由于数据重复，试图将列（np.concatenate）添加到numpy数组的内存不足

Question

我有这个小功能，可以在多维ndarray的任意维度上添加一列（也许更准确地说是在任何轴上增加维度）。

def add_column(A, count=1, append=True, axis=-1):
    '''add extra column(s) to i'th dimension of ndarray A'''
    s = list(A.shape)
    s[axis] = count
    Z = np.zeros(s, dtype=A.dtype.type)
    if append: B = np.concatenate([A,Z], axis=axis)
    else: B = np.concatenate([Z,A], axis=axis)
    return B

大多数情况下都可以正常工作，但是如果A很大，我会用光内存，因为连接正在复制数据（不是我没有足够的内存来容纳较大的数组，我没有同时具有较大数组和原始数组的内存）。有没有增加数据而不复制数据的方法？几乎就像我需要做的那样：将A转储到磁盘，创建一个具有额外列的新数组B，然后将A读入B。但这会非常慢。还有另一种方法吗？