딥러닝을 위한 필수 라이브러리, 의료 데이터로 정복하기

안녕하세요! 오늘은 딥러닝의 기본기 중의 기본기, NumPy(넘파이)를 정리해 보려고 합니다. PyTorch가 GPU 위에서 돌아가는 텐서라면, NumPy는 CPU 위에서 돌아가는 고성능 행렬 계산기입니다.

 

사실 PyTorch의 문법 대부분이 NumPy에서 왔기 때문에, NumPy를 잘 알면 PyTorch는 거의 공짜로 배우는 셈이죠. 의료 현장의 데이터를 예시로, 꼭 알아야 할 핵심 기능만 뽑아봤습니다.

 

1. ndarray: 파이썬 리스트보다 수만 배 빠른 이유

파이썬 리스트([1, 2, 3])는 유연하지만 느립니다. 반면 NumPy의 ndarray는 C언어로 구현되어 있어 엄청나게 빠르고 메모리도 적게 씁니다. 대용량 유전체 데이터나 고해상도 MRI 영상을 처리할 때 리스트를 쓰면 하루 종일 걸리지만, NumPy를 쓰면 순식간입니다.

• 리스트: [1, "A", 3.5] (타입 섞임 가능 -> 느림)
• ndarray: array([1, 2, 3]) (모두 같은 타입 -> 초고속 연산)

import numpy as np

# 리스트로 행렬 만들기 (비효율적)
list_data = [[120, 80], [110, 70]]

# NumPy ndarray로 변환 (효율적)
# 환자 2명의 [수축기, 이완기] 혈압 데이터
bp_data = np.array([[120, 80], 
                    [110, 70]])

print(f"데이터 타입: {type(bp_data)}") # <class 'numpy.ndarray'>
print(f"데이터 모양: {bp_data.shape}") # (2, 2) -> 2명, 2개 항목

 

2. 배열 생성과 초기화 (feat. zeros, ones)

딥러닝 모델의 가중치(Weight)를 초기화하거나, 마스크(Mask) 이미지를 만들 때 자주 씁니다.

• np.zeros(): 0으로 가득 찬 배열 생성 (초기값 설정 등)
• np.ones(): 1로 가득 찬 배열 생성
• np.full(): 원하는 값으로 채움

# MRI 영상에서 '배경'을 0(검은색)으로 초기화한 마스크 생성 (10x10 크기)
mask = np.zeros((10, 10)) 

# 모든 환자의 초기 리스크 점수를 1로 설정 (5명)
risk_scores = np.ones(5)

# 결측치를 채우기 위해 -1로 가득 찬 배열 생성 (3x3)
missing_fill = np.full((3, 3), -1)

 

3. 모양 바꾸기 (reshape) - 가장 중요! 

데이터의 개수는 유지하면서 차원만 바꾸는 기술입니다. 예를 들어, (환자 수, 시간, 측정값) 형태의 3차원 데이터를 머신러닝 모델에 넣기 위해 (환자 수, 특징) 형태의 2차원으로 바꿀 때 씁니다.

# 1시간 간격으로 12번 측정한 혈당 데이터 (총 12개)
glucose = np.arange(12) 
# array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11])

# 이것을 (4명의 환자 x 3번 측정) 형태로 변경
reshaped_glucose = glucose.reshape(4, 3)
print(reshaped_glucose)
# [[ 0  1  2]  -> 환자 1
#  [ 3  4  5]  -> 환자 2
#  [ 6  7  8]  -> 환자 3
#  [ 9 10 11]] -> 환자 4

 

4. 브로드캐스팅 (Broadcasting) 

모양이 다른 배열끼리 연산할 때, NumPy가 알아서 크기를 맞춰주는 기능입니다. "모든 환자의 수축기 혈압에서 10을 빼고 싶다"면? 반복문 없이 그냥 빼면 됩니다.

# 환자 3명의 혈압
bp = np.array([130, 120, 140])

# 모든 환자의 혈압을 10씩 낮춤 (보정)
adjusted_bp = bp - 10 
# 결과: array([120, 110, 130])

 

더 복잡한 예시로, [수축기, 이완기] 각각에 다른 보정값을 적용하고 싶다면?

data = np.array([[120, 80], [130, 90]]) # (2, 2)
bias = np.array([5, -5]) # (2,) -> 수축기는 +5, 이완기는 -5

# (2, 2) + (2,) 연산 -> (2,)가 자동으로 (2, 2)로 확장되어 연산됨
result = data + bias

 

5. 인덱싱과 슬라이싱 (Boolean Indexing) 

데이터 분석의 꽃이죠. 조건에 맞는 데이터만 쏙 뽑아내는 기술입니다.

• 기본 인덱싱: arr[행, 열]
• Boolean Indexing: arr[조건] (조건이 True인 것만 추출)

# 데이터 중 '고혈압 위험군' 추출하기
# 0번째 열(수축기 혈압)이 130 이상인 환자 찾기
high_risk_patients = adjusted_data[adjusted_data[:, 0] >= 130]

 

6. 데이터 저장과 불러오기 (save, load) 

힘들게 전처리한 데이터를 날리면 안 되겠죠? NumPy 전용 포맷(.npy, .npz)으로 저장하면 CSV보다 훨씬 빠르게 읽고 쓸 수 있습니다.

• np.save('filename', arr): 1개 배열 저장 (.npy)
• np.savez('filename', key=arr1, key2=arr2): 여러 개 배열 저장 (.npz)
• np.load('filename.npy'): 불러오기

요약: 이것만 기억하세요!

1. np.array: 리스트 말고 이걸 쓰세요. (속도, 메모리 최적화)
2. reshape: 데이터 모양을 자유자재로 바꾸는 연습을 많이 하세요. (-1 활용!)
3. Broadcasting: 차원이 달라도 연산이 된다는 점을 적극 활용하세요.
4. Boolean Indexing: 조건문 없이 arr[arr > 0] 처럼 데이터를 필터링하세요.