使用Numpy实现一维数组上采样：插入k-1个零的问题

错误原因 #

当k=3时，你需要在原数组的4个元素间隙（len(A)-1=4）每个位置插入2个零，但原代码中values=np.zeros(k-1)是长度为2的数组，而np.insert默认每个索引位置仅插入1个元素，此时长度为2的values数组无法匹配4个索引位置的插入需求，导致形状不匹配报错。

解决方法1：构造重复插入索引 #

通过重复每个间隙的索引位置k-1次，同时构造对应长度的零数组，实现每个间隙插入k-1个零：

import numpy as np

k = 3
A = np.array([1,2,3,4,5])
# 每个插入位置重复k-1次，比如原间隙位置1、2、3、4各重复2次，得到[1,1,2,2,3,3,4,4]
insert_indices = np.repeat(np.arange(1, len(A)), k-1)
# 生成对应长度的零数组
B = np.insert(A, insert_indices, values=np.zeros(len(insert_indices), dtype=int))
print(B)
# 输出：[1 0 0 2 0 0 3 0 0 4 0 0 5]

解决方法2：用reshape+pad实现高效上采样 #

这种方法无需处理索引，利用numpy的矢量操作，更适合大规模数组：

import numpy as np

k = 3
A = np.array([1,2,3,4,5])
# 将原数组转为列向量，在每个元素右侧补k-1个零，再展平为一维数组
B = np.pad(A.reshape(-1, 1), ((0,0), (0, k-1)), mode='constant').flatten()
print(B)
# 输出：[1 0 0 2 0 0 3 0 0 4 0 0 5]

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