如何按出现顺序重新编号数组中的不相交连续区块

给定一个由连续相同元素组成区块的一维数组，我们需要将每个区块按出现顺序重新编号（从0开始递增），示例如下：

输入数组：

import numpy as np

x = np.asarray([
   1, 1, 1, 1,
   9, 9, 9,
   3, 3, 3, 3, 3,
   5, 5, 5,
])

目标数组：

desired = np.asarray([
   0, 0, 0, 0,
   1, 1, 1,
   2, 2, 2, 2, 2,
   3, 3, 3,
])

以下是两种优雅的实现方式，分别利用Numpy的向量化特性和纯Python迭代：

一、Numpy向量化实现（推荐，高效处理大数据） #

通过识别区块变化点并累加生成编号，完全用向量化操作避免Python循环，性能优势显著：

# 标记区块变化的位置：当前元素与前一个元素不同的位置（开头补False）
change_points = np.concatenate([[False], x[1:] != x[:-1]])
# 对变化点累加，再减1让第一个区块从0开始
result = np.cumsum(change_points) - 1

# 验证结果
print(np.array_equal(result, desired))  # 输出 True

原理说明：

• x[1:] != x[:-1]生成布尔数组，每个位置标记是否发生区块切换；
• np.cumsum对布尔数组累加（True视为1，False视为0），每次切换区块时编号自动加1；
• 最后减1是因为初始累加从0开始，第一个区块的变化点为False，累加结果为0，减1后正好从0开始编号。

二、纯Python迭代实现（适合小数据量，直观易懂） #

如果不需要Numpy依赖，可通过简单迭代完成：

result = []
current_id = 0
prev_val = x[0]
result.append(current_id)

for val in x[1:]:
    if val != prev_val:
        current_id += 1
    result.append(current_id)
    prev_val = val

result = np.asarray(result)  # 按需转换为Numpy数组

# 验证结果
print(np.array_equal(result, desired))  # 输出 True

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