以下是一个示例代码，用于根据不更改分配情况获取向量端的两个极端：

import numpy as np

# 假设有一个分配情况向量
allocation_vector = np.array([0.2, 0.3, 0.5])

# 获取最小值端的向量
min_vector = np.zeros_like(allocation_vector)
min_index = np.argmin(allocation_vector)
min_vector[min_index] = 1

# 获取最大值端的向量
max_vector = np.zeros_like(allocation_vector)
max_index = np.argmax(allocation_vector)
max_vector[max_index] = 1

# 打印结果
print("最小值端的向量:", min_vector)
print("最大值端的向量:", max_vector)

运行上述代码，输出结果如下：

最小值端的向量: [1. 0. 0.]
最大值端的向量: [0. 0. 1.]

上述代码通过使用np.argmin()和np.argmax()函数来找到分配情况向量中的最小值和最大值的索引。然后，使用np.zeros_like()函数创建一个与分配情况向量相同形状的零向量，并将最小值和最大值的索引位置设置为1，得到最小值端的向量和最大值端的向量。