如何用Numpy/Scipy实现数组降长重采样（取区间最大值）

你需要将长Numpy数组按固定区间分割，每个区间取最大值生成短数组，替代当前的循环实现。这里有两种更高效的向量化实现方式：

方式一：舍去最后不足一个区间的元素（与原代码逻辑一致） #

直接截取数组到能被区间长度整除的部分，再通过reshape和max完成聚合：

import numpy as np

# 示例数组，长度510
a = np.random.rand(510)
shorten_length = 50

# 计算有效长度，舍去末尾不足一个区间的部分
valid_len = (len(a) // shorten_length) * shorten_length
a_shortened = a[:valid_len].reshape(-1, shorten_length).max(axis=1)

这种方式完全匹配你原代码的逻辑，且依赖Numpy的向量化操作，比Python循环效率高得多，尤其适合音频这类大数据量场景。

方式二：保留末尾不足区间的元素 #

如果不想丢弃最后一段不足shorten_length的元素，可先补零凑整再聚合：

import numpy as np

a = np.random.rand(510)
shorten_length = 50

# 计算需要补零的长度，确保总长度能被区间长度整除
pad_len = (shorten_length - len(a) % shorten_length) % shorten_length
a_padded = np.pad(a, (0, pad_len), mode='constant')
a_shortened = a_padded.reshape(-1, shorten_length).max(axis=1)

最终得到的数组长度为ceil(510/50)=11，最后一个元素是原数组末尾10个元素的最大值。

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