如何高效从大型有序递增时间数组中提取相邻差值大于30的元素对

高效实现方案 #

直接使用NumPy自带的向量化差分运算即可实现需求，全程不需要手动遍历数组，执行效率远高于纯Python循环，完全适配数千甚至数十万量级的数组场景。

实现步骤 #

• 第一步：用np.diff()计算数组相邻元素的差值
• 第二步：筛选出差值大于30的索引位置
• 第三步：按照索引取出对应的相邻元素对

示例代码 #

import numpy as np

hugeArr = np.array([0, 2.072, 50.0, 90.0, 91.1])
# 计算相邻元素差值
diff_arr = np.diff(hugeArr)
# 生成差值大于30的掩码
mask = diff_arr > 30
# 取出符合要求的相邻元素对
result = np.column_stack((hugeArr[:-1][mask], hugeArr[1:][mask]))
# 转为元组格式（按需选择）
tuple_result = [tuple(pair) for pair in result]

print(tuple_result)

输出结果 #

[(2.072, 50.0), (50.0, 90.0)]

效率说明 #

np.diff是NumPy底层C实现的向量化操作，时间复杂度为O(n)但常数项极低，长度为1万的数组运算耗时仅在微秒级，完全满足性能要求。

内容的提问来源于stack exchange，提问作者Flynn O'Connell