“배열ㆍ행렬을 더 빠르게” 파이썬 넘파이의 이해

 파이썬은 편리하고 유연하지만 계산 속도만 보면 다른 언어에 비해 현저히 느리다. 이 때문에 파이썬 생태계에는 이를 보완해 파이썬을 사용한 대규모 계산을 더 빠르고 편리하게 해주는 툴이 있다. 그 중 대표적인 넘파이(NumPy)는 개발자와 데이터 과학자들이 대규모 컴퓨팅을 위해 사용하는 가장 일반적인 파이썬 툴이다. 넘파이는 모두 C, C++ 및 포트란과 같은 고속 언어로 작성된 코드를 기반으로 하는, 배열과 행렬을 다루기 위한 라이브러리와 기법을 제공한다. 또한 모든 넘파이 연산은 파이썬 런타임 외부에서 실행되므로 파이썬 자체의 한계에 영향을 받지 않는다. 

 

 

파이썬의 배열과 행렬 수학에 넘파이 사용하기 

많은 수학 연산, 특히 머신 러닝 또는 데이터 과학의 수학 연산에서는 행렬, 즉 숫자 목록이 사용된다. 파이썬에서 하는 단순한 방법은 구조체 즉, 일반적으로 파이썬 list에 숫자를 저장한 후 이 구조체를 루프로 순환하면서 그 안의 모든 요소에 대해 연산을 수행하는 것이다. 그러나 이는 각 요소가 파이썬 객체와 머신 네이티브 숫자 사이를 왔다 갔다 변환해야 하므로 느리고 비효율적이다.

넘파이는 정수 또는 부동소수점과 같은 머신 네이티브 숫자 형식에 최적화된 특수한 배열 형식을 제공한다. 배열의 차원 수는 일정하지 않지만 각 배열은 균일한 데이터 형식인 dtype을 사용해 기반 데이터를 표현한다. 간단한 예를 들면 다음과 같다. 
 

import numpy as np
np.array([0, 1, 2, 3, 4, 5, 6])

 
이 예제는 제공된 목록에서 1차원 넘파이 배열을 생성한다. 이 배열에는 dtype을 지정하지 않았으므로 제공된 데이터를 통해 플랫폼에 따라 32비트 또는 64비트 부호 있는 정수가 될 것으로 자동으로 추론된다. dtype을 명시적으로 지정하려면 다음과 같이 하면 된다. 여기서 np.uint32는 이름에서 알 수 있듯이 부호 없는 32비트 정수의 dtype이다. 
 

np.array([0, 1, 2, 3, 4, 5, 6], dtype=np.uint32)

일반 파이썬 객체를 넘파이 배열을 위한 dtype으로 사용하는 것도 가능하지만 이렇게 하면 파이썬 대비 넘파이로 얻을 수 있는 성능 향상이 없다. 넘파이는 파이썬 네이티브 형식인 복소수, Decimal보다 머신 네이티브 숫자 형식인 int, float에서 가장 뛰어난 성능을 발휘한다. 
 

넘파이가 파이썬의 배열 수학 속도를 높이는 방법 

넘파이가 빠른 주된 이유는 파이썬의 객체 형식 대신 머신 네이티브 데이터 형식을 사용하기 때문이다. 또한 각 요소를 개별적으로 처리할 필요 없이 배열을 다룰 수 있는 방법을 제공한다는 점도 빠른 속도의 또 다른 이유다. 넘파이 배열은 많은 부분에서 전통적인 파이썬 객체와 같으므로 일반적인 파이썬 은유를 사용해 작업하려는 생각이 들 수 있다. 0~1000의 숫자로 넘파이 배열을 만들려면 다음과 같이 하면 된다.
 

x = np.array([_ for _ in range(1000)])

단, 위 구문은 동작은 하지만, 파이썬이 목록을 만들고 넘파이가 이 목록을 배열로 변환하기까지 시간이 소요되므로 그만큼 성능이 저하된다. 반면 같은 작업을 다음과 같이 넘파이 자체 내에서 훨씬 더 효율적으로 할 수 있다. 
 

x = np.arange(1000)

0 또는 다른 아무 초기 값 배열을 만들거나 기존 데이터 집합, 버퍼 또는 기타 소스를 사용하는 등 다른 많은 종류의 넘파이 내장 연산을 사용해 루프 없이 새 배열을 만들 수 있다. 

넘파이가 속도를 올리는 또 다른 중요한 방법은 대규모로 작업 시 배열 요소를 개별적으로 처리할 필요가 없도록 하는 것이다. 앞서 언급했듯이 넘파이 배열의 동작은 편의성을 위해 다른 파이썬 객체와 상당히 비슷하다. 예를 들어 목록과 같이 인덱싱하면 arr[0]은 넘파이 배열의 첫 번째 요소에 액세스한다. 이를 통해 배열의 개별 요소를 설정하거나 읽을 수 있다. 반면 배열의 모든 요소를 수정할 때는 넘파이의 "브로드캐스팅(broadcasting)" 기능을 사용하는 것이 최선이다. 파이썬의 루프 없이 전체 배열 또는 한 부분에서 연산을 실행할 수 있다. 이것 역시 성능에 민감한 모든 작업을 넘파이 자체에서 할 수 있도록 하기 위한 것이다. 예를 들면 다음과 같다. 
 

x1 = np.array(
    [np.arange(0, 10),
    np.arange(10,20)]
)

이 코드는 각 차원이 숫자 범위로 구성된 2차원 넘파이 배열을 생성한다. 생성자에서 중첩 목록을 사용해 원하는 차원 수로 배열을 생성할 수 있다.
 

[[ 0  1  2  3  4  5  6  7  8  9]
 [10 11 12 13 14 15 16 17 18 19]]

이 배열의 축을 파이썬에서 뒤바꾸려면 일종의 루프를 작성해야 한다. 반면 넘파이에서는 이와 같은 종류의 연산을 다음과 같이 하나의 명령으로 수행할 수 있다. 
 

 x2 = np.transpose(x1)

결과는 다음과 같다. 
 

[[ 0 10]
 [ 1 11]
 [ 2 12]
 [ 3 13]
 [ 4 14]
 [ 5 15]
 [ 6 16]
 [ 7 17]
 [ 8 18]
 [ 9 19]]

이런 연산은 넘파이를 잘 사용하기 위한 핵심이다. 넘파이는 배열 데이터를 조작하기 위한 폭넓은 내장 루틴 카탈로그를 제공한다. 선형 대수, 이산 푸리에 변환, 의사 난수 생성기를 위한 내장 루틴을 사용하면 이런 항목을 직접 다루는 수고를 덜 수 있다. 대부분의 경우 하나 이상의 내장 루틴을 통해 파이썬 연산을 사용하지 않고 필요한 작업을 수행할 수 있다.
 

넘파이 범용 함수(ufunc) 

파이썬 루프 없이 고급 계산 기법을 활용할 수 있게 해주는 또 다른 넘파이 기능은 범용 함수, 줄여서 ufunc라는 기능이다. ufunc는 배열을 받아서 배열의 각 요소에 대해 연산을 수행하고 결과를 다른 배열로 보내거나 그 자리에서 바로 연산을 수행한다. 예를 들면 다음과 같다. 
 

x1 = np.arange(1, 9, 3)
x2 = np.arange(2, 18, 6)
x3 = np.add(x1, x2)

여기서 np.add는 x1의 각 요소를 취해 x2에 더하고, 결과는 새로 생성된 배열인 x3에 저장된다. 산출된 결과는 [ 3 12 21]이다. 모든 실제 계산은 넘파이 자체 내에서 실행된다. ufunc에는 더 유연하게 적용하고 수동 루프나 파이썬 측의 로직에 대한 필요성을 줄일 수 있는 속성 메서드도 있다. 예를 들어 x1을 받고 np.add를 사용해 배열의 합계를 계산하려면 배열의 각 요소를 루프로 순환하면서 합계를 계산하는 대신 .add 메서드인 np.add.accumulate(x1)을 사용하면 된다. 

마찬가지로 축소 함수를 수행하려는 경우, 즉 다차원 배열의 한 축을 따라 .add를 적용해 그 결과로 한 차원 줄어든 새 배열을 얻고자 하는 경우를 가정해 보자. 루프를 사용해 새 배열을 만들 수 있지만 이 방법은 속도가 느리다. 그 대신 np.add.reduce를 사용해 루프 없이 같은 결과를 달성할 수 있다. 
 

x1 = np.array([[0,1,2],[3,4,5]])
# [[0 1 2] [3 4 5]]
x2 = np.add.reduce(x1)
# [3 5 7]

where 인수를 사용해 조건부 축소를 수행할 수도 있다. 
 

x2 = np.add.reduce(x1, where=np.greater(x1, 1))

이렇게 하면 x1의 첫 번째 축의 요소가 1보다 큰 경우에 한해 x1+x2가 반환되고 그렇지 않은 경우에는 두 번째 축의 요소 값이 반환된다. 이 경우에도 파이썬에서 배열을 수동으로 반복 처리할 필요가 없다. 넘파이는 특정 기준에 따라 데이터를 필터링 및 정렬하기 위해 이와 같은 메커니즘을 제공하므로 루프를 작성할 필요가 아예 없거나 작성하더라도 최소한으로 유지된다. 
 

넘파이를 C와 함께 사용하기 

파이썬의 사이썬(Cython) 라이브러리를 사용하면 파이썬 코드를 작성해 빠른 C로 변환하고 변수에 C 형식을 사용할 수 있다. 이런 변수에는 넘파이 배열이 포함될 수 있으므로 작성하는 모든 사이썬 코드는 넘파이 배열을 바로 사용할 수 있다. 넘파이와 함께 사이썬을 사용하면 다음과 같은 강력한 이점이 있다.
 

• 수동 루프 가속 : 넘파이 배열을 루프로 순환하는 것 외에는 다른 방법이 없는 경우도 종종 있다. 사이썬 모듈에서 루프 연산을 작성하면 파이썬이 아닌 C를 사용한 루프가 가능하므로 속도가 비약적으로 향상된다. 참고로 해당되는 모든 변수의 형식이 넘파이 배열이거나 머신 네이티브 C 형식인 경우에만 가능하다. 
• 넘파이 배열을 C 라이브러리와 함께 사용 : 사이썬의 일반적인 사용 사례는 C 라이브러리를 위한 편리한 파이썬 래퍼를 작성하는 것이다. 사이썬 코드는 기존 C 라이브러리와 넘파이 배열 간의 다리 역할을 할 수 있다. 

사이썬은 넘파이 배열을 다루는 2가지 방법을 제공한다. 하나는 메모리뷰(memoryview)를 통한 방법이다. 메모리뷰는 넘파이 배열에 대한 빠르고 바운드에 안전한 액세스를 위한 사이썬 구조체 형식이다. 다른 하나는 기반 데이터에 대한 원시 포인터를 획득해 직접 다루는 방법이지만, 이는 안전하지 않고 객체의 메모리 레이아웃을 미리 알고 있어야 한다는 제약이 있다. 
 

넘파이를 위한 JIT 가속 파이썬 코드 

넘파이 배열에서 파이썬을 고성능으로 사용하는 또 다른 방법은 파이썬용 JIT 컴파일러인 넘바(Numba)를 사용하는 것이다. 넘바는 파이썬 인터프리트 코드를 머신 네이티브 코드로 변환하며 넘파이 등을 위한 특수한 기능을 제공한다. 넘파이 배열에 대한 파이썬 루프를 이 방식으로 자동으로 최적화할 수 있다. 그러나 넘바 최적화는 어느 정도까지만 자동화되며, 프로그램에 따라 큰 성능 개선을 얻지 못할 수도 있다. 

출처 : https://www.itworld.co.kr/topnews/326913

문제가 될 시 삭제하겠습니다.