核心思路是将非零判断转为布尔数组后用np.diff找跳变点：值为1处对应非零段起始（索引+1），-1处对应结束；需手动补首尾边界（mask[0]或mask[-1]为True时），再合并索引返回片段区间。
用 np.diff 找非零片段的起始和结束位置
核心思路是：把非零判断转成布尔数组，再对它求差分——np.diff 会把布尔数组隐式转为整数（True→1，False→0），于是跳变点就暴露了：np.diff(arr != 0) 中值为 1 的位置对应「从 0 到非零」的起始，值为 -1 对应「从非零到 0」的结束。
注意：差分结果比原数组少一个元素，所以起始索引要 +1，结束索引直接对应差分中 -1 的位置（即原数组中该位置就是最后一个非零值）。
实操建议：
- 先生成布尔掩码：
mask = arr != 0，避免重复计算 - 用
np.diff(mask)，再用np.where提取跳变索引 - 起始点 =
np.where(np.diff(mask) == 1)[0] + 1；若首元素非零，需手动补上索引0 - 结束点 =
np.where(np.diff(mask) == -1)[0]；若末元素非零，需手动补上len(arr)-1
处理边界情况：首尾连续非零段容易漏掉
差分天然丢失首尾信息。比如 arr = [5, 3, 0, 1, 2]，mask = [True, True, False, True, True]，np.diff(mask) 是 [0, -1, 1, 0]，能捕获中间的 0→1 起始（索引 3），但漏了开头的 [0:2] 和结尾的 [3:5]。
正确做法是显式检查首尾：
- 如果
mask[0]为True，则第一个片段起始于0 - 如果
mask[-1]为True，则最后一个片段结束于len(arr)-1 - 合并时用
np.concatenate拼接手动补充的索引，别用 Python 列表 +，否则类型易出错
封装成可复用函数：支持 1D 和 2D 数组沿指定轴处理
实际中常需处理列向量或按行找片段，不能只写死 1D。关键在用 axis 参数配合 np.diff 和布尔操作。
要点：
- 对 2D 数组，先用
arr != 0得到同形布尔数组，再用axis=指定方向做差分 -
np.diff(mask, axis=1)行内差分（每行独立找连续非零段） - 起始/结束索引返回的是元组（如
(rows, cols)），需用np.unravel_index或直接保留坐标对 - 避免在循环里反复调用
np.where，可一次性对整个差分数组操作
示例（1D 封装）：
def nonzero_runs(arr):
mask = arr != 0
d = np.diff(mask)
starts = np.where(d == 1)[0] + 1
ends = np.where(d == -1)[0]
if mask[0]: starts = np.insert(starts, 0, 0)
if mask[-1]: ends = np.append(ends, len(arr)-1)
return np.array(list(zip(starts, ends)))
性能陷阱：np.diff 在大数组上不慢，但拼接逻辑可能拖慢
np.diff 本身是 C 实现，很快；真正卡顿往往来自多次 np.where + np.concatenate / np.append，尤其在循环中反复构建小数组。
优化方向：
- 预分配结果数组（如用
np.empty((max_possible, 2), dtype=int)），用计数器填入，最后切片 - 避免
np.append——它每次都会复制整个数组；改用列表收集索引，最后一次性转np.array - 若只需长度而非位置，可用
scipy.ndimage.label更快（但引入额外依赖） - 对超长稀疏序列，考虑先用
np.flatnonzero提取所有非零下标，再用np.split切分间隔 >1 的组
最易被忽略的一点：布尔掩码的内存开销。对亿级 float64 数组，arr != 0 会额外占用同等大小的布尔内存（约 1 byte/元素）。若内存敏感，可改用 np.sign(arr, out=...) 复用缓冲区，或分块处理。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
