如何对矩阵中被0分隔的非零列段求和？求非循环实现方案

根据你描述的矩阵结构（看起来要么是两行的二维矩阵，要么是包含多组非零元素的一维数组），这里提供几种不用手动循环判断0的替代方案：

情况1：矩阵是二维结构（每行对应一个求和组） #

如果你的矩阵是两行，第一行包含A、B、C和大量0，第二行包含D、E和大量0，那最简单的方法就是直接对每行求和——因为0的存在不影响求和结果，完全不需要判断0：

比如用Python实现：

# 假设matrix是你的二维矩阵列表
matrix = [
    [0, 0, 0, A, 0, 0, B, 0, C, 0, 0],
    [0, 0, 0, 0, D, 0, E, 0, 0]
]
result = [sum(row) for row in matrix]
# 输出就是[A+B+C, D+E]

如果用NumPy的话更高效：

import numpy as np
matrix = np.array([
    [0, 0, 0, A, 0, 0, B, 0, C, 0, 0],
    [0, 0, 0, 0, D, 0, E, 0, 0]
])
result = matrix.sum(axis=1).tolist()

情况2：矩阵是一维数组（非零元素分成两组，组间有连续0分隔） #

如果你的数据是一维数组，且两组非零元素之间有一段连续的0（比如A、B、C和D、E之间有多个连续0，而组内非零元素之间只有单个或少量0），可以用NumPy的向量化操作来分组求和：

步骤如下：

1. 找到所有非零元素的位置
2. 通过计算相邻非零元素的索引差，找到分组的分界点
3. 对两组非零元素分别求和

代码示例：

import numpy as np

arr = np.array([0, 0, 0, A, 0, 0, B, 0, C, 0, 0, 0, 0, D, 0, E, 0])
# 获取非零元素的索引
non_zero_idx = np.nonzero(arr)[0]
# 计算相邻索引的差值
idx_diff = np.diff(non_zero_idx)
# 找到索引差超过阈值的位置（比如这里组间的索引差远大于组内的间隔）
split_idx = np.where(idx_diff > 2)[0][0] + 1  # +1是因为diff的结果比原索引少一个元素
# 分组求和
group1_sum = arr[non_zero_idx[:split_idx]].sum()
group2_sum = arr[non_zero_idx[split_idx:]].sum()
result = [group1_sum, group2_sum]

情况3：已知非零元素的分组数量 #

如果已经明确知道第一组有3个非零元素、第二组有2个，那可以直接提取所有非零元素后切片求和：

arr = [0, 0, 0, A, 0, 0, B, 0, C, 0, 0, 0, 0, D, 0, E, 0]
non_zero = [x for x in arr if x != 0]
result = [sum(non_zero[:3]), sum(non_zero[3:])]

这个方法也完全不需要循环判断0，用列表推导式提取非零元素后直接求和。

内容的提问来源于stack exchange，提问作者Learning from masters