如何在Python中优雅拆分非连续整数数组为连续子数组

针对你需要将数组拆分为内部元素连续的子数组的需求，这里提供两种比手动写for循环更优雅的实现方式：

方法一：使用标准库itertools.groupby #

利用groupby按自定义规则分组的特性，我们可以通过元素与索引的差值识别连续元素组——连续递增的元素，其索引-元素的值是固定的（反过来元素-索引也适用，逻辑一致）。

示例代码：

from itertools import groupby

arr = [1,2,3,7,8,9,10,11,14]
result = []
# 用enumerate获取索引和元素，按索引与元素的差值分组
for key, group in groupby(enumerate(arr), lambda x: x[0] - x[1]):
    # 从分组中提取元素组成子数组
    result.append([num for idx, num in group])

print(result)  # 输出: [[1, 2, 3], [7, 8, 9, 10, 11], [14]]

方法二：使用numpy处理大型数组 #

如果你的数组包含数百个元素（甚至更大），numpy的向量化操作会比纯Python循环效率更高。核心思路是找到相邻元素差值不为1的位置，以此作为拆分点。

示例代码：

import numpy as np

arr = np.array([1,2,3,7,8,9,10,11,14])
# 计算相邻元素的差值，找到差值≠1的位置，加1得到拆分索引
split_positions = np.where(np.diff(arr) != 1)[0] + 1
# 按拆分索引切割数组，再转换为Python列表格式
result = [subarray.tolist() for subarray in np.split(arr, split_positions)]

print(result)  # 输出: [[1, 2, 3], [7, 8, 9, 10, 11], [14]]

两种方法对比：

• itertools.groupby属于Python标准库，无需额外安装，代码简洁，适合中小规模数组；
• numpy的方式在处理超大型数组时性能优势明显，适合数据量较大的场景。

内容的提问来源于stack exchange，提问作者Sophia Jayasara Li