如何基于Numpy长度数组批量生成多个序列范围，解决np.arange调用报错

np.arange的入参要求是单个数值，不支持直接传入数组作为长度参数，所以你直接传入lengths数组时会触发真值判断歧义错误。

以下方案均基于示例输入lengths = np.array([1, 5, 10])实现：

方案1：生成不规则序列列表（最直观，适合小数据量） #

直接用列表推导式为每个长度单独生成范围：

import numpy as np
lengths = np.array([1, 5, 10])
ranges = [np.arange(l) for l in lengths]

输出结果为：[array([0]), array([0, 1, 2, 3, 4]), array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])]

方案2：生成扁平化拼接序列（高性能，适合大数据量） #

完全用向量化操作实现，避免Python层循环，处理大长度数组时效率远高于列表推导：

def create_flat_ranges(lengths):
    starts = np.cumsum(np.insert(lengths, 0, 0))[:-1]
    return np.repeat(starts, lengths) + np.arange(np.sum(lengths))

ranges = create_flat_ranges(lengths)

输出结果为：array([0, 0, 1, 2, 3, 4, 0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

方案3：生成带填充的对齐二维数组 #

如果需要所有序列对齐到相同长度，不足位置填充默认值，可以用掩码实现：

max_len = lengths.max()
mask = np.arange(max_len) < lengths[:, None]
# 填充值可自定义，比如改为np.nan
ranges = np.where(mask, np.arange(max_len), 0)

输出结果为：

array([[0, 0, 0, 0, 0, 0, 0, 0, 0, 0],
       [0, 1, 2, 3, 4, 0, 0, 0, 0, 0],
       [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]])

基于np.linspace的实现 #

如果需要生成等间隔的浮点序列，直接替换生成逻辑即可：

# 每个序列为0到1之间的等间隔值，长度对应lengths的元素
ranges_linspace = [np.linspace(0, 1, num=l) for l in lengths]

内容的提问来源于stack exchange，提问作者AlexSB