如何沿指定轴统计numpy数组中连续True的块数？

给定如下NumPy布尔数组：

array([[ True, False, False],
       [False,  True,  True],
       [ True,  True,  True],
       [False,  True,  True],
       [False,  True,  True],
       [ True, False, False],
       [ True,  True, False],
       [False, False,  True]])

需要沿列统计连续True的块数，示例中第一列有3个连续True块，第二列有2个，第三列有2个，期望输出为：

array([3, 2, 2])

已知可以通过循环逐列处理（复用一维数组的解决方案），但如何用NumPy原生方法直接处理二维数组？

可以利用NumPy的向量化操作，通过检测True块的起始点来统计数量，核心思路是：

• 在数组顶部添加一行全False，捕捉第一行就出现True的情况
• 对比原数组和上移一行的数组，找出从False变为True的位置（即连续True块的起始）
• 对每列的起始点数量求和，得到该列的连续True块数

具体代码如下：

import numpy as np

# 示例输入数组
arr = np.array([[ True, False, False],
                [False,  True,  True],
                [ True,  True,  True],
                [False,  True,  True],
                [False,  True,  True],
                [ True, False, False],
                [ True,  True, False],
                [False, False,  True]])

# 在数组顶部添加一行全False
padded = np.vstack([np.zeros(arr.shape[1], dtype=bool), arr])
# 计算从False到True的转变点：当前为True且上一行是False
transitions = np.logical_and(padded[1:], ~padded[:-1])
# 对每列求和，得到每列的连续True块数
result = transitions.sum(axis=0)

print(result)
# 输出：array([3, 2, 2])

原理说明 #

• 顶部添加全False行是为了处理数组第一行就出现True的场景，保证第一个True会被识别为有效起始点
• transitions数组中的每个True都对应一个连续True块的起始位置，对列求和即可得到该列的块数
• 整个过程基于NumPy向量化操作，无显式循环，效率远高于逐列循环处理

内容的提问来源于stack exchange，提问作者TTY