4.2.11 형태를 훔치는 복제 마법 _like() 형제들

_like() 함수의 프로그래밍적 의미와 활용

“저 녀석의 크기와 형태(Shape)를 그대로 베껴서 빈껍데기만 만들어줘!”

프로그래밍을 하다 보면 외부에서 크기를 알 수 없는 미지의 배열 데이터 A를 넘겨받는 경우가 많습니다.

이때 A와 완전히 똑같은 크기(Shape)와 데이터 타입(dtype)을 가진 새로운 캔버스(배열)를 준비해야 할 때가 있습니다.

이때 A.shape를 일일이 확인해서 np.zeros(A.shape)라고 귀찮게 타이핑할 필요 없이, “A처럼(like) 만들어!”라고 우아하게 명령할 수 있는 마법의 기능이 바로 _like 접미사가 붙은 형제 함수들(zeros_like, ones_like, full_like, empty_like)입니다.

이 함수들은 기존 배열을 3D 스캐너로 스캔하듯 오직 ‘형태(Shape)’와 ‘자료형(dtype)’ 껍데기만 쏙 빼내어 거푸집을 복제(Clone)한 뒤, 그 빈 내용물은 우리가 지정한 값(0, 1, 특정 값)으로 가득 채워 새로운 배열을 뱉어냅니다.

언제 어떤 용도로 사용할까? (실무 활용 사례)

• 결과값 저장용 빈 바구니 준비: 거대한 원본 데이터를 반복문으로 하나씩 처리하면서 결과를 담아야 할 때, 내용물 크기를 몰라도 원본 데이터와 똑같은 크기의 빈 바구니(영행렬 등)를 가장 쉽고 확실하게 미리 준비해 둘 수 있습니다.
• 마르지 않는 캔버스 복제: 특정 해상도 크기의 화면(이미지 픽셀 배열)을 다룰 때, 원본 이미지 사이즈를 일일이 계산할 필요 없이 똑같은 사이즈의 하얀색(ones), 검은색(zeros) 보조 캔버스를 무한정 붕어빵처럼 찍어낼 때 극도로 편리합니다.

형태를 복제해 0으로 채우는 zeros_like()

np.zeros_like(a)는 인자로 받은 원본 배열 a의 크기와 형태를 스캔한 후, 내용물을 모조리 0으로 덮어버린 새로운 판을 반환합니다.

import numpy as np

# [1단계] 크기를 미리 알기 어려운 어떤 원본 데이터 (2행 4열짜리)
a = np.arange(8).reshape(2, 4)
a

출력:

array([[0, 1, 2, 3],
       [4, 5, 6, 7]])

# [2단계] 원본 데이터 'a'의 모양(2x4)과 데이터 타입(int)만 쏙 베껴온 뒤,
# 그 안을 모두 0으로 깨끗하게 채운 새로운 도화지를 즉시 만들어냄!
np.zeros_like(a)

출력:

array([[0, 0, 0, 0],
       [0, 0, 0, 0]])

형태를 복제해 1로 채우는 ones_like()

내장함수 np.ones_like(a)는 방금 전의 zeros_like()와 똑같이 거푸집을 뜨되, 내용물만 기본 배수 보존(Hadamard 항등원) 목적의 숫자 1로 꽉꽉 채워 줍니다.

# 원본 'a'의 모양(2x4)을 훔쳐와 이번엔 1로 덮어씌움!
np.ones_like(a)

출력:

array([[1, 1, 1, 1],
       [1, 1, 1, 1]])

형태를 복제해 원하는 값으로 채우는 full_like()

내장함수 np.full_like(a, fill_value)는 zeros나 ones로 부족할 때, 스캔한 껍데기 틀 안에 내가 원하는 특정한 숫자(예: 5, 999)를 도장 찍어 채워주게 하는 맞춤형 복제 함수입니다.

# 원본 'a'의 모양(2x4)을 베껴온 뒤, 내가 원하는 숫자 '5'로 빈 공간을 융단폭격!
np.full_like(a, 5)

출력:

array([[5, 5, 5, 5],
       [5, 5, 5, 5]])

[Tip] 코드로 소개되지는 않았지만, 거푸집만 훔쳐오고 내부를 지우지도 않은 채 쓰레기값만 담아 스피드하게 반환하는 극강의 속도 함수 np.empty_like(a)도 존재한다는 사실을 기억해 두면 좋습니다!