如何无循环计算一维NumPy数组的所有指定累积和组合

嘿，这个问题我熟！你遇到的错误是因为NumPy的切片语法不支持用数组作为起始/结束索引——切片只能接受标量或者单个slice对象。不过咱们完全可以用向量化的方法来实现，不用写显式的for循环，我给你两种好用的方案：

方案1：利用矩阵对角线（简洁直观） #

首先计算数组的累积和，然后创建一个累积和的外和矩阵（每个元素是cs[i] + cs[j]），接着提取对应偏移量的对角线——这些对角线正好就是你要的cs[k:] + cs[:-k]结果：

import numpy as np

a = np.arange(12)
cs = np.cumsum(a)
starts = np.arange(2, 12)

# 创建累积和的外和矩阵，shape (12, 12)
sum_matrix = cs[:, None] + cs

# 提取每个k对应的对角线，得到所有目标组合
results = [np.diag(sum_matrix, k=k) for k in starts]

解释：np.diag(sum_matrix, k=k)会取矩阵中满足i - j = k的所有元素，也就是cs[i] + cs[j]其中i = j + k，这完全对应cs[k:]和cs[:-k]的逐元素相加。比如k=2时，对角线元素就是cs[2]+cs[0], cs[3]+cs[1], ..., cs[11]+cs[9]，和你要的结果完全一致。

方案2：广播索引（更高效，无中间大矩阵） #

如果你的数组很大，创建大矩阵可能有点浪费内存，那可以用广播直接生成索引，计算结果：

import numpy as np

a = np.arange(12)
cs = np.cumsum(a)
starts = np.arange(2, 12)

# 计算每个k对应的结果长度
lengths = 12 - starts
# 生成最大长度的索引数组
max_len = lengths.max()
j_indices = np.arange(max_len)

# 广播生成i的索引：i = k + j，对应cs[k:]的索引
i_indices = starts[:, None] + j_indices
# 生成掩码，过滤超出有效范围的索引
mask = j_indices < lengths[:, None]

# 计算所有结果，用NaN填充无效位置
full_results = np.where(mask, cs[i_indices] + cs[j_indices], np.nan)
# 如果需要每个结果作为单独的一维数组，提取有效部分
results = [row[~np.isnan(row)] for row in full_results]

解释：这个方法不需要创建大矩阵，直接通过索引广播计算，内存更高效，适合处理大规模数组。掩码用来过滤掉每个k对应的无效索引位置，最后提取有效元素得到目标数组列表。

两种方法都避免了显式的for循环，用NumPy的向量化操作完成计算，效率比循环高很多。列表推导式在这里只是用来整理结果，底层还是NumPy的优化操作，完全符合你的需求。

内容的提问来源于stack exchange，提问作者PirateApp