如何统计一维numpy数组的连续递增长度并生成同形数组

给定一个整体呈递减趋势但包含少量递增区域的一维NumPy数组，需要生成一个与输入形状完全相同的数组，其中每个位置的值表示该元素所在连续递增子数组的长度（递减或非递增位置记为0）。例如：
输入数组：[9, 8, 7, 9, 6, 5, 6, 7, 8, 4, 3, 1, 2, 3, 0]
预期输出：[0, 0, 0, 1, 0, 0, 1, 2, 3, 0, 0, 0, 1, 2, 0]

方法一：基于重置点索引计算 #

核心思路是先定位所有非递增的"重置点"，再通过计算每个位置与最近重置点的距离得到连续递增长度：

import numpy as np

def count_consecutive_increases(y: np.ndarray) -> np.ndarray:
    # 生成递增掩码：当前元素大于前一个元素则为True，第一个元素与自身比较，结果为False
    mask = np.diff(y, prepend=y[0]) > 0
    # 获取所有非递增位置（重置点）的索引
    reset_points = np.where(~mask)[0]
    # 为每个位置找到最近的重置点索引
    idx = np.searchsorted(reset_points, np.arange(len(y)), side='right') - 1
    # 当前索引减去最近重置点索引，得到连续递增长度
    return np.arange(len(y)) - reset_points[idx]

方法二：基于累积和与重置值计算 #

通过对递增掩码的累积和，结合累积最大值重置，实现分段累加：

import numpy as np

def count_consecutive_increases(y: np.ndarray) -> np.ndarray:
    # 生成递增掩码
    mask = np.diff(y, prepend=y[0]) > 0
    # 对掩码做累积和
    cumsum = np.cumsum(mask)
    # 记录每个重置点的累积和值，非重置点记为0
    reset_vals = np.where(~mask, cumsum, 0)
    # 计算累积的最大重置值，用于后续抵消非递增段的累积和
    max_reset = np.maximum.accumulate(reset_vals)
    # 最终结果为当前累积和减去最近的重置累积值
    return cumsum - max_reset

测试验证 #

运行示例代码：

y = np.array([9, 8, 7, 9, 6, 5, 6, 7, 8, 4, 3, 1, 2, 3, 0])
c = count_consecutive_increases(y)

print(y)
print(c)

输出结果与预期一致：

[9 8 7 9 6 5 6 7 8 4 3 1 2 3 0]
[0 0 0 1 0 0 1 2 3 0 0 0 1 2 0]

内容的提问来源于stack exchange，提问作者Jake Levi