如何判断数组中是否存在长度为N的连续重复元素序列

这里提供两种高效的向量化方案，避免迭代式滑动窗口，充分利用NumPy的广播和数组操作特性：

方案一：基于连续区间统计 #

通过定位相邻相等元素的连续区间，计算区间长度判断是否存在符合要求的序列：

import numpy as np

def has_consecutive_duplicates(arr, n):
    if n == 1:
        return True
    if len(arr) < n:
        return False
    
    # 生成相邻元素相等的布尔数组
    equal_adjacent = np.diff(arr) == 0
    # 前后补False，统一处理首尾的连续序列
    padded = np.concatenate([[False], equal_adjacent, [False]])
    
    # 定位连续相等区间的起始和结束位置
    start_indices = np.where(padded[1:] & ~padded[:-1])[0]
    end_indices = np.where(~padded[1:] & padded[:-1])[0]
    
    # 计算每个连续区间对应的元素重复长度（连续True的数量+1）
    consecutive_lengths = end_indices - start_indices + 1
    
    # 检查是否存在长度≥N的连续序列
    return np.any(consecutive_lengths >= n)

逻辑说明 #

1. np.diff(arr) == 0：快速得到所有相邻元素相等的位置，替代循环判断，是向量化的核心步骤。
2. 前后补False：解决数组首尾出现连续重复序列的边界问题，让所有连续相等区间都能被统一识别。
3. 计算连续长度：每个连续相等的元素序列，对应equal_adjacent中连续的True，其长度为True的数量+1（每个True对应一对相邻相等元素）。
4. np.any：向量化判断是否存在满足长度要求的序列，效率远高于循环遍历。

方案二：基于卷积的滑动窗口检查 #

利用卷积操作快速检测连续n-1个相邻相等的情况（对应n个连续重复元素）：

import numpy as np

def has_consecutive_duplicates_v2(arr, n):
    if n == 1:
        return True
    if len(arr) < n:
        return False
    
    equal_adjacent = np.diff(arr) == 0
    # 用卷积计算滑动窗口内连续相等的次数
    # 窗口大小为n-1，当窗口内全为True时，求和结果为n-1
    consecutive_matches = np.convolve(equal_adjacent.astype(int), np.ones(n-1, dtype=int), mode='valid')
    
    return np.any(consecutive_matches == n-1)

逻辑说明 #

• 连续n个重复元素对应n-1个连续的True（在equal_adjacent数组中）。
• 卷积操作对equal_adjacent进行滑动窗口求和，当窗口内求和结果等于n-1时，说明窗口内全是True，即存在连续n个重复元素。
• 该方法代码更简洁，完全向量化，适合处理大规模数组。

测试示例 #

# 测试数组
test_arr = np.array([1,2,3,4,4,4,4,5,6,7])

print(has_consecutive_duplicates(test_arr, 4))   # 输出：True
print(has_consecutive_duplicates(test_arr, 5))   # 输出：False
print(has_consecutive_duplicates_v2(test_arr, 4))# 输出：True

内容的提问来源于stack exchange，提问作者AnthonyML