首先，我们要找到数组中零与非零相邻的位置。

rr, cc = np.where((arr[:, 1:] == 0) & (arr[:, :-1] != 0))

现在，我们可以使用np.add.reduceat来添加元素。不幸的是，reduceat需要一个一维索引的列表，所以我们将不得不稍微使用一些形状。计算扁平数组中rr, cc的等效索引很容易：

reduce_indices = rr * arr.shape[1] + cc + 1
# array([ 4,  8, 10, 13, 19, 26, 28])

我们希望从 * 每一行的开头 * 开始进行约简，因此我们将创建一个row_starts来混合上面计算的索引：

row_starts = np.arange(arr.shape[0]) * arr.shape[1]
# array([ 0, 11, 22])

reduce_indices = np.hstack((row_starts, reduce_indices))
reduce_indices.sort()
# array([ 0,  4,  8, 10, 11, 13, 19, 22, 26, 28])

现在，在展平的输入数组上调用np.add.reduceat，减少到reduce_indices

totals = np.add.reduceat(arr.flatten(), reduce_indices)
# array([ 7,  9,  3,  0,  3, 12,  0, 25,  1,  1])

现在我们有了总数，我们需要将它们赋给一个零数组，注意totals的第0个元素需要转到reduce_indices的第1个索引，而totals的最后一个元素要被丢弃：

result_f = np.zeros((arr.size,))
result_f[reduce_indices[1:]] = totals[:-1]
result = result_f.reshape(arr.shape)

这给出了预期结果：

array([[ 0.,  0.,  0.,  0.,  7.,  0.,  0.,  0.,  9.,  0.,  3.],
       [ 0.,  0.,  3.,  0.,  0.,  0.,  0.,  0., 12.,  0.,  0.],
       [ 0.,  0.,  0.,  0., 25.,  0.,  1.,  0.,  0.,  0.,  0.]])

我们可以使用2个for循环来求解，在每一行我们定义current_sum，如果number为零，我们将current_sum赋值给number并重置current_sum;如果number不为零，则将0赋给number，并且递增current_sum。
编辑：首先对不起，我没有意识到你想要一个高效的解决方案。我们可以使用numba来加速for循环。它真的很简单，功能也很强大。下面是代码：

import numpy as np
import numba
arr = np.array([[0, 0, 2, 5, 0, 0, 1, 8, 0, 3, 0],
                [1, 2, 0, 0, 0, 0, 5, 7, 0, 0, 0],
                [8, 5, 3, 9, 0, 1, 0, 0, 0, 0, 1]])

@numba.jit(nopython=True)
def mySum(array):
    for i in range(array.shape[0]):
        current_sum = 0
        for j in range(array.shape[1]):
            if array[i,j] == 0:
                array[i,j] = current_sum
                current_sum = 0
            else:
                current_sum += array[i,j]
                array[i,j] = 0
    return array

print(mySum(arr))

函数在第一次运行时很慢，因为它理解输入和函数并创建机器码，但在那之后它真的很快。我希望它对你的情况来说足够快。

可能比in循环长......但让我用单数组来演示：

a = np.array([0, 0, 2, 5, 0, 0, 1, 8, 0, 3, 0])
zero_index = np.where(a == 0)[0]
# Split zeros, sum each slice, drop the last one
replace_arr = np.array(list(map(sum, np.split(a, zero_index))))[:-1]
output = np.zeros(11)
# Put sum data into zeros array
np.put_along_axis(output, zero_index, replace_arr, axis=0)
output