Pythonic方案：numpy数组如何高效执行多可变切片操作 避免for循环

方案1：np.r_ 拼接索引 #

适合切片数量少、单切片长度大的场景，内存开销低：

import numpy as np

a = np.array([0,1,2,3,4,5,6,7,8,9]) 
left = np.array([0,5])
right = np.array([2,8]) 

# 动态生成所有切片对象传给np.r_，自动展开为索引数组
slices = tuple(slice(l, r) for l, r in zip(left, right))
a[np.r_[slices]] = -1

执行后a的结果为 [-1 -1 2 3 4 -1 -1 -1 8 9]，和循环实现结果完全一致。

方案2：广播生成掩码 #

完全向量化实现，无任何Python层循环，适合切片数量多、原数组总长度不大的场景：

import numpy as np

a = np.array([0,1,2,3,4,5,6,7,8,9]) 
left = np.array([0,5])
right = np.array([2,8]) 

ar = np.arange(len(a))
# 广播比较生成所有切片的掩码，合并后赋值
mask = ((ar >= left[:, None]) & (ar < right[:, None])).any(axis=0)
a[mask] = -1

选型参考 #

• 切片数量<100、单切片平均长度>10：优先选np.r_方案
• 切片数量>100、原数组总长度<1e5：优先选广播掩码方案

内容的提问来源于stack exchange，提问作者A_d_r_i