寻找以零元素为主的一维数组的中位数位置

针对你这种大部分元素为0、非零元素聚集为分隔岛的大规模一维numpy数组，直接遍历整个数组效率极低，这里给你一套基于numpy向量化操作的高效解决方案，能快速定位并提取每个非零岛的信息：

核心思路 #

利用numpy的内置函数快速定位非零元素，通过判断相邻非零元素的索引差来区分不同的岛，完全避免逐元素遍历的低效操作：

1. 提取所有非零元素的索引
2. 找到相邻索引差大于1的位置（即不同岛的分隔点）
3. 分割索引数组得到每个岛的索引范围，进而提取对应元素块

完整代码示例 #

import numpy as np

# 模拟你的稀疏数组（简化版）
A = np.array([
    0]*32 + [1,3,6,20,14,10,5,1] + [0]*30 + [2,4,5,5,18,18,16,14,10,2,1] + [0]*30 + [1,2,3]
)

# 获取所有非零元素的索引
non_zero_indices = np.nonzero(A)[0]

if len(non_zero_indices) == 0:
    print("数组中没有非零元素")
else:
    # 找到岛的分隔位置：相邻非零索引差>1的位置，加1作为分割点
    split_points = np.where(np.diff(non_zero_indices) > 1)[0] + 1

    # 分割索引数组，得到每个岛的索引集合
    island_indices = np.split(non_zero_indices, split_points)

    # 整理每个岛的起止索引和元素值
    islands = []
    for idx_group in island_indices:
        islands.append({
            "start_idx": idx_group[0],
            "end_idx": idx_group[-1],
            "values": A[idx_group]
        })

    # 输出结果示例
    for i, island in enumerate(islands, 1):
        print(f"第{i}个非零岛:")
        print(f"  起止索引: [{island['start_idx']}, {island['end_idx']}]")
        print(f"  元素: {island['values']}\n")

关键优势 #

• 效率拉满：所有核心操作都是numpy的向量化运算，比Python循环遍历整个数组快几个数量级，尤其适合超大规模数组
• 边界情况全兼容：自动处理数组开头/结尾就是非零岛、只有单个岛、无任何非零元素等特殊场景
• 扩展性极强：可以直接在遍历岛的过程中添加自定义逻辑（比如计算每个岛的总和、均值，或者做其他数据预处理）

进阶应用示例 #

比如要快速计算每个非零岛的总和与均值：

# 计算每个岛的总和
island_sums = [np.sum(island["values"]) for island in islands]
# 计算每个岛的均值
island_means = [np.mean(island["values"]) for island in islands]

print("每个岛的总和:", island_sums)
print("每个岛的均值:", island_means)

内容的提问来源于stack exchange，提问作者Rebel