[Python] Numpy가 빠른 이유-2편 (PyObject와 메모리 구조 관점에서)

이 글은 Python의 대표적인 수치 연산 라이브러리인 Numpy가 빠른 이유를 PyObject와 메모리 구조 관점에서 분석하는 두 번째 이야기입니다. 이전 글에서 하드웨어 관점의 SIMD 최적화에 대해 다루었다면, 이번 글에서는 Python의 기본 자료형인 PyObject의 오버헤드와 Numpy 배열이 C와 유사한 메모리 구조를 가지면서 이러한 오버헤드를 어떻게 줄이는지에 초점을 맞춥니다.

Numpy가 C 언어의 포인터와 유사한 방식으로 데이터를 직접 관리하고, 불필요한 타입 검사를 최소화함으로써 메모리 접근 속도를 높이고 연산 성능을 극대화하는 원리를 설명합니다. 이를 통해 Numpy가 Python 환경에서도 뛰어난 성능을 발휘할 수 있는 근본적인 이유를 이해할 수 있습니다.