循环中批量为NumPy数组追加首元素并覆写原数组的实现方法问询

之前的循环写法失效，完全是Python变量绑定机制和NumPy数组特性共同导致的，和NumPy本身的操作逻辑无关：

• 直接遍历列表元素的循环写法中，array_只是循环临时创建的引用别名。当你执行array_ = np.append(...)时，只是把这个临时别名重新绑定到np.append生成的新数组对象上，既不会修改最开始定义的array_1/array_2等原始变量的指向，也不会改动原列表中存的旧数组对象，循环结束后临时变量被销毁，所有改动完全不会保留。
• 你尝试过的array[:] = ...方案失效，是因为NumPy的切片赋值要求左右两侧的数组形状完全匹配。一旦要追加元素导致新数组长度大于原数组，切片操作的覆盖范围根本装不下额外的元素，强行执行会直接触发形状不匹配的报错，自然无法完成覆写。
• 这里需要明确：NumPy数组是固定内存长度的对象，只要需要改变数组长度，就不存在“完全不生成新数组对象、零开销在原内存上修改”的魔法。所谓的“直接覆写原始数组”，本质是通过正确的变量绑定操作，让代码中定义的原始数组变量最终指向长度更新后的数组，避免产生无意义的冗余副本，而不是硬要在旧数组的内存块上完成修改。

方案1：通过可变容器存储数组引用（无冗余副本，最推荐） #

不要直接遍历原始数组对象，把所有待处理的数组放到一个可变容器（列表/字典）中，循环时直接修改容器内的元素绑定关系，让改动能真正传递回原始变量：

列表实现版本 #

import numpy as np

# 初始化原始数组
array_1 = np.array([1,2,3])
array_2 = np.array([4,5,6])
array_3 = np.array([7,8,9])

# 把待处理数组存入可变列表
arr_container = [array_1, array_2, array_3]

# 循环时通过索引修改列表内的元素，不要直接遍历元素
for idx in range(len(arr_container)):
    old_arr = arr_container[idx]
    # 直接把列表对应位置的引用替换为追加后的新数组
    arr_container[idx] = np.append(old_arr, old_arr[0])

# 把更新后的结果赋值回原始变量，完成覆写
array_1, array_2, array_3 = arr_container

注意：这个实现和你之前的写法核心差异是，没有把循环临时变量的赋值结果丢弃，而是通过索引直接修改列表容器内的存储内容，完全绕开了临时变量绑定失效的问题。整个流程除了np.append本身必须生成的新数组外，不会产生任何额外的数据副本。

字典实现版本 #

如果待处理的数组数量很多，用字典存储数组的映射关系，可读性会更好：

import numpy as np

# 初始化数组字典
arr_dict = {
    "arr1": np.array([1,2,3]),
    "arr2": np.array([4,5,6]),
    "arr3": np.array([7,8,9])
}

# 循环直接更新字典内的键值
for key in arr_dict:
    old_arr = arr_dict[key]
    arr_dict[key] = np.append(old_arr, old_arr[0])

后续如果需要使用这些数组，直接通过字典的键取值即可，不需要额外做变量的重新绑定。

方案2：直接扩展原数组内存（性能最高，近零副本） #

如果你追求最高性能，想要尽量减少内存拷贝，可以用NumPy自带的resize方法手动扩展原数组的内存空间，直接在原对象上完成首元素的追加：

for idx in range(len(arr_container)):
    arr = arr_container[idx]
    # 扩展原数组长度1位，refcheck=False跳过引用检查，允许直接修改原数组内存
    arr.resize(arr.shape[0] + 1, refcheck=False)
    # 把原数组的首个元素复制到新扩展出的末尾位置
    arr[-1] = arr[0]

这个方法的优势是：只要原数组的内存块末尾有连续的可复用空间，resize操作根本不会重新分配内存，完全是在原数组的内存上完成扩展，不会产生任何数据副本；只有当原数组的内存块没有可扩展的连续空间时，才会触发一次必要的内存拷贝。

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