本文介绍使用 numpy 快速定位数组中“重置型计数器”各连续递增段（从 0 开始单调递增、遇 0 重置）的起始与结束索引，适用于日志序列、状态机计数、分组索引等场景。
本文介绍使用 numpy 快速定位数组中“重置型计数器”各连续递增段（从 0 开始单调递增、遇 0 重置）的起始与结束索引，适用于日志序列、状态机计数、分组索引等场景。
在传感器数据、协议解析或状态跟踪等任务中，常遇到一类特殊数组：它由多个独立的、从 0 开始单调递增的子序列拼接而成，每次遇到 0 即表示新计数周期开始（即“重置”）。例如：
import numpy as np values = np.array([0, 0, 1, 2, 3, 4, 5, 0, 1, 2, 3, 4, 5, 6, 0, 0, 1, 2, 3]) # 索引: 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
该数组包含三个逻辑计数段：
- 段1：索引
2–6→[1,2,3,4,5]（前导0,0中第二个0是本段起点，但计数值为 0 不在此段；真正递增始于1） - 段2：索引
8–13→[1,2,3,4,5,6] - 段3：索引
16–18→[1,2,3]
⚠️ 注意：题目中“搜索 index=3 返回 2–6”隐含约定——以首个非零值作为段起点，且段内严格满足 values[i] == values[i−1] + 1（即连续整数递增），重置点为 values[i] == 0 且 values[i−1] != 0 或位于数组开头。
核心思路：用累积和标记分组
关键洞察是：每当计数器重置（即出现 0 且前一值非 0，或位于数组起始），就开启一个新组。我们可通过 np.diff() 检测“下降沿”（diff ）来定位重置位置，并用 <code>np.cumsum() 构建组 ID 数组：
# 步骤1：构建分组标签（每个连续递增段分配唯一整数ID）
grp = np.cumsum(np.append(1, np.diff(values) <p>此时，同一段内所有元素共享相同 <code>grp</code> 值。给定查询索引 <code>idx</code>，只需提取 <code>grp == grp[idx]</code> 的所有位置即可：</p><pre class="brush:php;toolbar:false;">def find_counter_span(values: np.ndarray, idx: int) -> tuple[int, int]:
if not (0 <h3>✅ 为什么这个方法可靠？</h3>
np.diff(values) 精确捕获所有“重置跳变”（如 <code>5→0,6→0,3→0），忽略连续0（如索引0→1:0→0→ diff=0，不触发新组）；-
np.append(1, ...)确保首元素属于第 1 组； -
cumsum将跳变转换为稳定、递增的组 ID，天然支持向量化索引。
⚠️ 注意事项与边界处理
-
前导连续零：如
[0,0,1,2]，当前逻辑将index=0和index=1归为同一组（grp=[1,1,2,2]），但它们本身不构成有效计数段（无递增）。若需排除纯零段，可额外过滤：valid_mask = (values > 0) | (np.concatenate(([False], values[:-1] == 0))) # 起点为0且后继>0才保留
-
非整数/噪声数据：本解法假设理想递增；实际中建议先用
np.all(np.diff(values[mask]) == 1)验证段内单调性。 - 性能：全程向量化，时间复杂度 O(n)，远优于 Python 循环，适合百万级数组。
总结
通过 np.diff() + np.cumsum() 构建分组标识，再结合布尔索引，即可在 O(n) 时间内完成任意索引到其所属计数段边界的映射。该模式可泛化至任意“基于突变事件划分连续区间”的场景，是 NumPy 高效数组分组的经典范式。
