4.7.3 메모리 공유와 형태 한계 (View)

NumPy 배열은 방대한 데이터를 최대한 빠르고 효율적으로 다루기 위해 특수한 구조를 가집니다. 배열을 조작하다 보면 “내가 방금 가져온 배열이 원본의 환영(View)인지, 아니면 완전히 새롭게 분리된 복제본(Copy)인지”를 명확히 알아야 합니다. 이를 헷갈리면 나도 모르는 사이에 원본 데이터가 훼손되어 버리는 심각한 버그를 초래할 수 있습니다!

[1단계] 메모리를 아끼는 홀로그램: 보기(View)

[비유로 이해하기: 1개의 거대한 본체와 여러 개의 홀로그램 렌즈] 천만 개의 데이터가 들어있는 거대한 엑셀 파일(메모리 원본)이 하나 있다고 가정해 봅시다. 이 데이터의 일부를 확인하기 위해 매번 엑셀 파일을 통째로 복사(Ctrl+C, Ctrl+V)하면 컴퓨터 메모리가 금방 터져버릴 것입니다.

대신 Numpy는 실제 데이터(버퍼)는 원본 그대로 하나만 놔두고, 바라보는 렌즈(홀로그램 카메라)의 각도나 프레임만 씌워서 마치 새로운 배열인 것처럼 보여주는 기술을 극대화하여 사용합니다. 이것이 바로 보기(뷰, View)입니다.

데이터 저장소 메모리는 1개뿐이므로, 홀로그램(View)에 투사된 무언가를 부수거나 수정하면 원본 메모리도 똑같은 타격을 입습니다!

import numpy as np

# 원본 1차원 배열 생성
org = np.arange(5)
print("원본 org:", org)

# 원본의 거울(View) 생성
v = org.view()
print("뷰 v:", v)

실행 결과:

원본 org: [0 1 2 3 4]
뷰 v: [0 1 2 3 4]

만약 뷰 v의 데이터를 수정하면 어떻게 될까요?

# 뷰의 2번 인덱스 값을 악의적으로 200으로 변경!
v[2] = 200
print("변경된 뷰 v:", v)

# 원본을 확인해보면?
print("타격 입은 원본 org:", org)

실행 결과:

변경된 뷰 v: [  0   1 200   3   4]
타격 입은 원본 org: [  0   1 200   3   4]

데이터 자체에 닿아있는 투명한 거울판이기 때문에, 거울을 통해 데이터를 수정하면 원본 org 또한 똑같이 변해버렸습니다.

[2단계] 뷰(View)의 한계점: 파이썬 리스트와의 형태 구조 차이

파이썬의 기본 list는 크기를 마법의 가방처럼 마음대로 늘리거나 줄일 수 있습니다(=동적 크기 할당). 하지만 Numpy 배열과 그것의 View는 사전에 완전히 고정된 블록 아파트 규격이므로 불필요한 데이터를 다짜고짜 더 우겨넣을 수 없습니다.

Python의 가방은 신축성이 있지만 Numpy 배열 메모리는 고정된 철제 골조와 같습니다.

# 일반 파이썬 리스트
lst = list(range(8))
lst[3:5] = [30, 40, 50]  # 2칸짜리 블록을 강제로 부수고 3개의 값을 쑤셔 넣기 (가능!)
print("파이썬 리스트:", lst)

출력:

파이썬 리스트: [0, 1, 2, 30, 40, 50, 5, 6, 7]

반면 Numpy 배열에서는 허용된 사이즈 격자를 벗어나면 오류를 매몰차게 뱉어냅니다.

x = np.arange(8)

# 2칸 공간에 2개를 넣는 건 OK
x[3:5] = [30, 40]
print("동일 규격 교환:", x)

# 2칸밖에 없는 View 자리에 3개의 원소를 우겨넣으면?
# x[3:5] = [30, 40, 50]  --> ValueError: could not broadcast 에러 터짐!

Numpy는 이처럼 메모리 구조적 엄격함을 유지하여 수백만 단위의 숫자가 흔들림 없이 일렬로 CPU를 직통 관통할 수 있도록 최고의 성능을 보장하는 구조입니다.

[3단계] 단순 변수 대입(b = a)은 어떻게 될까? (얕은 복사)

그럼 copy()도 안 쓰고 view()도 안 쓰고, 실수로 그냥 = 기호로 대입해 버리면 물리적으로 어떻게 처리될까요? 파이썬 코어 개념에서 이는 그저 “원래 존재하는 객체 메모리에 단순히 별명(포스트잇 이름표)을 하나 더 붙인 것”에 불과한 완전한 동일체 취급이 됩니다.

변수 a와 변수 b는 동일한 객체를 가리키는 포스트잇 이름표일 뿐이므로 완전히 한 몸처럼 움직입니다.

a = np.array([[1, 2, 3], [4, 5, 6]])

b = a  # 단순 변수명 매칭! (얕은 복사)

# b와 a는 완전히 생물학적으로 같은 녀석(동일 메모리 ID)인가?
print("a와 b는 영혼의 쌍둥이인가?", b is a)
print("a의 ID:", id(a), " / b의 ID:", id(b))

출력:

a와 b는 영혼의 쌍둥이인가? True
a의 ID: 140417...  / b의 ID: 140417...

단순 대입 연산인 얕은 복사(b = a)는 View 개념보다 한술 더 떠서, 아예 가짜 렌즈조차 만들지 않은 이름만 다를 뿐 완벽한 동일 본체입니다. View(v = a.view())는 메모리 주소값(id())이 서로 다르지만 바라보는 타겟이 같은 홀로그램이며, 단순 대입(b = a)은 메모리 주소값마저 100% 동일한 이름표 스티커 부착 행위입니다!