是否存在可调整大小的numpy.array等效实现？

针对你的需求，有两种成熟的高性价比实现方案：

方案1：手动实现预分配扩容的动态数组（无额外依赖，性能最优） #

该实现逻辑和Python list底层扩容逻辑一致，预分配大于实际使用长度的numpy数组，空间不足时按固定倍数扩容，append均摊时间复杂度为O(1)，内存开销和原生numpy数组完全一致。
示例实现：

import numpy as np

class DynamicNumpyArray:
    def __init__(self, dtype=np.float64, init_capacity=10):
        self._dtype = dtype
        self._capacity = init_capacity
        self._used_size = 0
        self._buffer = np.empty(init_capacity, dtype=dtype)
    
    def append(self, value):
        # 空间不足时扩容为原容量的2倍
        if self._used_size == self._capacity:
            self._capacity *= 2
            new_buffer = np.empty(self._capacity, dtype=self._dtype)
            new_buffer[:self._used_size] = self._buffer
            self._buffer = new_buffer
        self._buffer[self._used_size] = value
        self._used_size += 1
    
    @property
    def numpy_array(self):
        # 仅返回已填充的有效数据切片，和普通numpy数组完全兼容
        return self._buffer[:self._used_size]

使用方法：

my_array = DynamicNumpyArray(dtype=np.int32)
my_array.append(5)
# 提取原生numpy数组
real_np_arr = my_array.numpy_array

方案2：使用Python标准库array模块 #

如果仅需要存储基础数值类型、不需要中间做numpy运算，可直接用标准库的array.array，它是连续存储的动态数组，内存开销远低于Python list，支持原生append方法，最终可直接转为numpy数组：

import array
import numpy as np

# 类型码'i'对应有符号整型，其他类型可查官方array模块文档
my_arr = array.array('i')
my_arr.append(5)
# 转换为numpy数组
np_arr = np.array(my_arr)

注意事项 #

不推荐直接使用np.append：该方法每次调用都会重新分配全量内存、拷贝所有已有数据，时间复杂度为O(n)，批量append时总复杂度为O(n²)，数据量稍大就会出现严重的性能问题。
如果能提前预估数据的最大长度，直接预分配固定大小的numpy数组、用索引写入数据的性能会比动态扩容更好。 #

内容的提问来源于stack exchange，提问作者Adam Jenča