파이썬 라이브러리를 활용한 데이터 분석(2판): 영화 평점, 이름 통계, 선거 데이터 등 실사례 사용

627

부록

A

고급 NumPy

복문은 상대적으로 매우 느리므로 일반적으로 배열 연산으로 대체한다. 다음은 염두에 두면 좋

은 간략한 팁이다.

●

파이썬 반복문과 조건문을 배열 연산과 불리언 배열 연산으로 변환한다.

●

가능하면 브로드캐스팅을 사용한다.

●

배열의 뷰 (슬라이스 )를 사용해서 데이터를 복사하는 것을 피한다.

●

ufunc

메서드를 활용한다.

NumPy

만으로 원하는 성능을 이끌어내지 못한다면 코드를

C

나 포트란으로 작성하거나 아니

면

Cython

을 사용해서 성능을 높일 수 있다. 나는 개인적으로

Cython

을 자주 사용하는데 최

소한의 개발 노력으로 쉽게

C

수준의 성능을 이끌어낼 수 있다.

A.9.1

인접 메모리의 중요성

이 주제에 대한 전체 내용은 이 책의 범위를 벗어나는데, 어떤 애플리케이션에서는 배열이 메모

리상에 배치된 모양에 따라 연산 속도에 많은 영향을 끼친다. 이는 부분적으로

CPU

의 캐시 구

조에 의한 성능 차이에 기반하는데 연속된 메모리에 접근하는 연산 (예를 들어

C

순서로 저장된

배열에서 로우를 합산하는 )의 경우 메모리 서브시스템이 적절한 메모리 블록을 매우 빠른

CPU

의

L1

이나

L2

에 저장하게 되므로 가장 빠르다. 또한

NumPy

의

C

코드 기반 내부의 어떤 코드

는 연속된 메모리일 경우 최적화되어 인접하지 않은 ...