Python中如何基于不同长度的两个向量生成目标向量？

首先纠正你代码中的数组初始化错误——np.array() 需要传入可迭代对象（比如列表），正确的初始化代码如下：

import numpy as np
arr1 = np.array([1, 2, 3, 4, 5, 6])
arr2 = np.array([1, 1, 0, 1, 1, 0, 0, 0, 1, 1])

方法一：索引定位填充 #

这是最直观的实现方式，步骤清晰，适合新手理解：

# 创建与arr2长度相同、全为-9的数组
arr3 = np.full_like(arr2, -9)
# 获取arr2中所有值为1的位置索引
ones_positions = np.where(arr2 == 1)[0]
# 取arr1和1的数量中较小的长度，避免索引越界
fill_count = min(len(arr1), len(ones_positions))
# 将arr1的元素依次填充到arr2中1对应的位置
arr3[ones_positions[:fill_count]] = arr1[:fill_count]

print(arr3)
# 输出结果：[ 1  2 -9  3  4 -9 -9 -9  5  6]

方法二：累积计数映射 #

利用numpy的累积求和功能，直接生成arr1的索引映射，代码更简洁：

# 计算每个位置对应的arr1索引（arr2中1的累积计数减1）
arr1_indices = np.cumsum(arr2) - 1
# 初始化arr3为全-9
arr3 = np.full_like(arr2, -9)
# 筛选出索引有效（小于arr1长度）的位置，填充arr1的对应元素
valid_mask = arr1_indices < len(arr1)
arr3[valid_mask] = arr1[arr1_indices[valid_mask]]

print(arr3)
# 输出结果：[ 1  2 -9  3  4 -9 -9 -9  5  6]

两种方法都能处理arr1长度小于arr2的情况——当arr1的元素用完后，arr2中剩余的1位置会保持-9。

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