如何用Numpy以向量化方式快速生成多区间连续数组

嘿，这个需求我太熟了！用Numpy的纯向量化操作就能完美解决，完全不用写拖慢速度的Python循环，大数据量下性能优势特别明显～

最优纯向量化实现方案 #

直接上可运行的代码：

import numpy as np

# 定义输入数组
a = np.array([1, 12, 60, 80, 90, 210])
b = np.array([11, 30, 79, 89, 99, 232])

# 1. 计算每个区间的元素总数
interval_lengths = b - a + 1
# 2. 生成重复对应次数的区间起始值数组
repeated_starts = np.repeat(a, interval_lengths)
# 3. 计算每个位置对应的区间内偏移量（0到区间长度-1）
total_elements = interval_lengths.sum()
global_indices = np.arange(total_elements)
# 用累积和得到每个区间的起始索引，再重复对应次数
interval_start_indices = np.repeat(np.cumsum(interval_lengths) - interval_lengths, interval_lengths)
offsets = global_indices - interval_start_indices
# 4. 起始值+偏移量得到最终连续数组
c = repeated_starts + offsets

代码逻辑拆解 #

• 计算区间长度：interval_lengths = b - a + 1，比如区间[1,11]包含11个数字，用结束值减起始值加1就能得到准确长度。
• 重复起始值：np.repeat(a, interval_lengths)把每个区间的起始值重复对应次数，比如1会被重复11次，12被重复19次（30-12+1=19）。
• 生成偏移量：通过全局索引减去每个区间的起始索引，得到每个位置在对应区间内的偏移（从0开始递增），这样就能给每个起始值加上对应偏移，生成连续数字。
• 合并结果：起始值数组加偏移量数组，直接得到所有区间的连续数字拼接结果。

简洁版（适合小数据量） #

如果你的数据量不大，也可以用更简洁的写法（本质是列表推导+拼接，性能略逊于纯向量化，但代码更易读）：

c = np.concatenate([np.arange(start, end + 1) for start, end in zip(a, b)])

两种方法都能生成你需要的c数组，比如第一个区间会生成1,2,...,11，第二个区间生成12,13,...,30，完全符合需求～

内容的提问来源于stack exchange，提问作者A H