如何高效将一维数组拉伸至任意尺寸且不进行插值？

我需要将一维数组拉伸至任意目标尺寸，要求采用最近邻匹配（不进行插值计算），具体效果示例如下：

示例1：

>>> my_array
[0,1,8,4]
>>> stretch(my_array, 7)
[0,0,1,1,8,8,4]

示例2：

>>> my_array
[6,3,7,1]
>>> stretch(my_array, 10)
[6,6,3,3,3,7,7,7,1,1]

直观示意：

输入数组：[5,7,9]
拉伸后目标数组：[5,5,7,7,7,9,9]

我目前用了一个朴素的循环方法，功能完全符合要求，但速度极慢——我需要每帧执行数十至数百次该操作：

import numpy as np

def interp(input_list, length):
   out = np.zeros(length, dtype=np.uint)
   for x in range(length):
        out[x] = input_list[int(x * (len(input_list)/length))]
   return out

试过的其他方法都不符合需求：

• numpy.interp是针对连续函数的插值方法，不适用我这种非连续的最近邻匹配场景
• numpy.repeat仅支持将数组拉伸为整数倍尺寸，无法适配任意目标长度

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