[프로그래머스] 원소들의 곱과 합

원소들의 곱과 합을 비교하는 알고리즘 문제 풀이 (Java & Python)

이번 글에서는 정수 리스트 num_list가 주어졌을 때, 모든 원소들의 곱이 모든 원소들의 합의 제곱보다 작으면 1을, 크면 0을 반환하는 알고리즘 문제를 Java와 Python으로 풀어보겠습니다. 이 문제는 간단한 산술 연산과 조건문을 활용한 문제로, 배열의 원소들 간의 관계를 파악하는 좋은 연습이 될 것입니다. 자바와 파이썬의 코드 예시와 함께, 다양한 풀이 방법과 각 풀이 방법의 시간 및 공간 복잡도에 대해 설명해 보겠습니다.

문제 설명

정수 리스트 num_list가 주어졌을 때, 리스트의 모든 원소들의 곱이 모든 원소들의 합의 제곱보다 작으면 1을 반환하고, 그렇지 않으면 0을 반환하는 함수를 구현하세요.

제한사항

• num_list의 길이는 최소 2에서 최대 10까지입니다.
• 각 원소는 1 이상 9 이하의 정수입니다.

입출력 예

num_list	결과
[3, 4, 5, 2, 1]	1
[5, 7, 8, 3]	0

입출력 예 #1: 모든 원소의 곱은 120이고, 합의 제곱은 225이므로 곱이 합의 제곱보다 작으므로 1을 반환합니다.
입출력 예 #2: 모든 원소의 곱은 840이고, 합의 제곱은 529이므로 곱이 더 크기 때문에 0을 반환합니다.

해결 방법

이 문제를 해결하기 위해 배열의 원소들을 곱하고 더하는 기본적인 산술 연산을 수행한 뒤, 조건문을 사용하여 비교합니다. 각 언어별로 코드와 설명을 제공하고, 시간 및 공간 복잡도도 분석하겠습니다.

Java 코드

class Solution {
    public int solution(int[] num_list) {
        int product = 1;
        int sum = 0;

        for (int num : num_list) {
            product *= num;
            sum += num;
        }

        int sumSquared = sum * sum;
        return product < sumSquared ? 1 : 0;
    }
}

시간 복잡도

• 시간 복잡도: O(n) - 배열의 모든 원소에 대해 곱셈과 덧셈을 한 번씩 수행하므로, 배열의 길이 n에 비례하는 시간이 소요됩니다.
• 공간 복잡도: O(1) - 추가적인 배열을 사용하지 않고, 고정된 크기의 변수(product, sum, sumSquared)만 사용하므로 공간 복잡도는 상수입니다.

Python 코드

def solution(num_list):
    product = 1
    total_sum = 0

    for num in num_list:
        product *= num
        total_sum += num

    sum_squared = total_sum ** 2
    return 1 if product < sum_squared else 0

시간 복잡도

• 시간 복잡도: O(n) - 리스트의 모든 원소에 대해 곱셈과 덧셈을 각각 수행하기 때문에 배열의 길이 n에 비례하는 시간이 필요합니다.
• 공간 복잡도: O(1) - 추가 메모리를 사용하지 않으며, 고정된 크기의 변수들만 사용합니다.

다양한 Java 풀이 방법 소개

위의 기본 풀이 외에도 자바에서는 다양한 방법으로 이 문제를 해결할 수 있습니다. 몇 가지 추가적인 풀이 방법을 살펴보겠습니다.

1. Streams 사용

Java 8 이상의 버전에서는 Stream API를 이용해 간결하게 문제를 해결할 수 있습니다.

import java.util.Arrays;

class Solution {
    public int solution(int[] num_list) {
        int product = Arrays.stream(num_list).reduce(1, (a, b) -> a * b);
        int sum = Arrays.stream(num_list).sum();
        int sumSquared = sum * sum;
        return product < sumSquared ? 1 : 0;
    }
}

설명

• Arrays.stream(): 배열을 스트림으로 변환합니다.
• reduce(1, (a, b) -> a * b): 스트림의 모든 원소에 대해 곱셈을 수행합니다.
• sum(): 스트림의 모든 원소를 더합니다.

장점 및 단점

• 장점: 코드가 간결하고 가독성이 높습니다.
• 단점: 작은 배열에서는 성능 차이가 없지만, 스트림 사용에 따른 약간의 성능 오버헤드가 발생할 수 있습니다.

2. for-each 루프 대신 일반 for 루프 사용

기존의 for-each 루프 대신 일반적인 인덱스를 사용하는 for 루프를 이용하여 문제를 해결할 수 있습니다.

class Solution {
    public int solution(int[] num_list) {
        int product = 1;
        int sum = 0;

        for (int i = 0; i < num_list.length; i++) {
            product *= num_list[i];
            sum += num_list[i];
        }

        int sumSquared = sum * sum;
        return product < sumSquared ? 1 : 0;
    }
}

설명

• 일반 for 루프를 사용하여 배열의 인덱스를 명시적으로 다루기 때문에, 인덱스 접근이 필요한 경우에 유리합니다.
• 성능 측면에서 for-each와 큰 차이는 없지만, 코드 스타일의 차이로 인해 상황에 따라 유용하게 사용할 수 있습니다.

장점 및 단점

• 장점: 인덱스가 필요한 추가 로직을 쉽게 적용할 수 있습니다.
• 단점: 코드가 다소 길어지고 가독성이 떨어질 수 있습니다.

비교 및 결론

• 기본 for-each 루프는 코드가 간단하고 명료하여 가독성이 좋습니다. 특별한 인덱스 접근이 필요하지 않을 때 사용하기 좋습니다.
• Streams를 사용하면 함수형 프로그래밍 스타일로 코드를 작성할 수 있어 더 간결하고 직관적입니다. 하지만 스트림은 작은 데이터셋에서는 성능상의 이점이 없을 수 있으며, 오히려 약간의 오버헤드가 발생할 수 있습니다.
• 일반 for 루프는 인덱스를 이용한 배열 접근이 필요한 경우 유리하며, 배열 요소에 대한 명시적인 접근이 가능해 추가 로직을 적용할 때 유용합니다.

문제의 제한 조건(배열의 길이가 최대 10)에 비추어 볼 때, 각 방법의 성능 차이는 거의 없으며, 개인의 선호도와 코드 스타일에 따라 선택하면 됩니다. 함수형 스타일의 간결함을 선호한다면 Streams를, 명시적인 인덱스 접근을 원한다면 일반 for 루프를 사용하는 것이 좋습니다.

이 글을 통해 배열의 곱과 합을 비교하는 문제를 다양한 방식으로 해결해 보았습니다. 여러분의 상황에 맞는 방법을 선택하여 효율적으로 문제를 해결해 보세요! 😊