基于3D NumPy数组两点范围分层生成随机数的Python实现

现有形状为(80, 150, 150)的3D NumPy数组，需针对Z维度（第一维，共80层）的每一层，取两个固定坐标点在对应层的取值的最小值、最大值为上下界，批量生成指定数量的随机数，要求实现高效、结果符合预期。

• 结果变量重复初始化：每次进入层循环都会重新将between_points_12初始化为全零列表，之前层生成的随机数被直接覆盖，最终只能拿到最后一层的生成结果
• 随机数生成效率低：使用Python原生random.uniform逐点循环生成，未利用NumPy向量化特性，数据量大时运行速度极慢
• 语法逻辑错误：counter =+1为赋值操作（将counter设为1）而非累加；list.sort()是原地排序方法，无返回值，直接打印只会输出None；np.zeros传参不符合函数要求，维度参数需要以元组形式传入。

完全避免Python层逐点循环，利用NumPy广播机制一次性生成所有随机数，运行效率比原生循环提升数十到上百倍：

import numpy as np

# 替换为实际使用的3D数组即可
my_np_array = np.arange(1800000).reshape(80, 150, 150)
# 每层需要生成的随机数数量
rand_num_per_layer = 37

# 提取两个固定点在所有层的取值，形状均为(80,)
point1 = my_np_array[:, 62, 62]
point2 = my_np_array[:, 54, 98]

# 计算每层随机数的上下界，扩展维度为(80, 1)适配广播规则
layer_low = np.minimum(point1, point2)[:, np.newaxis]
layer_high = np.maximum(point1, point2)[:, np.newaxis]

# 一次性生成所有80*37个随机数，结果形状为(80, 37)，每行对应一层的随机数，取值落在对应层的区间内
random_values = np.random.uniform(low=layer_low, high=layer_high, size=(80, rand_num_per_layer))
# 统一保留4位小数
random_values = np.round(random_values, 4)

# 若需要一维格式的全部2960个随机值，直接展平即可
random_values_flat = random_values.flatten()

# 若需要按层排序，指定轴参数即可，不会出现返回None的问题
# random_values_sorted = np.sort(random_values, axis=1)

• 最终共生成80 * 37 = 2960个非零随机值，不存在层间结果覆盖问题
• 每层的随机数严格对应该层两个固定点值构成的取值区间
• 无Python层显式循环，数组规模越大，性能优势越明显
• 支持直接按层排序、维度转换等后续操作，符合NumPy数组操作规范

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