如何不使用for循环求numpy数组中小于阈值0.5的最长连续元素个数

我们可以完全基于numpy向量化操作实现需求，全程不需要写显式for循环：

完整实现代码 #

import numpy as np

# 构造输入数组
arr = np.array([0.66594665, 0.33003433, np.nan, 0.42567293, 0.48161913, 0.30000838, 0.13639367, 0.84300475, 0.19029748, np.nan])

# 1. 生成布尔掩码，标记小于0.5的元素，NaN参与比较默认返回False，刚好作为序列分隔点
mask = arr < 0.5

# 2. 对掩码的反转值做累加，给每一段连续的True/False分配唯一分组编号
groups = np.cumsum(~mask)

# 3. 统计所有符合条件的分组的元素个数，取最大值即为结果，兼容无符合条件元素的极端场景
max_count = np.bincount(groups[mask]).max() if mask.any() else 0

print(max_count) # 输出结果为4，和示例预期一致

逻辑说明 #

• 布尔掩码mask中，只有取值小于0.5的有效数值位置会被标记为True，大于等于0.5的数值、NaN都会被标记为False
• 分组编号groups每遇到一个False就会自增1，保证每一段连续的True都属于同一个分组
• 用np.bincount统计每个有效分组的元素数量，最大值就是我们要的最长连续序列长度

内容的提问来源于stack exchange，提问作者user308827