如何识别连续空区间区域的起始与结束索引？

我来帮你搞定这个问题，咱们结合你提供的示例数据，一步步实现需求：

首先，咱们明确几个核心规则：

• 空区间的判断条件：interval_start_idxs[i] == interval_end_excl_idxs[i] - 1
• 连续的空区间区域需要满足：多个连续的空区间拥有完全相同的(start, end)值
• 最终要输出每个区域的起始区间索引（包含）和结束区间索引（不包含）

接下来用Numpy高效实现这个逻辑（比纯循环更适配数组类数据）：

完整实现代码 #

import numpy as np

# 你的原始输入数据
interval_start_idxs    = np.array([0, 3, 3, 3, 6, 7])
interval_end_excl_idxs = np.array([2, 4, 4, 4, 7, 9])

# 步骤1：标记所有空区间，并提取对应的(start, end)对
is_empty = interval_start_idxs == interval_end_excl_idxs - 1
empty_indices = np.where(is_empty)[0]
empty_pairs = np.column_stack((
    interval_start_idxs[is_empty],
    interval_end_excl_idxs[is_empty]
))

# 步骤2：识别连续的空区间块
empty_interval_starts = []
empty_intervals_ends_excl = []

if len(empty_indices) > 0:
    # 计算相邻空区间的(start, end)是否发生变化：True表示块的边界
    pair_changes = np.concatenate([
        [True],
        (empty_pairs[1:] != empty_pairs[:-1]).any(axis=1)
    ])
    
    # 提取每个块的起始区间索引（包含）
    block_starts = empty_indices[pair_changes]
    # 提取每个块的结束区间索引（不包含）
    block_ends = np.concatenate([
        block_starts[1:],
        [empty_indices[-1] + 1]
    ])
    
    # 转换为列表格式
    empty_interval_starts = block_starts.tolist()
    empty_intervals_ends_excl = block_ends.tolist()

# 输出结果
print(empty_interval_starts)     # 输出: [1, 4]
print(empty_intervals_ends_excl) # 输出: [4, 5]

代码逻辑拆解 #

1. 标记空区间：用布尔数组is_empty筛选出所有符合条件的空区间，同时提取这些区间的(start, end)对和对应的原始区间索引
2. 识别连续块：
   • 通过比较相邻空区间的(start, end)对，找到块的边界（当前后对不同时，就是新块的开始）
   • 每个块的起始是边界对应的区间索引，结束是下一个块的起始（或最后一个空区间索引+1）
3. 边界处理：自动兼容没有空区间、只有一个空区间等特殊情况

结果对应解释 #

• 第一个区域：区间索引1到4（包含1，不包含4），对应原数据中索引1、2、3的3个连续空区间，它们的(start, end)均为(3,4)
• 第二个区域：区间索引4到5（包含4，不包含5），对应原数据中索引4的单独空区间，(start, end)为(6,7)

备注：内容来源于stack exchange，提问作者pierre_j