你不能这么做。如果可能的话，Numpy数组会分配连续的内存块。任何对数组大小的改变都会强制整个数组的低效复制。如果可能的话，你应该使用Python列表来增长你的结构，然后将最终结果转换回数组。
然而，如果你知道结果数组的最终大小，你可以用类似np.empty()的东西示例化它，然后通过索引赋值，而不是追加。这不会改变数组本身的大小，只是重新赋值，所以应该不需要复制。

虽然@roganjosh说得对，如果不（在底层进程中）复制一个numpy数组，就不能修改numpy数组，但是有一种更简单的方法，可以将ndarray的每个值附加到2d ndarray中每个numpy数组的末尾，方法是使用numpy.column_stack

x = np.array([[1,2,3],[10,20,30]])
array([[ 1,  2,  3],
       [10, 20, 30]])

stack_y = np.array([4,40])
array([ 4, 40])

numpy.column_stack((x, stack_y))
array([[ 1,  2,  3,  4],
       [10, 20, 30, 40]])

1.创建新矩阵
1.插入旧矩阵的值
1.然后，在最后的位置插入新值

x = np.array([[1,2,3],[10,20,30]])
new_X = np.zeros((2, 4))
new_X[:2,:3] = x 
new_X[0][-1] = 4
new_X[1][-1] = 40
x=new_X

或者改用np.reshape（）或np.resize（）