Python - NumPy 03. 자료형(dtype) 다루기

핵심 요약

ndarray는 배열 전체가 하나의 dtype으로 고정됩니다. 이 하나의 제약에서 세 가지 실무 이슈가 파생됩니다:

① 정수형의 오버플로(에러 없이 값이 순환), ② 결측값(np.nan)은 실수형에서만 표현 가능, ③ float32/float64 선택이 메모리와 정밀도를 좌우.

import numpy as np

1. 주요 dtype

a = np.array([1, 2, 3])
a.dtype                     # dtype('int64')  (Windows + NumPy 1.x는 int32)
 
np.array([1, 2, 3], dtype=np.float32)
np.array([1, 2, 3], dtype='uint8')

기본 정수 dtype은 OS·NumPy 버전에 따라 int32 또는 int64입니다. 재현성이 중요하면 항상 명시합니다.

2. 형변환 — astype

a = np.array([1.7, 2.3, 3.9])
 
a.astype(np.int64)              # array([1, 2, 3])
                               # ← 반올림이 아니라 소수점 "절삭"(truncation)!
np.round(a).astype(np.int64)   # array([2, 2, 4])  - 반올림하려면 명시적으로

💡 이럴 때: 확률·점수를 정수 등급으로 바꿀 때는 절삭이 아니라 np.round 후 astype을 씁니다. 수백만 행에서 메모리를 줄이려 float64 → float32로 낮추는 것도 같은 도구입니다.

• astype은 기본적으로 복사본을 만듭니다(copy=True). copy=False를 주고 dtype이 이미 일치하면 복사를 건너뜁니다.
• 실수 → 정수 변환은 0 방향으로 버립니다. 1.9는 1이 됩니다 (floor가 아님).
• 범위를 벗어난 변환 — 두 경우를 구분합니다.
• 정수 → 더 작은 정수: 2^N 모듈러로 순환(결정적)합니다. np.array([300]).astype(np.uint8) → 44 (300 % 256).
• 실수 → 정수(범위 초과): 플랫폼 의존, 정의되지 않음입니다. np.array([1e20]).astype(np.int32)의 결과는 신뢰할 수 없습니다.
• 참고: np.array([300], dtype=np.uint8)처럼 생성 단계에서 범위를 벗어나면 OverflowError가 나지만, .astype은 위처럼 조용히 순환합니다 (→ Python - NumPy 12. 성능과 함정 §4).

3. np.nan / np.inf — 결측·특수값

3-1. nan은 실수 전용

np.array([1, 2, np.nan])          # dtype이 float64로 자동 승격됨
np.array([1, 2, np.nan], dtype=np.int64)   # ValueError - 정수 배열에 nan 불가

정수 컬럼에 결측이 섞여 들어오면, NumPy 단계에서는 어쩔 수 없이 float64로 올려야 합니다. (pandas의 Int64(nullable) 타입은 이 문제를 별도로 해결한 것입니다.)

3-2. nan은 자기 자신과도 다르다

np.nan == np.nan          # False   ← 절대 == 로 비교하지 말 것
np.nan != np.nan          # True
 
np.isnan(np.array([1.0, np.nan, 3.0]))   # array([False,  True, False])

💡 이럴 때: 결측 탐지는 항상 np.isnan()으로 합니다. == np.nan은 언제나 False라 조건이 조용히 무시됩니다.

결측 탐지는 반드시 np.isnan()을 씁니다. 자세한 처리는 Python - NumPy 08. 결측치와 이상치 처리.

3-3. inf는 나눗셈 등에서 발생

np.array([1.0, 2.0]) / 0.0        # array([inf, inf])  + RuntimeWarning
np.array([-1.0]) / 0.0            # array([-inf])
np.array([0.0]) / 0.0            # array([nan])  + RuntimeWarning
# 주의: 순수 파이썬 float의 0.0 / 0.0 은 ZeroDivisionError (NumPy 배열만 nan/inf 반환)
 
np.isinf(x)      # inf/-inf 탐지
np.isfinite(x)   # nan도 inf도 아닌 정상값만 True

4. dtype 선택이 주는 실무 영향

• 메모리: float64 → float32는 메모리 절반입니다. 수백만 행 전처리에서 체감됩니다. 정밀도 손실이 허용되는지 판단해서 선택합니다.
• 오버플로: 카운트 누적, 해시 계산 등에서 int32가 부족할 수 있습니다. 의심되면 int64 또는 float64를 씁니다.
• 불리언 연산: 마스크(a > 0)는 bool 배열이고, .sum()을 하면 True의 개수가 나옵니다 (조건을 만족하는 원소 수 세기의 관용 표현입니다).

mask = a > 0
mask.sum()          # 양수 개수
mask.mean()         # 양수 비율

💡 이럴 때: 조건을 만족하는 행 수·비율을 빠르게 확인할 때(결측 비율, 이상치 비율, 클래스 양성 비율 점검).