如何基于两个同维度numpy数组按权重生成对应直方图？

你提到percents每一行取值完全一致，我们可以提前提取公共的单行percents避免重复取值，再结合向量化操作或者优化的循环实现，性能远高于原始嵌套循环。

方案1：Numpy向量化实现（推荐，性能最优） #

核心用numpy内置的repeat函数（C语言实现，无Python层循环开销），代码如下：

import numpy as np

# 提前提取公共的percents单行（所有行相同，取第一行即可）
percents_single = percents[0]
# 若weights是pandas DataFrame，替换下方的weights为df.values即可
list_of_hists = [np.repeat(percents_single, row_weights).tolist() for row_weights in weights]

运行后得到的结果和你示例要求完全一致，且自动跳过权重为0的位置。

方案2：纯Python优化版（无需依赖numpy） #

如果你不想引入numpy依赖，也可以用优化的纯Python写法，跳过权重为0的分支，用extend代替嵌套append后再展平，减少冗余操作：

percents_single = percents[0]
list_of_hists = []
for w_row in weights:
    current_row = []
    for p, w in zip(percents_single, w_row):
        if w > 0:
            current_row.extend([p] * w)
    list_of_hists.append(current_row)

效率说明 #

原始实现有两层Python级循环，还有多次append、最后展平的额外开销。以上两种方案在万行以上的大数据量场景下，性能可以提升几十到上百倍。

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