如何基于条件分组拆分Numpy数组？优化重复条件代码

嘿，这个问题我之前也碰到过，重复写条件确实挺冗余的！给你分享个更简洁、更Pythonic的方案，只需要定义一次条件就能搞定，而且用纯Numpy操作效率也很高：

方法一：Numpy原生操作（推荐大数据组） #

import numpy as np

a = np.array([1, 2, 3, 4, 10, 9, 8, 7, 7, 7, 8, 9, 10])
# 只定义一次条件，避免重复计算
condition = np.logical_and(a > 2, a < 8)

# 给条件数组前后补False，处理首尾符合条件的边界情况
padded_condition = np.concatenate([[False], condition, [False]])
# 找到条件发生变化的索引位置（False→True 或 True→False）
change_indices = np.where(padded_condition[1:] != padded_condition[:-1])[0]
# 按变化点拆分数组，提取所有符合条件的块（奇数位的拆分结果）
result = np.split(a, change_indices)[1::2]

print(result)
# 输出：[array([3, 4]), array([7, 7, 7])]

逻辑解释：

• 只定义一次condition，完全避免重复计算
• 给条件数组前后补False，是为了兼容数组开头/结尾就符合条件的场景（比如如果数组第一个元素就满足条件，补False后能正确捕捉到起始分割点）
• np.where定位条件变化的位置，np.split按这些位置切开数组后，符合条件的块刚好在奇数索引的位置（偶数索引是不符合条件的片段）

方法二：用itertools.groupby（代码更简洁，适合小数组） #

如果你的数组规模不大，也可以用Python标准库的groupby，同样只需要写一次判断逻辑：

import numpy as np
from itertools import groupby

a = np.array([1, 2, 3, 4, 10, 9, 8, 7, 7, 7, 8, 9, 10])
# 这里把判断逻辑写在key里，只定义一次
result = [np.array(list(group)) for is_valid, group in groupby(a, key=lambda x: 2 < x < 8) if is_valid]

print(result)
# 输出：[array([3, 4]), array([7, 7, 7])]

注意：

这个方法代码更短，但groupby是纯Python循环，处理超大Numpy数组时，效率会比纯Numpy操作低一些，所以根据你的数据规模选就行。

内容的提问来源于stack exchange，提问作者JeffP