如何避免迭代构建NumPy数组？实现有效值延续填充的向量化解法

你需要的是正向填充最近的有效值（初始为指定的start_value），仅当遇到正数时更新有效值，以下是纯NumPy的向量化实现方案，完全避免循环，适合大规模数组处理：

import numpy as np

start_value = 12
start_arr = np.array([-2, -4, -60, -0.5, 2, 2, 1, 70, -2, -5, 2])

# 1. 标记所有正数的位置（需要更新有效值的位置）
mask = start_arr > 0

# 2. 构造索引数组：正数位置存当前索引，非正数位置存-1
indices = np.where(mask, np.arange(len(start_arr)), -1)

# 3. 累积取最大索引，得到每个位置对应的最近有效元素的索引
#    因为有效索引是递增的，累积最大值会自动保留最近的有效位置
last_valid_indices = np.maximum.accumulate(indices)

# 4. 生成结果数组：先填充初始值，替换正数位置，再用索引提取对应值
out_arr = np.full_like(start_arr, start_value)
out_arr[mask] = start_arr[mask]
out_arr = out_arr[last_valid_indices]

print(out_arr)
# 输出：[12 12 12 12  2  2  1 70 70 70  2]

原理说明 #

• np.maximum.accumulate(indices)：由于有效索引是从0开始递增的，当遇到非正数位置的-1时，累积最大值会保留之前的有效索引，从而实现“沿用最近有效值”的逻辑。
• 整个过程都是NumPy底层优化的数组操作，时间复杂度为O(n)，比Python循环效率高几个数量级，适合处理大规模数组。

内容的提问来源于stack exchange，提问作者Tarquinius