我有一个1D数组，它实际上是一个2D矩阵，采样方式如下：

↓-------<------S  <- start
>------->------↓
↓-------<------<
>------->------E  <- end

比如说

B =    1 2  3  4
       5 6  7  8
       9 10 11 12

编码为A = [4, 3, 2, 1, 5, 6, 7, 8, 12, 11, 10, 9]。
列数可以是奇数或偶数。
下面的代码可以工作，但由于循环（并且没有矢量化），效率很低。如何做一个更有效的Numpy“unzigoraging”？

import numpy as np
def unzigzag(z, numcols):
    numrows = len(z) // numcols
    a = np.zeros((numrows, numcols))
    col = numcols - 1
    row = 0
    sign = -1
    for i in range(numrows*numcols):
        if col == -1:
            col = 0
            sign = 1
            row += 1
        if col == numcols:
            col = numcols - 1
            sign = -1
            row += 1
        a[row, col] = z[i]
        col += sign
    return a    
A = [4, 3, 2, 1, 5, 6, 7, 8, 12, 11, 10, 9]
B = unzigzag(A, 4)
#[[ 1.  2.  3.  4.]
# [ 5.  6.  7.  8.]
# [ 9. 10. 11. 12.]]

如果可能的话，即使维度多于1D：

• 如果A具有形状(12, )，则unzigzag(A, numcols=4)具有形状（3，4）
• 如果A形状为(12, 100)，则unzigzag(A, numcols=4)的形状为（3，4，100）
• 如果A形状为(n, i, j, k, ...)，则unzigzag(A, numcols)的形状为(n/numcols, numcols, i, j, k, ...)

编辑：n维情况的示例：

import numpy as np
def unzigzag3(z, numcols):
        numrows = z.shape[0] // numcols
        new_shape = (numrows, numcols) + z.shape[1:]
        a = np.zeros(new_shape)
        col = numcols - 1
        row = 0
        sign = -1
        for i in range(numrows*numcols):
            if col == -1:
                col = 0
                sign = 1
                row += 1
            if col == numcols:
                col = numcols - 1
                sign = -1
                row += 1
            a[row, col, :] = z[i, :]
            col += sign
        return a    
A = np.array([[4,4], [3, 3], [2, 2], [1, 1], [5, 5], [6, 6], [7, 7], [8, 8], [12, 12], [11, 11], [10, 10], [9, 9]])
print(A.shape)  # (12, 2)
B = unzigzag3(A, 4)
print(B) 
print(B.shape) # (3, 4, 2)