如何在NumPy数组中提取元素值差值为±1的相邻索引对？

给定NumPy数组：

val = np.array([1,1,0,0,1,1,0,4,0,0,1])

需要提取相邻元素差值为1或-1（即0与1相互转换）的索引对，最终目标结果为[(1,2),(3,4),(5,6),(9,10)]。

问题分析 #

如果分别提取差值为1和-1的索引列表后，用**逻辑与（&）合并会触发ValueError，这是因为逻辑与要求同时满足两个条件，而一个差值不可能既是1又是-1，正确的做法是用逻辑或（|）**合并条件，或者直接用数组筛选一次性获取符合条件的位置。

解决方案 #

直接通过NumPy的差值计算和条件筛选，一步得到目标索引对：

1. 计算数组相邻元素的差值：np.diff(val)会返回长度比原数组少1的差值数组，每个元素对应原数组中val[i+1] - val[i]。
2. 筛选出差值为1或-1的位置。
3. 将这些位置转换为(i, i+1)的索引对格式。

完整代码示例：

import numpy as np

val = np.array([1,1,0,0,1,1,0,4,0,0,1])
# 计算相邻元素差值
diff_array = np.diff(val)
# 筛选差值为1或-1的位置掩码
mask = (diff_array == 1) | (diff_array == -1)
# 获取符合条件的索引
target_positions = np.where(mask)[0]
# 转换为目标索引对
result = [(pos, pos+1) for pos in target_positions]

print(result)  # 输出: [(1, 2), (3, 4), (5, 6), (9, 10)]

也可以用更简洁的写法：

import numpy as np

val = np.array([1,1,0,0,1,1,0,4,0,0,1])
result = [(i, i+1) for i in np.where(np.isin(np.diff(val), [1, -1]))[0]]
print(result)

内容的提问来源于stack exchange，提问作者Bhar Jay