如何为Numpy二维数组每行填充可变长度0生成指定形状数组

针对你提出的需求，最优解法是利用NumPy的向量化操作来实现，完全避免循环，在处理大规模数组时也能保持高效。下面是具体的实现方案：

问题回顾 #

你有一个3×3的基础数组：

small = np.arange(9).reshape((3, 3))
# 输出：array([[0, 1, 2], [3, 4, 5], [6, 7, 8]])

需要根据偏移量数组offset = np.array([1, 3, 2])为每行左侧填充对应数量的0，同时右侧补0将数组固定为3×8的形状，最终得到：

array([[ 0., 0., 1., 2., 0., 0., 0., 0.],
       [ 0., 0., 0., 3., 4., 5., 0., 0.],
       [ 0., 0., 6., 7., 8., 0., 0., 0.]])

实现代码 #

import numpy as np

small = np.arange(9).reshape((3, 3))
offset = np.array([1, 3, 2])
target_shape = (3, 8)

# 初始化全0的目标数组，这里用float类型匹配你期望的输出格式
result = np.zeros(target_shape, dtype=float)

# 生成行索引，通过广播匹配列维度
rows = np.arange(target_shape[0])[:, None]
# 计算每行放置原数组的列索引范围
col_indices = np.arange(small.shape[1]) + offset[:, None]

# 批量赋值原数组元素到目标位置
result[rows, col_indices] = small

print(result)

代码解释 #

1. 初始化目标数组：先创建一个和目标形状一致的全0数组，确保所有未赋值的位置自动为0，省去右侧补0的操作。
2. 广播索引匹配：通过rows = np.arange(target_shape[0])[:, None]将行索引转换为(3,1)的二维数组，和原数组的列数（3）进行广播，实现每行对应一组列索引。
3. 计算目标列索引：col_indices为每行生成从offset[i]开始、长度为3的连续列索引，刚好对应原数组每行元素要放置的位置。
4. 批量赋值：利用NumPy的高级索引特性，一次性完成所有元素的赋值，效率远高于逐行循环。

这个方法完全基于NumPy的原生向量化操作，代码简洁且性能拉满，非常适合处理这类数组形状调整的需求。

感谢@Divakar提供的思路参考。

内容的提问来源于stack exchange，提问作者colinfang