如何按numpy数组首列权重值重复对应行得到正确二维数组

你的原有代码存在两处错误，导致结果不符合预期：

• 重复计数逻辑错误：权重值为n的行，你先手动追加了1次原始行，又追加了np.repeat生成的n份副本，实际总重复次数为n+1次，这就是np.sum(chain[:,0])与结果长度不相等的根本原因
• 结果结构错误：直接向列表中混合追加一维数组、二维数组，最终没有做数组拼接，得到的是嵌套的混合列表，不是规整的二维数组

不需要编写循环，numpy原生np.repeat原生支持逐行指定重复次数，向量化运算效率远高于循环写法，完全适配你15413行的大数组场景：

import numpy as np

# 示例数组
chain = np.array([[1, 5, 3], [2, 2, 1], [3, 0, 1]])
# 沿行方向(axis=0)，按第一列的权重值重复对应行，先转int避免浮点数权重报错
ACT_chain = np.repeat(chain, repeats=chain[:, 0].astype(int), axis=0)

运行后验证结果：

• np.sum(chain[:,0])返回值为6，len(ACT_chain)返回值为6，二者完全匹配
• 输出结果与预期完全一致：

array([[1, 5, 3],
       [2, 2, 1],
       [2, 2, 1],
       [3, 0, 1],
       [3, 0, 1],
       [3, 0, 1]])

如果要保留循环逻辑，需要删除多余的单次行追加逻辑，每次按权重生成对应数量的行块存入列表，最后统一做垂直拼接即可，该写法效率远低于上述向量化方案，不建议用于大数组：

ACT_chain = []
for i in range(len(chain)):
    repeat_cnt = int(chain[i, 0])
    # 取出当前行保持二维结构，按权重重复
    row_block = np.repeat(chain[i:i+1, :], repeat_cnt, axis=0)
    ACT_chain.append(row_block)
# 拼接所有行块得到规整二维数组
ACT_chain = np.vstack(ACT_chain)

内容的提问来源于stack exchange，提问作者user9404237