如何用Numpy高效反转子列表内的元素顺序？

方案一：分块索引拼接（简洁高效） #

通过计算每个分块的起止位置，生成各分块的逆序索引并拼接，最终一次性索引原数组得到结果：

import numpy as np

Values = np.array([5, 6, 7, 8, 1, 2, 3, 14, 15, 16])
Lengths = np.array([4, 3, 3])

# 计算每个分块的起始和结束索引
starts = np.r_[0, Lengths.cumsum()[:-1]]
ends = Lengths.cumsum()

# 生成各分块的逆序索引并拼接成全局索引数组
indices = np.concatenate([np.arange(start, end)[::-1] for start, end in zip(starts, ends)])

# 直接索引得到反转后的结果
result = Values[indices]
print(result)
# 输出：[ 8  7  6  5  3  2  1 16 15 14]

方案二：完全向量化实现（无Python循环） #

针对超大规模数据，可通过构造块编号、块内位置等数组，完全用Numpy向量化操作生成逆序索引：

import numpy as np

Values = np.array([5, 6, 7, 8, 1, 2, 3, 14, 15, 16])
Lengths = np.array([4, 3, 3])

# 计算分块起始索引
starts = np.r_[0, Lengths.cumsum()[:-1]]
# 生成每个元素所属的块编号
block_ids = np.repeat(np.arange(len(Lengths)), Lengths)
# 生成每个元素在对应块内的原始位置
block_pos = np.concatenate([np.arange(l) for l in Lengths])
# 计算块内逆序后的位置
reverse_block_pos = (Lengths[block_ids] - 1) - block_pos
# 转换为全局索引
indices = starts[block_ids] + reverse_block_pos

# 获取最终结果
result = Values[indices]
print(result)
# 输出：[ 8  7  6  5  3  2  1 16 15 14]

两种方案都比显式逐元素处理的for循环高效得多，方案一兼顾简洁性和性能，方案二则完全依赖Numpy底层优化，适合处理海量数据。

内容的提问来源于stack exchange，提问作者ElaineT