基于索引分割1D numpy数组：寻求更简洁的连续值分割方案

嘿，这个需求用numpy的矢量化操作就能轻松搞定，完全不用写复杂的逻辑判断，代码简洁又高效！

实现步骤 #

1. 计算相邻元素的差值：用np.diff()快速得到数组中每对相邻元素的差值数组；
2. 定位分割点：找出差值大于1的位置，分割点是这些位置的下一个索引（因为差值的索引对应原数组中前一个元素的位置，比如索引3的差值对应原数组第3和第4个元素的差，分割点就在第4个元素的位置，也就是索引4）；
3. 分割数组：用np.split()根据分割点直接拆分原数组。

完整代码示例 #

import numpy as np

# 示例数组
arr = np.array([77, 78, 79, 80, 90, 91, 92, 100, 101, 102, 103, 104])

# 计算相邻元素差值
diffs = np.diff(arr)
# 获取分割点索引
split_indices = np.where(diffs > 1)[0] + 1
# 分割数组
sub_arrays = np.split(arr, split_indices)

print(sub_arrays)
# 输出结果：[array([77, 78, 79, 80]), array([90, 91, 92]), array([100, 101, 102, 103, 104])]

为什么这个方法更好？ #

• 全程用numpy的内置矢量化函数，避免了手动循环，代码更简洁易读；
• 矢量化操作在处理大型数组时，效率比循环判断高得多，性能优势明显。

内容的提问来源于stack exchange，提问作者The Dude