如何按比例扩展或压缩列表，保留原有值的分布比例？

我有如下列表：

original_list = [10, 10, 2, 11, 11]

这些数值代表状态，我需要将列表按比例拉伸/压缩到指定长度：

• 扩展时，按原列表元素的分布比例填充，比如扩展至长度10（原长度的2倍），结果应为：

  [10, 10, 10, 10, 2, 2, 11, 11, 11, 11]
  

  原列表中2个10扩展为4个，以此类推，顺序保持不变。
• 同时需要支持缩小列表的场景。

我自己已经实现了自定义函数：

def stretch_list(lst, length): 
    new_lst = []                                                                                                                                                    
    ratio = len(lst) / length
    for i in range(length):                                                                                                                                         
        index = int(i * ratio)
        new_lst.append(lst[index])
    return new_lst

original_list = [10, 10, 2, 11, 11]
stretched_list = stretch_list(original_list, 10)

也可以用列表推导式简化（可读性稍差）：

new_length = 10
stretched_list = [original_list[int(i*len(original_list)/new_length)] for i in range(new_length)]

但我想知道有没有针对此类操作的专用库方法？我试过numpy.resize和numpy.interp，都不适用：resize只是重复原数组生成副本，interp会生成插值新值，不符合需求。

NumPy 实现 #

你可以用NumPy的向量化索引操作实现，逻辑和自定义函数一致，但性能更优：

import numpy as np

original_arr = np.array([10, 10, 2, 11, 11])
new_length = 10

ratio = len(original_arr) / new_length
# 生成映射到原数组的索引，向下取整保证比例匹配
indices = np.floor(np.arange(new_length) * ratio).astype(int)
stretched_arr = original_arr[indices].tolist()

# 输出结果：[10, 10, 10, 10, 2, 2, 11, 11, 11, 11]

Pandas 辅助实现 #

如果用Pandas处理数据，可以借助区间划分来分配索引：

import pandas as pd

original_series = pd.Series([10, 10, 2, 11, 11])
new_length = 10

# 把新长度的位置划分为和原列表长度一致的区间，获取对应索引
bins = pd.cut(np.arange(new_length), bins=len(original_series), labels=False)
stretched_series = original_series.iloc[bins].tolist()

总结 #

目前没有专门针对这类"保持状态分布的拉伸/压缩"的专用库，但用NumPy或Pandas的基础功能就能高效实现需求，尤其是处理大规模数据时，比纯Python循环的性能提升明显。

内容的提问来源于stack exchange，提问作者antun