如何高效翻转NumPy数组中变长子向量（首元素保留）

你的需求是对长向量中的多个子向量进行重排：每个子向量首元素保持原位，其余元素翻转。原有的循环切片翻转方法在处理百万级长度向量时效率低下，核心原因是Python循环的开销以及列表切片赋值的冗余操作。下面给出基于NumPy的向量化优化方案，能大幅提升处理速度。

优化思路 #

避免逐段子向量的循环操作，转而一次性生成整个向量的目标索引数组，通过NumPy的索引直接完成重排。NumPy的底层操作由C实现，能极大减少Python层面的循环开销。

具体实现步骤 #

1. 先将输入向量转为NumPy数组（列表的切片操作远慢于NumPy数组）；
2. 生成每个子向量的结束索引（子向量的结束位置为下一个子向量的起始索引，最后一个子向量的结束位置为向量总长度）；
3. 为每个子向量构建对应的索引段：首元素保留，后续元素倒序；
4. 拼接所有索引段得到完整的目标索引数组，用该索引直接重排原向量。

完整代码示例 #

import numpy as np

# 示例输入（可替换为百万级长度的NumPy数组）
vector = np.array([0, 1, 2, 3, 4, 5, 6, 7])
subVecStartIdxs = [0, 3]

# 生成子向量的结束索引列表
subVecEndIdxs = subVecStartIdxs[1:] + [len(vector)]

# 构建完整的目标索引数组
full_idx = []
for start, end in zip(subVecStartIdxs, subVecEndIdxs):
    sub_len = end - start
    if sub_len <= 1:
        # 子向量长度<=1，无需翻转，直接取原索引
        full_idx.append(np.arange(start, end))
    else:
        # 首元素索引 + 后续元素倒序索引
        full_idx.append(np.concatenate([[start], np.arange(end-1, start, -1)]))

# 拼接所有索引段
full_idx = np.concatenate(full_idx)

# 应用索引完成重排（原地修改可改为vector[:] = vector[full_idx]）
vector = vector[full_idx]
print(vector)  # 输出: [0 2 1 3 7 6 5 4]

性能说明 #

• 该方案的循环仅处理子向量的数量（而非向量的每个元素），如果子向量数量在万级以内，循环开销可以忽略；
• NumPy的索引重排是一次性内存操作，相比原方法中多次切片复制数据的方式，速度能提升10~100倍（取决于向量长度和子向量数量）；
• 对于百万级长度的向量，建议直接初始化为NumPy数组，避免列表转数组的额外开销。

原代码的问题修正 #

你的原代码存在几处错误：

• 循环范围错误：range(0, len(vector)-1) 应该改为 range(len(subVecStartIdxs)-1)；
• 变量名混淆：faceIdx 和 fStartIdx 应为 vector 和 subVecStartIdxs；
• 使用列表而非NumPy数组：列表的切片赋值效率远低于NumPy数组。

内容的提问来源于stack exchange，提问作者yossarian