これは危険なビジネスです。私は、グローバルインタープリタロックが並列性の猛烈な敵であると理解しています。しかし、NumPy's C API（具体的にはNumPy配列のPyArray_DATAマクロ）を使用している場合、複数の同時スレッドから呼び出すと潜在的な影響はありますか？NumPyのC API関数を複数のスレッドから呼び出すことの意義は何ですか？
私はまだGILを所有し、NumPy's threading supportで公開しないことに注意してください。また、NumPyがスレッドの安全性を保証していないにもかかわらず、実際にはPyArray_DATAがスレッドセーフなものであっても、私にとってはで十分です。です。
私はLinux上でNumPy 1.3.0でPython 2.6.6を実行しています。
NumPy 1.3.0のソースコードを掘り下げた後、答えはです。はい、PyArray_DATAはスレッドセーフです。
PyArray_DATA ndarrayobject.hに定義されている：
#define PyArray_DATA(obj) ((void *)(((PyArrayObject *)(obj))->data))
PyArrayObject構造体のタイプは、同じファイル内で定義され あります。興味のある分野 は次のとおりです。
char *data;
dataへのアクセスは安全であるかどうかです。新しいNumPy配列を最初から作成する（つまり、既存のデータ構造から派生させない）ために、NULLデータポインタをarrayobject.cに定義されたPyArray_NewFromDescrに渡します。
これにより、dataフィールドにメモリを割り当てるためにPyArray_NewFromDescrがPyDataMem_NEWを呼び出すようになります。要約すると
#define PyDataMem_NEW(size) ((char *)malloc(size))
、PyArray_DATAは、スレッドセーフであるとnumpyのアレイを別々に作成されている限り、異なるスレッドからそれらへの書き込みをしても安全である：これは単にmallocのためのマクロです。