本文介绍一种仅用三行NumPy代码，将升序变化索引数组（如 [2, 5, 9, 10]）转换为对应长度的交替二进制数组（如 [0,0,1,1,1,0,0,0,0,1,0]）的方法，核心利用布尔累积和模2运算实现状态翻转。
本文介绍一种仅用三行numpy代码，将升序变化索引数组（如 `[2, 5, 9, 10]`）转换为对应长度的交替二进制数组（如 `[0,0,1,1,1,0,0,0,0,1,0]`）的方法，核心利用布尔累积和模2运算实现状态翻转。
要生成一个在指定索引处“翻转”值（0↔1）的二进制数组，关键在于将离散的切换点转化为连续的状态序列。NumPy 提供了一种简洁而高效的向量化方案，无需循环或分段拼接：
import numpy as np a = np.array([2, 5, 9, 10]) x = np.zeros(a.max() + 1, dtype=np.uint8) # 初始化全0数组，长度覆盖最大索引+1 x[a] = 1 # 在切换位置置1 → [0,0,1,0,0,1,0,0,0,1,1] b = x.cumsum() % 2 # 累积和后取模2 → [0,0,1,1,1,0,0,0,0,1,0]
该方法的逻辑清晰：
-
x[a] = 1在每个变化点标记一次“触发事件”； -
cumsum()将这些事件转化为递增计数器（每遇到一个1就加1），从而隐式记录已发生的翻转次数； -
% 2将奇偶性映射为1/0，自然形成交替模式。
⚠️ 注意事项：
- 输入数组
a必须严格升序且非负（NumPy索引要求）； - 若
a为空，需单独处理（例如b = np.array([0])或根据初始值约定）； - 使用
np.uint8可节省内存，但因cumsum % 2仅依赖奇偶性，即使发生整数溢出（如uint8溢出回绕），结果依然正确——这是该技巧鲁棒性的关键； - 若首段应以
1开始，只需将最终结果取反：b = 1 - (x.cumsum() % 2)。
此方案时间复杂度为 O(n)，空间复杂度为 O(max(a))，完全向量化，适用于中等规模索引（百万级以内）。对于超大规模稀疏切换场景，可考虑 scipy.sparse 或分段生成策略，但对绝大多数实际需求，上述三行代码已是优雅而高效的“NumPy 魔法”。
