不等长向量执行运算时按默认值补位的实现策略有哪些

首先给出问题中的示例向量：

x = [1, 2, 3, 4]
y = [1, 2]

要求执行x + y时自动补全短向量得到结果[2, 4, 3, 4]，可参考以下几种通用实现策略：

策略1：独立预处理包装函数 #

实现一个通用的预处理工具函数，先将两个向量补至相同长度，再传入任意运算逻辑执行计算，不会修改语言原生的运算规则，无副作用，灵活度最高。
示例代码（Python）：

def pad_and_operate(a, b, op, fill_value=0):
    # 计算两个向量的最大长度
    max_len = max(len(a), len(b))
    # 对短向量进行末尾填充
    a_padded = a + [fill_value] * (max_len - len(a))
    b_padded = b + [fill_value] * (max_len - len(b))
    # 逐元素执行传入的运算
    return [op(ai, bi) for ai, bi in zip(a_padded, b_padded)]

调用示例：

# 执行加法运算
pad_and_operate(x, y, lambda a,b: a + b)
# 输出：[2,4,3,4]

# 也可传入其他任意运算，比如乘法
pad_and_operate(x, y, lambda a,b: a * b)
# 输出：[1,4,0,0]

# 也可修改填充值为missing/None
pad_and_operate(x, y, lambda a,b: a + b, fill_value=None)

策略2：重载自定义向量类的运算符 #

如果需要频繁使用这类运算，可以封装自定义向量类，重载对应运算符，使用体验和原生向量运算完全一致。
示例代码（Python）：

class PaddingVector:
    def __init__(self, data):
        self.data = data
        self.fill_value = 0

    # 重载加法运算符
    def __add__(self, other):
        max_len = max(len(self.data), len(other.data))
        a_pad = self.data + [self.fill_value] * (max_len - len(self.data))
        b_pad = other.data + [self.fill_value] * (max_len - len(other.data))
        return PaddingVector([a + b for a, b in zip(a_pad, b_pad)])

    # 可按同样逻辑重载__mul__、__sub__、__truediv__等其他运算符
    def __repr__(self):
        return f"PaddingVector({self.data})"

调用示例：

x = PaddingVector([1,2,3,4])
y = PaddingVector([1,2])
print(x + y)
# 输出：PaddingVector([2,4,3,4])

策略3：适配数值计算库的内置规则 #

如果使用Numpy、R等数值计算工具，可以基于库本身的填充功能做简单适配，不需要自己实现完整的补全逻辑：

• Numpy示例：

import numpy as np
def pad_np_vec(a, b, fill_value=0):
    max_len = max(a.size, b.size)
    a_pad = np.pad(a, (0, max_len - a.size), constant_values=fill_value)
    b_pad = np.pad(b, (0, max_len - b.size), constant_values=fill_value)
    return a_pad, b_pad

x = np.array([1,2,3,4])
y = np.array([1,2])
x_pad, y_pad = pad_np_vec(x, y)
print(x_pad + y_pad)
# 输出：[2 4 3 4]

• R语言示例：

x <- c(1,2,3,4)
y <- c(1,2)
# 先将短向量长度扩展为和长向量一致，默认填充NA
length(y) <- length(x)
# 替换NA为需要的填充值，比如0
y[is.na(y)] <- 0
print(x + y)
# 输出：2 4 3 4

注意事项 #

• 若填充值设置为missing/NA，需要注意运算过程中的缺失值传播规则，符合预期的前提下再使用。
• 上述逻辑也可扩展到高维张量运算，只需按维度依次补全到各维度的最大长度再执行运算即可。

内容的提问来源于stack exchange，提问作者Alec