터링 로직을 추상화하여 가독성과 유지보수성을 확보한다. 파이썬의 유연함을 실무적인 안정성으로 승화시키는 것이 이 두 도구의 핵심이다.

오늘 학습한 로직의 추상화와 가독성 향상의 철학을 프로젝트에 녹여내어,
성능과 유지보수성을 모두 잡는 개발자가되어보자