你需要在这里计算几件事：
首先，获取整个数组的累积和：

cs = np.cumsum(ydata)

字符串
接下来，查找当前元素为非零、下一个元素为零且累积和不为零的位置：

filter_locs = (ydata != 0) & (cs != 0)
filter_locs[:-1] = filter_locs[:-1] & (ydata[1:] == 0)

型
新值可以从这些位置的累积和中导出：

new_values = cs[filter_locs]
new_values[1:] -= new_values[:-1]

型
我们可以在xdata * ydata上做类似的操作来获得索引：

cs_x = np.cumsum(xdata * ydata)
weighted_totals = cs_x[filter_locs]
weighted_totals[1:] -= weighted_totals[:-1]

new_indices = np.round(weighted_totals / new_values).astype(int)

型
最后，在一个零数组中设置索引：

new_data = np.zeros_like(ydata)
new_data[new_indices] = new_values

型
这给了我们想要的数组：

array([ 0,  0,  0,  0,  0,  6,  0,  0,  0, 13,  0,  0,  0,  0, 11,  0])

型
如果xdata不是一个索引数组，那么输出数组中的最大可能索引是xdata，所以不使用new_data = np.zeros_like(ydata)，而使用：

max_possible_index = int(np.round(xdata.max()))
new_data = np.zeros((max_possible_index+1,))

型