我有两个大尺寸(~1.2b elements, e.g. 80k x 500 x 30)的3D numpy数组。这两个数组在2维上具有相同的大小，但在与时间戳相关的第三维上不同。我还有两个数组，其中包含与沿着大小不同轴的平面对应的时间戳值。我想拉伸/广播并使用差距之前自身包含值的最后一个平面填充较短的数组，以便达到与较大数组相同的大小，这样我就可以将它们相加。“间隙”和“最后平面”由时间戳数组与数据数组的匹配方式决定。
以下是所示逻辑（黑色字体，深色模式版本见下文）：

数组之间的时间戳关系

沿着数组大小不同的轴，时间戳数组中的对应值是日期。但是，这些时间戳的粒度可以不同。例如，与较大数组相关的时间戳可以是一系列连续的天，而与较短数组相关的时间戳可以是同一时段内的每个星期五，但结束时间短或开始时间晚。即，当与较大数组的开始和结束比较时，错过前5个星期五或最后10个星期五。
当有这样的“间隙”时，我希望（临时地说）三维阵列的最后一个可用平面在该间隙上伸展，直到下一个可用平面有值。
注意，Fridays的例子只是一种情况，也可以是较大的数组对应于某个时间段内的每个星期一，而较短的数组是该时间段内每个月的第一天，但结束时间较短或开始时间较晚。
另一个重要的注意事项可能是，与时间戳相关的3D数组的轴在所有轴中具有最小的大小。这意味着，例如，数组1可能是（80 k，500，180），数组2可能是（80 k，500，50）。因此，在该轴上循环，然后重复大小为（80 k，500，1）的平面可能有效。但我不知道如何操作。
此外，较短的数组完全包含在较大的数组中。

代码示例

假设有两个数组A和B

m, k, n, v = 3, 4, 10, 4

A = np.random.randint(10, size=(m, n, k))
B = np.random.randint(10, size=(m, v, k))

A_timestamps = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
B_timestamps = [2, 4, 7, 8]

然而，尽管B_timestamps被完全包含，但其最低时间戳大于A中的最低时间戳。换句话说，B开始得晚。
然后用这种方法重新索引

equals = np.equal.outer(A_timestamps, B_timestamps)
filled = np.maximum.accumulate(equals, axis=0)
reindex = len(B_timestamps) - np.argmax(filled[:, ::-1], axis=1) - 1

导致

# array([4, 1, 1, 2, 2, 2, 3, 4, 4, 4], dtype=int64)

从4开始。
理想情况下，当重新索引数组B时，我希望前面差距（由于B开始晚）用零填充。
我想我可以先检查第一个匹配的时间戳，从那里开始只重新索引B，然后可能使用np.pad在B的前面添加零，以弥补A中被排除的时间戳。
对于暗模式用户，使用白色字体重复图像：