如何高效将索引分割列表扩展为索引数组？寻求内置函数替代循环实现

嘿，这个需求我做数据处理的时候也碰到过！你的现有实现其实已经挺简洁了，但确实有更贴合「内置函数」思路的numpy方案，不用写显式的循环（虽然列表推导在numpy场景下也不算差，但用更针对性的原生函数会更优雅，性能也更优）。

推荐你用np.repeat配合np.diff来实现，完全不需要手动写for循环：

import numpy as np

def expand_split_list(split_list):
    # 先算出每个索引需要重复的次数（各区间的长度）
    interval_lengths = np.diff(split_list)
    # 生成对应索引序列，按次数重复每个索引
    return np.repeat(np.arange(len(interval_lengths)), interval_lengths)

原理说明： #

• np.diff(split_list)会直接计算分割列表中相邻元素的差值，也就是每个索引i需要填充的次数（比如输入[0,2,5,7]会得到[2,3,2]）；
• np.arange(len(interval_lengths))生成我们需要填充的索引序列（对应例子里的[0,1,2]）；
• np.repeat会按照interval_lengths里的次数，依次重复每个索引，直接生成目标数组。

测试一下你的示例输入：

print(expand_split_list([0,2,5,7]))
# 输出：array([0, 0, 1, 1, 1, 2, 2])

结果和你原来的实现完全一致，但这个方法是纯numpy原生操作，减少了中间数组的创建和拼接开销，当处理大规模数据时，性能会比原方法更出色。

另外要提一句：这个方法要求你的分割列表是严格递增的（题目里的输入显然符合这个要求，因为是索引分割），如果有非递增的情况需要额外处理，但你的场景里应该不需要担心这个问题。

备注：内容来源于stack exchange，提问作者Leo