我不相信有一种方法可以做到你所要求的（它需要非对齐的访问，这在某些架构上是非常低效的）。我的解决方案是从文件中阅读和存储任意字节长度的整数，在将数据传输到进程内数组时可能更有效：

a = np.memmap("filename", mode='r', dtype=np.dtype('>u1'))
e = np.zeros(a.size / 6, np.dtype('>u8'))
for i in range(3):
    e.view(dtype='>u2')[i + 1::4] = a.view(dtype='>u2')[i::3]

您可以使用strides构造函数参数获得非对齐访问：

e = np.ndarray((a.size - 2) // 6, np.dtype('<u8'), buf, strides=(6,))

然而，这样每个元素都会与下一个元素重叠，所以要真正使用它，你必须在访问时屏蔽掉高字节。

答案在：如何创建包含24位整数的Numpy dtype？
这是一个有点丑，但正是你想要的：允许你索引你的ndarray，就像它有一个<u3的dtype一样，这样你就可以从磁盘上memmap()大数据。
您仍然需要手动应用位掩码来清除第四个重叠字节，但可以在访问后应用于切片（多维）数组。
诀窍是滥用ndarray的'stride'部分，以便索引工作。为了让它工作而不抱怨限制，有一个特殊的技巧。

使用下面的代码，你可以读取任何大小的整数，编码为大或小的尾数：

def readBigEndian(filename, bytesize):
    with (open(filename,"rb")) as f:
        bytestring = f.read(bytesize)
        while len(bytestring)==bytesize:
            value = 0
            for byte in map(ord, bytestring):
                print(byte)
                value = (value << 8) | byte
            yield(value)
            bytestring = f.read(bytesize)

def readLittleEndian(filename, bytesize):
    with (open(filename,"rb")) as f:
        bytestring = f.read(bytesize)
        while len(bytestring)==bytesize:
            value = 0
            shift = 0
            for byte in map(ord, bytestring):
                print(byte)
                value |= byte << shift
                shift += 8
            yield(value)
            bytestring = f.read(bytesize)

for i in readLittleEndian("readint.py",3):
    print(i)