使用numpy广播机制，可高效地将一维数组中每个元素扩展为连续的n个数值（如[1]→[1,2,3]），全程无需python for循环，仅通过arange、升维与广播相加、再展平即可完成。
在科学计算和数据预处理中，常需对数组中的每个值生成一段等差序列（例如每个起点向后延伸3个整数）。若用传统for循环逐个拼接，不仅代码冗长，性能也较差。NumPy提供了更优雅、向量化的方式——利用广播（broadcasting） 与维度扩展实现一次性批量展开。
核心思路是：将原始一维数组 a 升维为列向量（形状 (N, 1)），再与行向量 np.arange(n)（形状 (n,)）相加。NumPy会自动广播二者至 (N, n) 的二维矩阵，其中每行对应一个起始值生成的连续序列；最后调用 .ravel() 展平为所需的一维结果。
以下是完整示例代码：
import numpy as np a = np.array([1, 9, 20, 56, 78, 120]) n = 3 # 关键一步：广播生成二维中间结果，再展平 out = (np.arange(n) + a[:, None]).ravel() print(out) # 输出: [ 1 2 3 9 10 11 20 21 22 56 57 58 78 79 80 120 121 122]
✅ 关键操作解析：
- a[:, None] 等价于 a.reshape(-1, 1)，将 (6,) 数组变为 (6, 1) 列向量；
- np.arange(n) 是 (3,) 行向量；
- 相加时，NumPy自动广播为 (6, 3) 矩阵：
[[ 1, 2, 3], [ 9, 10, 11], [20, 21, 22], ... ]
- .ravel() 按C顺序（行优先）展平，得到最终1D结果。
⚠️ 注意事项：
- 此方法要求 n 为正整数，且内存可容纳 (len(a), n) 大小的临时二维数组；
- 若 n 极大或 a 极长，需评估内存开销，必要时可改用生成器或分块处理；
- 扩展步长固定为1；若需自定义步长（如+2递增），可将 np.arange(n) 替换为 np.arange(0, n * step, step)。
该方案兼具简洁性、可读性与高性能，是NumPy向量化思维的典型实践。
