10강 / 20강

numpy — 숫자 덩어리를 한꺼번에

2만 개 유전자에 반복문을 쓰지 않는 법

유전자 2만 개의 log2 를 구한다고 합시다. 리스트로는 이렇게 됩니다.

결과 = []
for v in 발현량:
    결과.append(math.log2(v + 1))

numpy 를 쓰면 한 줄입니다.

결과 = np.log2(발현량 + 1)

짧기만 한 것이 아니라 훨씬 빠릅니다 — 반복이 파이썬이 아니라 C 로 짜인 안쪽에서 돌기 때문이에요.

고등학생한 명씩 말고 한꺼번에

유전자 2만 개의 log2 를 구한다고 합시다. 지금까지 배운 걸로 하면 for 문을 씁니다.

for v in 발현량: 결과.append(log2(v+1))

numpy 를 쓰면 한 줄입니다.

결과 = np.log2(발현량 + 1)

한 줄이 되는 게 다가 아닙니다

훨씬 빠릅니다. 왜냐면 반복이 파이썬이 아니라 C 로 짜인 안쪽에서 돌기 때문이에요.

비유 — 성적에 5점씩 더하기

	한 명씩	한꺼번에
어떻게	선생님이 답안지를 한 장씩 넘기며 더한다	엑셀 열 전체에 +5
30명	몇 분	1초
3만 명	며칠	여전히 몇 초

자료가 클수록 차이가 극단적으로 벌어진다

'벡터화' 라고 부릅니다

덩어리째 계산하는 것을 벡터화(vectorization) 라고 합니다. numpy 를 쓴다는 건 사실상 for 문을 안 쓰려고 애쓰는 일이에요.

R 을 쓰던 분에게

R 은 처음부터 이렇게 동작합니다. x + 1 이 벡터 전체에 적용되죠. 파이썬은 기본 리스트로는 안 되고 numpy 를 써야 됩니다.

그래서 파이썬으로 자료를 다룰 때 numpy 는 선택이 아니라 기본입니다. 그 위에 pandas(11강)가 얹히고, 그 위에 거의 모든 것이 얹혀요.

<code>발현[높은가]</code> 처럼 <b>참거짓 배열로 고르는 것</b>이 numpy 의 핵심입니다.

Python 브라우저에서 실행

import numpy as np

발현 = np.array([0.4, 12.8, 3.1, 0.02, 45.6, 8.9, 0.7, 22.3])

print("원본      ", 발현)
print("모양      ", 발현.shape, "· 자료형", 발현.dtype)
print()

# 덩어리째 계산 — 반복문이 없다
print("log2(v+1) ", np.round(np.log2(발현 + 1), 2))
print("2배       ", 발현 * 2)
print()

print("합계", 발현.sum().round(2), "· 평균", 발현.mean().round(2),
      "· 중앙값", np.median(발현).round(2))
print("최소", 발현.min(), "· 최대", 발현.max())
print("표준편차", 발현.std(ddof=1).round(2))
print()

# 조건도 덩어리째
높은가 = 발현 > 5
print("5보다 큰가", 높은가)
print("몇 개     ", 높은가.sum(), "개")
print("그 값들   ", 발현[높은가])          # 참인 자리만 골라낸다

고등학생참거짓 배열로 고르기 — numpy 의 핵심

캡션이 "발현[높은가] 처럼 참거짓 배열로 고르는 것이 numpy 의 핵심" 이라고 합니다. 여기가 진짜 배울 것이에요.

두 단계로 일어납니다

단계	코드	결과
① 조건을 덩어리째 따진다	`높은가 = 발현 > 5`	`[False, True, True, False, …]`
② 참인 것만 골라낸다	`발현[높은가]`	5보다 큰 값들만

조건이 참거짓의 배열이 되고, 그것으로 고른다

비유 — 체크박스

명단 옆에 체크박스가 죽 있다고 상상하세요.

조건에 맞는 사람에게 체크를 한다 → 참거짓 배열
체크된 사람만 뽑아낸다 → 고르기

중요한 건 체크하는 단계와 뽑는 단계가 나뉘어 있다는 겁니다. 체크만 해 두고 나중에 뽑을 수도 있고, 체크 개수만 셀 수도 있어요.

개수 세기가 특히 편합니다

높은가.sum() → 참인 것의 개수

왜 될까요? 파이썬에서 True 는 1, False 는 0 입니다. 그러니 더하면 참의 개수가 나와요.

그리고 .mean() 을 쓰면 비율이 나옵니다. 1과 0의 평균이 곧 1의 비율이니까요. 아주 자주 쓰는 요령입니다.

.sum() = 몇 개 · .mean() = 몇 %

6강과 이어집니다

6강에서 if 로 하나씩 판정했죠. numpy 에서는 전부 한꺼번에 판정합니다.

그리고 11강의 pandas 에서는 표 전체에 같은 일을 합니다. 같은 발상이 점점 커지는 거예요.

2차원 — 유전자 × 표본

발현량 표는 보통 행이 유전자, 열이 표본입니다. numpy 는 이것을 2차원 배열로 담습니다.

shape = (유전자 수, 표본 수)

그리고 축(axis) 을 골라 계산합니다 — axis=0 은 열마다(표본마다), axis=1 은 행마다(유전자마다).

고등학생축(axis) — 가로로 더할까 세로로 더할까

2차원 표가 나오면 반드시 만나는 것이 축입니다. 그리고 가장 많이 헷갈리는 곳이에요.

발현량 표의 모양

행 = 유전자 · 열 = 표본

	표본1	표본2	표본3
유전자A	12	15	9
유전자B	3	4	2

두 가지 평균이 가능합니다

무엇	어느 방향	코드	결과 개수
유전자마다 평균	가로로 (→)	`axis=1`	유전자 수만큼
표본마다 합계	세로로 (↓)	`axis=0`	표본 수만큼

외우는 법

axis = 없애는 축의 번호

shape 가 (유전자 5, 표본 6) 이면 —

axis=0 → 0번(유전자)을 없앤다 → 표본마다 값 6개
axis=1 → 1번(표본)을 없앤다 → 유전자마다 값 5개

"어느 방향으로 계산하나" 로 외우면 헷갈리는데, "어느 축을 없애나" 로 외우면 안 헷갈립니다.

헷갈렸는지 확인하는 법 — 개수를 세라

결과가 몇 개 나왔는지 보면 바로 안다

유전자 5개 · 표본 6개인데 결과가 6개가 나왔다면? 표본마다 계산한 겁니다. 유전자마다를 원했다면 축이 틀린 거죠.

캡션이 무서운 말을 합니다

"축을 헷갈리면 값이 조용히 틀립니다."

또 나왔죠. 오류가 안 나요. 표가 정사각형이면 더 무섭습니다 — 개수로도 확인이 안 되거든요.

그래서 일부러 정사각형이 아닌 연습용 표(5×6)를 쓴 겁니다. 개수로 확인할 수 있게요. 좋은 교육 설계입니다.

축을 헷갈리면 값이 조용히 틀립니다. 결과의 <b>개수</b>로 확인하는 습관을 들이세요.

Python 브라우저에서 실행

import numpy as np
rng = np.random.default_rng(20250225)

유전자 = ["DDX54", "CD47", "CD38", "MYC", "GAPDH"]
표본   = ["desert1", "desert2", "desert3", "inflamed1", "inflamed2", "inflamed3"]

# 5개 유전자 × 6개 표본 (연습용 값)
표 = np.abs(rng.normal(10, 6, (5, 6))).round(1)

print("모양:", 표.shape, "= (유전자 5, 표본 6)")
print()
print(f"{'':<8}" + "".join(f"{s:>10}" for s in 표본))
for i, g in enumerate(유전자):
    print(f"{g:<8}" + "".join(f"{v:>10.1f}" for v in 표[i]))

print()
print("axis=1 → 유전자마다 평균 (행 방향)")
for g, m in zip(유전자, 표.mean(axis=1)):
    print(f"  {g:<8}{m:>8.2f}")

print()
print("axis=0 → 표본마다 합계 (열 방향)")
for s, t in zip(표본, 표.sum(axis=0)):
    print(f"  {s:<10}{t:>8.1f}")

고등학생shape 를 찍어 보는 습관

코드가 맨 먼저 표.shape 를 찍습니다. 사소해 보이지만 가장 중요한 줄이에요.

shape = 표의 모양 (행 수, 열 수)

왜 늘 찍어야 하나

자료를 다루다 보면 모양이 내 생각과 다른 경우가 아주 많습니다.

생각	실제	왜
(2만, 100)	(100, 2만)	행과 열이 바뀐 파일이었다
(2만, 100)	(2만, 101)	유전자 이름 열이 섞여 들어왔다
(2만, 100)	(19998, 100)	읽다가 두 줄이 깨졌다

모양이 다르면 그 뒤 계산이 전부 틀린다

18강의 '찍어 본다' 가 이겁니다

막혔을 때 하는 첫 번째 일이 print(type(x), len(x)) 라고 배울 텐데, numpy 에서는 shape 가 그 역할을 합니다.

비유 — 재료를 꺼내 놓고 세기

요리를 시작하기 전에 재료를 다 꺼내 놓고 확인하죠. "양파 두 개, 계란 세 개…"

중간에 계란이 없는 걸 알면 이미 늦습니다. 불을 켜기 전에 확인하는 게 훨씬 싸요.

그리고 dtype 도 함께

코드가 표.dtype 도 찍습니다. 자료형이에요.

dtype	뜻	이상하면
`float64`	실수 — 정상
`int64`	정수	나눗셈에서 문제될 수 있다
`object`	글자가 섞여 있다	계산이 안 된다 — 9강의 그 문제

dtype 이 object 면 숫자로 안 바뀐 것이다

계산이 안 되거나 이상한 결과가 나올 때 가장 먼저 확인할 것입니다. 기억해 두세요.

🤔 확인 문제

유전자 × 표본 표에서 유전자마다 평균을 구하려면?