如何用向量化方法在NumPy数组不同位置插入不同长度数组？

为什么np.insert会报错？ #

np.insert的values参数要求输入的数组具有统一形状，你传入的是行数各异的np.full((size,3), np.nan)列表，每个子数组形状不均，无法构建均匀结构的数组，因此触发ValueError。

向量化插入NaN数组的方案 #

无需循环调用np.insert，可以直接构建目标数组并填充原数据：

import numpy as np

# 假设已完成前期处理：nadir（清理NaN后的数组）、gaps、sizes
total_length = len(nadir) + sizes.sum()
# 创建全NaN的目标数组
extended_nadir = np.full((total_length, 3), np.nan)

# 计算原数据在目标数组中的索引位置
offsets = np.zeros(len(nadir), dtype=int)
# 为每个间隙后的原数据索引添加偏移量
for idx, gap_pos in enumerate(gaps):
    offsets[gap_pos + 1:] += sizes[idx]

# 将原数据填充到目标数组的对应位置
extended_nadir[np.arange(len(nadir)) + offsets] = nadir

更高效的直接插值方案（无需先插NaN） #

你的最终目标是填充间隙，完全可以跳过插入NaN的步骤，直接在间隙处生成插值点并拼接数组，推荐使用scipy.interpolate.interp1d实现线性插值：

import numpy as np
from scipy.interpolate import interp1d

# 前期处理（和你原代码一致）
nadir = nadir[~np.isnan(nadir).any(axis=1)]
dists_between_points = np.linalg.norm(np.diff(nadir[:, :2], axis=0), axis=1)
dist = np.mean(dists_between_points)
gaps = np.where(dists_between_points > dist)[0]
sizes = (dists_between_points[gaps] // dist).astype(int)

# 构建最终数组
final_points = [nadir[0]]

for i in range(len(nadir) - 1):
    current_point = nadir[i]
    next_point = nadir[i+1]
    if i in gaps:
        # 获取当前间隙需要插入的点数
        insert_count = sizes[np.where(gaps == i)[0][0]]
        # 生成插值参数，取0到1之间的insert_count个点
        t = np.linspace(0, 1, insert_count + 2)[1:-1]
        # 对x、y、z三个维度进行线性插值
        interpolator = interp1d([0, 1], np.vstack([current_point, next_point]), axis=0)
        interpolated_points = interpolator(t)
        final_points.append(interpolated_points)
    final_points.append(next_point)

# 拼接所有点得到结果
final_nadir = np.vstack(final_points)

这个方法直接生成插值后的点，避免了先插NaN再插值的冗余步骤，计算效率更高，同时也解决了np.insert的形状问题。

内容的提问来源于stack exchange，提问作者bt3