Python 如何将[2,3,4]转换为[0,0,1,1,1,2,2,2]，以利用tf.math.segment_sum？

假设我有一个像[2,3,4]这样的数组，我正在寻找一种在NumPy（或Tensorflow）中将其转换为[0,0,1,1,1,2,2,2]的方法，以便对大小为2+3+4的张量应用tf.math.segment_sum（）

---

我脑子里没有优雅的想法，只有循环和列表理解。

你喜欢这个工作吗

import numpy
arr = numpy.array([2, 3, 4])
numpy.repeat(numpy.arange(arr.size), arr)
# array([0, 0, 1, 1, 1, 2, 2, 2, 2])

使用Numpy，但实际上更快（至少在示例列表中）

我会把这个答案作为另一个解决方案，但它比两者都慢

考虑到

a=[2,3,4]

这可以使用如下循环完成：

b=[]
对于范围内的i（len（a））：
对于范围（a[i]）内的j：
b、 附加（范围（len（a））[i]）

作为一句台词，这是一件邪恶的事情：

b=[range（len（a））[i]表示范围内的i（len（a））表示范围内的j（a[i]）]

---

两者都以

b=[0,0,1,1,1,2,2,2]

结束，您不需要使用numpy。您只能使用列表理解：

>>> foo = [2,3,4]
>>> sum([[i]*foo[i] for i in range(len(foo))], [])
[0, 0, 1, 1, 1, 2, 2, 2, 2]

它的工作原理如下：

您可以通过将简单数组乘以常数来创建扩展数组，因此

[0]*2

==

[0,0]

。因此，对于数组中的每个索引，我们用

[i]*foo[i]

展开。换言之：

>>> [[i]*foo[i] for i in range(len(foo))]
[[0, 0], [1, 1, 1], [2, 2, 2, 2]]

然后我们使用

sum

将列表缩减为单个列表：

>>> sum([[i]*foo[i] for i in range(len(foo))], [])
[0, 0, 1, 1, 1, 2, 2, 2, 2]

因为我们是“求和”列表，而不是整数，所以我们将

[]

传递到

sum

以使空列表成为求和的起始值

---

（请注意，这可能比numpy慢，尽管我个人没有将其与@Patol75的答案进行比较。）

我非常喜欢@Patol75的答案，因为它很简洁。然而，目前还没有纯张量流解，所以我提供了一个可能有点复杂的解。仅供参考和娱乐

顺便说一句，我没有看到tf。在tf主机中重复这个API。请检查此选项，它添加了与

numpy.repeat

等效的

tf.repeat

支持

将tensorflow导入为tf
重复次数=tf常数（[2,3,4]）
值=tf.range（tf.size（repeats））#[0,1,2]
max_repeats=tf。reduce_max（repeats）#max repeat为4
平铺=tf.平铺（tf.重塑（值，[-1,1]），[1，最大重复次数]#[[0,0,0,0]，[1,1,1]，[2,2,2]]
掩码=tf.序列掩码（重复，最大重复）#[[1,1,0,0]，[1,1,1,0]，[1,1,1,0]，[1,1,1]]
res=tf.boolean_掩码（平铺，掩码）#[0,0,1,1,1,2,2]

您所展示的内容可以通过标准库完成。您能否进一步解释为什么必须使用numpy或tensorflow执行此操作？循环和列表理解有什么不雅观之处？numpy在性能上更受欢迎，因为这将在非常大的阵列上执行。但我很乐意看到如何用标准库来实现这一点。这将是一个有趣的代码高尔夫！我不知道您可以将

[]

传递到

sum（）

以生成列表-我喜欢它：-）我确实想知道它是否太“聪明”，在这种情况下，你应该直接使用reduce:

reduce（lambda，b:a+b，（[I]*foo[I]for I in range（len（foo）））

你的比我的快得多；默认情况下，你的答案是0.848秒，我的答案是3.251秒。我相信你的答案也比Patol75的答案快得多，Patol75的答案是2.579秒。对于给定的数据，也许。我怀疑如果阵列很大，他们的速度会更快。