如何使用纯向量化方法为numpy数组每个元素生成指定长度的连续序列

完全向量化的实现不需要任何Python级循环，核心思路是生成重复的基底数组 + 逐段偏移量相加，具体代码如下：

import numpy as np

# 示例输入
a = np.array([10,9,12])
ranges = np.array([2,4,3])

# 1. 生成基底数组：将a的每个元素按对应ranges值重复
base = np.repeat(a, ranges)

# 2. 生成完全向量化的偏移数组
cum_len = np.cumsum(ranges)
offsets = np.ones(cum_len[-1], dtype=int)
offsets[0] = 0
offsets[cum_len[:-1]] = -ranges[:-1] + 1
offsets = offsets.cumsum()

# 3. 相加得到最终结果
res = base + offsets
print(res)
# 输出：[10 11  9 10 11 12 12 13 14]

• np.repeat(a, ranges) 输出长度和最终结果一致，每个位置是对应区间的起始值，示例中输出为 [10 10 9 9 9 9 12 12 12]
• 偏移量生成部分通过numpy前缀和、索引赋值、累积求和实现，全程无Python层循环，每个区间的偏移值从0开始递增到区间长度-1，示例中输出为 [0 1 0 1 2 3 0 1 2]
• 两者逐元素相加即可得到每个区间的连续值序列

如果输入规模较小、对性能要求不高，也可以用更简洁的写法：

res = np.concatenate([start + np.arange(length) for start, length in zip(a, ranges)])

内容的提问来源于stack exchange，提问作者pr94