Python 向结构化数据阵列添加字段的内存友好方式—；不复制数据？

要将字段添加到结构化numpy数组，只需使用新的数据类型创建一个新数组，复制旧字段，然后添加新字段。但是，我需要对占用大量内存的数组执行此操作，我不希望复制所有数组。我自己的实现和

numpy.lib.recfunctions.append\u字段中的（慢）实现都是重复内存

有没有一种方法可以在不复制内存的情况下将字段添加到结构化的
ndarray
？这意味着，要么避免创建新的
ndarray
，要么创建指向旧数据的新
ndarray

不复制RAM的解决方案：






有一个挑战是删除而不是添加字段。该解决方案使用一个视图，该视图应该适用于原始数据的一个子集，但我不确定当我更想添加字段时是否可以对其进行修改。
结构化数组像常规数组一样存储为字节的连续缓冲区，前一个记录后有一个记录。因此，这些记录有点像多维数组的最后一个维度。如果不通过连接生成新数组，则无法将列添加到二维数组中

将一个字段（比如说
I4
dtype）添加到dtype，即20字节长，意味着将记录（元素）长度更改为24，即每20个字节向缓冲区添加4个字节
numpy
如果不创建一个新的数据缓冲区并从旧的（和新的）数据中复制值，就无法做到这一点

实际上，即使我们正在讨论向数组添加一个新记录，即在一个新数组上连接，它仍然需要创建一个新的数据缓冲区。阵列的大小是固定的

结构化数组中的字段与列表或字典中的对象不同。不能仅通过添加指向内存中其他位置对象的指针来添加字段

也许你应该使用字典，
item
是一个数组。然后，您可以自由添加键/项，而无需复制现有的键/项。但是“行”的访问速度会很慢。
Hmm，好的。我需要一个不同的方法。也许我可以将大数组分成N个部分，一次向较小的部分添加一个字段，这样我仍然可以复制所有内容，但不能一次复制所有内容，从而限制峰值内存使用量。但是，应该可以以内存友好的方式进行，而不必复制数据。它可以将数据复制到新阵列并增加新阵列大小，同时减少旧阵列大小。每个“增加”和“减少”都需要数据副本。不要担心“内存友好型”的问题，除非它真的会影响执行时间或者你会遇到“内存错误”问题。但不要将这两个问题混为一谈。如果数组是缓冲区上的视图，而缓冲区的后半部分没有使用，则可以在后半部分分配额外字段（而不是与其现有行相邻）。