如何用NumPy基于96元素price_array创建特定多分区四维数组

针对你需要将96个价格的数组price_array转换为特定四维数组的需求，以下是两种实现方案：

方案一：使用NumPy（推荐，适合批量数据操作） #

NumPy的数组操作能更高效地处理这类多维结构：

import numpy as np

# 模拟输入数组（替换为你的实际price_array）
price_array = np.random.randint(0, 1000, size=96)

# 初始化四维数组，形状为(4, 4, 5, 1)，默认填充-1
result = np.full((4, 4, 5, 1), -1, dtype=np.float64)

# 遍历1-4个分区的情况
for partition_count in range(1, 5):
    dim1_index = partition_count - 1  # 第一维度索引从0开始
    part_size = 96 // partition_count
    # 将原数组分割为对应数量的分区
    partitions = np.array_split(price_array, partition_count)
    
    # 处理每个有效分区
    for part_index in range(partition_count):
        # 对分区降序排序，取前5个最高值
        top5_values = np.sort(partitions[part_index])[::-1][:5]
        # 将值写入对应位置，第四维度存储单个值
        result[dim1_index, part_index, :len(top5_values), 0] = top5_values

# 验证示例
print("1分区（整体）的前5高值：", result[0, 0, :, 0])
print("2分区的第一个子分区前5高值：", result[1, 0, :, 0])
print("2分区的无效条目（全为-1）：", result[1, 2, :, 0])

方案二：纯Python实现（无需第三方库） #

如果不需要NumPy，用原生列表也能实现：

import random

# 模拟输入数组（替换为你的实际price_array）
price_array = [random.randint(0, 1000) for _ in range(96)]

# 初始化四维列表，结构为[4个分区数][4个分区条目][5个高值][1个存储值]
result = [[[[-1] for _ in range(5)] for __ in range(4)] for ___ in range(4)]

for partition_count in range(1, 5):
    dim1_index = partition_count - 1
    part_size = 96 // partition_count
    # 分割原列表为对应数量的分区
    partitions = [price_array[i*part_size : (i+1)*part_size] for i in range(partition_count)]
    
    for part_index in range(partition_count):
        # 降序排序取前5个值
        top5_values = sorted(partitions[part_index], reverse=True)[:5]
        # 写入对应位置
        for idx, val in enumerate(top5_values):
            result[dim1_index][part_index][idx][0] = val

# 验证示例
print("3分区的第二个子分区前5高值：", [x[0] for x in result[2][1]])
print("4分区的第四个无效条目：", [x[0] for x in result[3][3]])

结构说明 #

最终的四维数组完全符合你的要求：

• 第一维度：4个元素，对应1/2/3/4种分区方式
• 第二维度：每个第一维度元素下有4个条目，前N个（N为当前分区数）为有效分区数据，其余填充-1
• 第三维度：5个元素，对应每个分区的第1至第5高值
• 第四维度：单个元素，存储对应第三维度的价格值

内容的提问来源于stack exchange，提问作者PeterBe