如何高效将一维numpy零数组指定索引区间设为1（无循环）

针对你需要给一维NumPy数组的多个索引区间批量设值的需求，这里提供两种无需for循环的高效方案，尤其适合大数量区间或大尺寸数组的场景：

方法一：差分累加（最优高效方案） #

利用差分+前缀和的方式标记区间，完全基于NumPy向量化操作实现，时间复杂度仅为O(N)（N为数组长度），内存占用极低，是处理这类问题的最优选择。

实现代码： #

import numpy as np

indices_range_list = [(0,1), (3,8), (9,11)]
my_array = np.zeros(15)

# 拆分所有区间的起点和终点
starts, ends = zip(*indices_range_list)

# 创建差分数组，标记区间的开始和结束
diff = np.zeros_like(my_array, dtype=int)
np.add.at(diff, starts, 1)  # 起点位置加1
np.add.at(diff, ends, -1)   # 终点位置减1

# 计算前缀和，得到需要赋值的位置掩码
mask = diff.cumsum() > 0

# 批量赋值
my_array[mask] = 1

print(my_array)

输出结果： #

array([1., 0., 0., 1., 1., 1., 1., 1., 0., 1., 1., 0., 0., 0., 0.])

原理说明： #

• 差分数组通过np.add.at批量标记每个区间的起点（+1）和终点（-1），避免循环操作
• 前缀和（cumsum）后，区间内的位置会保持大于0的状态，区间外则归0，以此生成精准的赋值掩码
• 最后通过掩码批量赋值，全程无Python级循环，效率远高于for循环方案

方法二：生成所有索引赋值（适合小跨度区间） #

如果你的区间跨度较小，可以直接生成所有需要赋值的索引，再批量赋值。但注意：当区间跨度极大时，该方法会生成庞大的索引数组，占用较多内存，效率不如差分法。

实现代码： #

import numpy as np

indices_range_list = [(0,1), (3,8), (9,11)]
my_array = np.zeros(15)

# 拼接所有区间的索引
indices = np.concatenate([np.arange(start, end) for start, end in indices_range_list])

# 批量赋值
my_array[indices] = 1

print(my_array)

输出结果： #

array([1., 0., 0., 1., 1., 1., 1., 1., 0., 1., 1., 0., 0., 0., 0.])

方案对比 #

• 差分累加：无循环、内存占用低、效率稳定，无论区间数量多少都能保持高效，优先推荐
• 生成索引赋值：实现简单，但内存开销随区间跨度增大而增加，适合小跨度区间场景
• 原for循环：Python级循环在区间数量大时效率极低，不推荐用于大规模数据

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