[Python] NumPy list와 Python list 차이

AI 데이터 학습을 시킬 때 다차원 배열과 대용량 데이터를 통해서 진행한다.
이 과정에서 Python list는 너무 느리기때문에 C언어 기반 NumPy list를 사용하는 편이다.

📌 NumPy list가 뭔데?

NumPy (Numerical Python)는 수치 계산할 때 사용하는 라이브러리인데 그 안에 ndarray라고 불리는 다차원 배열을 통해 선형대수 계산을 진행한다.

데이터를 참조형태로 가지고 있는 Python list에 비해 ndarray는 연속적인 메모리 블록에 값 형태로 가지고 있어 훨씬 계산이 빠르게 끝낼 수 있다.

• Python list는 runtime에 타입을 확인하고 결정해야하기 때문에 ndarray보다 속도가 느림.
• ndarray는 cpu에서 데이터를 가져오는 cache hit rate가 높음.

Python list는 item들의 type이 서로 다를 수 있지만, ndarray는 item들의 type은 모두 동일해야한다.
어떻게 보면 Python 답지 않는 형태일 수 있지만, 과학이나 공학 계산에서는 타입 일관성이 중요하기때문에 데이터 학습에서는 필요하다.

• NumPy list는 RANK(차원)에 따라 불리는 이름이 있다.
  0-rank : scalar
  1-rank : vector
  2-rank : matrix
  3-rank : 3-tensor
  n-rank : n-tensor 

📌 NumPy list vs Python list 연산 방식

• Python list : a, b
  리스트끼리 더하면 결합이 일어난다.

• ndarray : na, nb
  리스트끼리 더하면 원소별 덧셈이 수행된다.

        ndarray는 작은 배열은 큰 배열에 "broadcasting"을 통해서 덧셈이 수행된다.

 

Broadcasting — NumPy v2.3 Manual

 

📌 NumPy list 복사 방식

복사 형태는 3가지로 대입, 얕은 복사, 깊은 복사 형태가 있다.

일반적인 복사(대입) 형태를 ndarray na = [1,2,3,4,5]를 nb로 복사하는 형태는 nb = na 이다.
이 경우는 같은 객체를 참조하고 있는 형태이다.
nb[0] 값을 변경해주니까 같은 객체이므로 na도 같이 변경되게 된다.

얕은 복사는 view()함수를 사용하여 새로운 객체를 만들지만 값 자체는 포인터로 연결되어있는 형태를 말한다.
na와 nb는 같은 객체가 아니지만 nb[0]의 값을 변경하였을 때 na 값도 변경되게 된다.
view()는 ndarray의 shape를 변경하며 배열 연산을 해야하는데 값 자체를 복사할 필요가 없을때 많이 사용한다.

 

깊은 복사는 copy()함수를 사용하여 새로운 객체와 새로운 값으로 만들어낸다.
nb[0]의 값을 변경했을 때 이번에는 na 값은 변하지 않는다. na와 nb는 같은 객체도 아니다.

 

Copies and views — NumPy v2.3 Manual

 

 

📌 다음에 더 자세히 볼 내용!

• Python list와 tuple의 메모리 관리 방식

Memory Management in Lists and Tuples using Python - GeeksforGeeks

 

• NumPy에서 array랑 matrix랑 둘 중 뭘 사용해야하나요? 라는 내용에서 array를 사용하세요! 라고 분명하게 말해주고 있다.
  The array is thus much more advisable to use. Indeed, we intend to deprecate matrix eventually.

NumPy for MATLAB users — NumPy v2.3 Manual