如何使用NumPy对列表中的相近数字进行分组？Python能否实现整数列表相近整数元素的分组？

当然可以！不管是用纯Python还是NumPy，都能轻松实现这个相近整数分组的需求。我来给你一步步拆解实现方法：

一、纯Python实现方案 #

核心思路很简单：先把列表排序（这样相近的数会挨在一起），然后遍历元素，根据设定的“相近阈值”来判断是否加入当前分组或者新建分组。如果需要去重（比如你的示例结果里去掉了重复的3），也可以先做去重处理。

x = [1,3,2,89,26,31,35,78,5,3,70]
# 先排序并去重（如果不需要去重可以去掉list(set(x))，直接用sorted(x)）
sorted_x = sorted(list(set(x)))
# 定义“相近”的阈值：当元素与当前组最后一个元素的差超过这个值时，新建分组
threshold = 20

groups = []
for num in sorted_x:
    if not groups:
        # 第一个元素直接作为第一个分组
        groups.append([num])
    else:
        last_in_group = groups[-1][-1]
        if num - last_in_group <= threshold:
            # 差值在阈值内，加入当前分组
            groups[-1].append(num)
        else:
            # 差值超过阈值，新建分组
            groups.append([num])

print(groups)
# 输出正好符合你的期望：[[1, 2, 3, 5], [26, 31, 35], [70, 78, 89]]

二、NumPy实现方案 #

如果处理的是大规模数据，NumPy的向量化操作会比纯Python循环高效很多。实现思路和纯Python类似，但用NumPy的内置函数来简化步骤：

import numpy as np

x = [1,3,2,89,26,31,35,78,5,3,70]
arr = np.array(x)
# 排序并去重，一步完成
sorted_arr = np.unique(np.sort(arr))
threshold = 20

# 计算相邻元素的差值
diff = np.diff(sorted_arr)
# 找到差值超过阈值的位置，加1是因为分割点在当前元素的下一个位置
split_positions = np.where(diff > threshold)[0] + 1
# 根据分割点拆分数组
groups = np.split(sorted_arr, split_positions)
# 把NumPy数组转换成普通列表格式
groups = [list(group) for group in groups]

print(groups)
# 输出同样符合期望：[[1, 2, 3, 5], [26, 31, 35], [70, 78, 89]]

关键注意点 #

这里的threshold（阈值）是核心参数，你可以根据自己对“相近”的定义来调整。比如如果你的“相近”是指组内任意两个元素的差不超过某个值，可能需要稍微调整逻辑，但上面的代码基于相邻元素差超过阈值则分组的逻辑，完美匹配你给出的示例结果。

内容的提问来源于stack exchange，提问作者Smart