切片后追加恢复原形状是否增内存？循环脚本是否存内存泄漏？

先看这段代码：

x = np.random.rand(3, 4)
x = x[1:]
x = np.append(x, np.random.rand(1, 4), axis=0)

第二行代码创建的是原始数组的视图，不会额外占用内存。我有两个疑问：

1. 第三行的np.append是否会增加内存占用？
   • 假设1：如果append无视视图，直接复制原始数据再追加新内容，内存占用会上升
   • 假设2：如果append基于视图构造更小的数组再追加，内存占用不会增加
2. 下面的循环脚本是否存在内存泄漏？

x = np.random.rand(3, 4)
for _ in range(1000000):
    x = x[1:]
    x = np.append(x, np.random.rand(1, 4), axis=0)

解答 #

1. np.append会产生临时内存占用
   NumPy数组的内存是连续存储的，np.append的工作机制是：不管输入是原数组还是视图，都会创建一块新的连续内存区域，把输入数组的所有数据复制进去，再追加新的元素。执行完第三行后，原数组如果没有其他引用，会被Python的垃圾回收机制清理，但append执行过程中确实会因为复制数据产生额外的内存占用，执行后旧内存会被释放。

2. 循环脚本不会出现内存泄漏
   每次循环中：

• x = x[1:]创建视图，不占用新内存
• np.append创建新数组，此时旧的x（包括之前的原数组或视图对应的数组）因为没有其他引用，会被垃圾回收
  循环过程中，内存只会保留当前的3行数组，以及append执行时的临时内存，整体内存占用会维持稳定，不会持续增长，因此不存在内存泄漏。

不过这种写法效率极低，百万次循环会因为频繁复制数据导致运行极慢。更优的做法是预先分配足够内存，或者用列表暂存每行数据，最后再转换为NumPy数组。

内容的提问来源于stack exchange，提问作者Jeffrey Chen