如何高效实现不同长度一维numpy数组从指定索引位置开始相加

核心思路是用numpy原生的切片+矢量运算，所有计算都在底层C层面执行，没有Python层的循环开销，性能远高于手写for循环，完全满足高频调用的需求。

实现代码（原地修改原数组） #

如果你可以接受直接修改原数组b，用以下写法即可，内存开销最低：

import numpy as np

def add_arrays(b: np.ndarray, a: np.ndarray, i: int) -> np.ndarray:
    # 可选添加边界校验，避免索引越界
    assert i >= 0 and i + len(a) <= len(b), "起始索引超出数组b的合法范围"
    b[i:i+len(a)] += a
    return b

测试示例（和题目要求一致） #

a = np.array([5, 10, 15])
b = np.array([0, 0, 10, 10, 10, 0, 0])
res = add_arrays(b, a, 2)
print(res)
# 输出：[ 0  0 15 20 25  0  0]

注：你给出的朴素实现实际是赋值操作，和示例的数组相加效果不符，以上实现按示例的相加逻辑编写，如果需要赋值效果，将代码中的+=替换为=即可。

不修改原数组的实现 #

如果你需要保留原数组b不变，先拷贝再操作即可：

def add_arrays_no_modify(b: np.ndarray, a: np.ndarray, i: int) -> np.ndarray:
    assert i >= 0 and i + len(a) <= len(b), "起始索引超出数组b的合法范围"
    res = b.copy()
    res[i:i+len(a)] += a
    return res

性能优势 #

• 没有Python层循环的解释器开销，针对大数组场景，速度比手写for循环高几十到上百倍
• 原地操作版本不需要额外申请大块内存，内存利用率更高

内容的提问来源于stack exchange，提问作者Alligatooo