Python实现不同形状numpy数组带偏移循环叠加到固定形状数组

你可以直接使用numpy原生的np.add.at方法配合模运算实现该功能，全程为原地操作，无额外内存开销，性能完全满足音频缓冲区实时处理需求，核心逻辑仅一行：

import numpy as np

def sumWithRoll(buffer, indata, offset):
    np.add.at(buffer, (np.arange(min(len(indata), len(buffer))) + offset) % len(buffer), indata[:len(buffer)])

效果验证 #

示例1 #

a = np.array([1, 1, 1, 1, 1])
b = np.array([5, 6])
sumWithRoll(a, b, offset=1)
print(a)
# 输出：[1 6 7 1 1]

示例2 #

a = np.array([1, 1, 1, 1, 1])
b = np.array([5, 6, 7, 8])
sumWithRoll(a, b, offset=3)
print(a)
# 输出：[8 9 1 6 7]

实现说明 #

• 索引计算时自动对offset做模长度处理，支持任意大小的偏移值
• 自动截断长度超过buffer的输入数组indata，和原有逻辑完全对齐
• 所有运算均为numpy向量化实现，运行速度和你原有的手动切片实现相当，没有性能损失

内容的提问来源于stack exchange，提问作者user2079353