Numpy. section4 : ndarray 바꾸기. Lec15. 넘파이의 메모리 최적화

[1] Memory Optimization

• copy : 원본에 영향을 미치면 안될때
• view : 원본에 영향을 미쳐도 될때
• 넘파이의 slicing은 view를 만드는것이다. 그래서 원본에도 영향을 미친다

[2] base of ndarrays

• view인지 copy인지 구분하는 것이 바로 base이다
• 하지만 모든 경우를 커버하지는 못한다
• view를 통해 만들어진 객체들의 base는 바로 자기의 메모리 어드레스를 제공해주는 ndarray이다
• np.reshape은 view를 통해 새로운 객체를 만들어내었기 때문에 그 객체를 수정하는 순간 원본에도 영향을 미치게 된다.
• 반면에, np.resize는 copy를 통하여 새로운 객체를 생성한다
• reshape을 이용할때 원본에 영향을 미치지 않기 위해서는 reshape을 해주고 뒤에 .copy를 붙여준다
• raven -> view , flatten -> copy
• flatten -> 원소를 수정하겠다
• ravel -> 원소를 수정하지 않겠다

import numpy as np

#view

a = np.arange(5)
b = a.view()

b[0] = 100

print(a)
print(b)

#slicing

a = np.arange(5)
b = a[0:3]

b[...] = 10

print(a)
print(b)

#copy

a = np.arange(5)
b = a.copy()

b[0] = 100

print(a)
print(b)

# base of ndarrays

a = np.arange(5)
b = a.copy()
c = a.view()
d = a[0:3]

print(b.base is a) #False
print(c.base is a) #True
print(d.base is a) #True

#APIs and copy, view

#reshape
a = np.arange(4)
b = np.reshape(a,(2,2))

b[0,0] = 100 

print(b.base is a, '\n')
print(a)
print(b)

#resize
a = np.arange(4)
b = np.resize(a,(2,2))

b[0,0] = 100 

print(b.base is a, '\n')
print(a)
print(b)

#reshape.copy()

a = np.arange(4)
b = np.reshape(a, (2,2)).copy()

b[0,0] = 100 

print(b.base is a, '\n')
print(a)
print(b)

#ravel -> view

a = randint(0, 10, (2,3))

b = a.ravel()
b[0] = -10

print(b.base is a, '\n')
print(a)
print(b)

#flatten -> copy

a = randint(0,10, (2,3))

b = a.flatten()
b[0] = -10

print(b.base is a, '\n')
print(a)
print(b)