9.2 数组的分割 (Splitting)

9.2 数组的分割 (Splitting)

NumPy 数组的分割 (Splitting)

在 NumPy 中，数组分割是将一个大的数组分割成多个小的子数组的过程。这在数据处理、并行计算和算法实现中非常有用。NumPy 提供了多种函数来实现数组分割，允许你根据不同的需求进行灵活的操作。

9.2.1 分割函数

NumPy 提供了以下几个主要的数组分割函数：

• np.split(array, indices_or_sections, axis): 通用的分割函数，可以沿指定的轴将数组分割成多个子数组。

• np.hsplit(array, indices_or_sections): np.split 的水平分割版本 (axis=1)。

• np.vsplit(array, indices_or_sections): np.split 的垂直分割版本 (axis=0)。

• np.dsplit(array, indices_or_sections): np.split 的深度分割版本 (axis=2)。

• np.array_split(array, indices_or_sections, axis): 类似于 np.split，但允许分割成大小不等的子数组。

9.2.2 np.split() 函数详解

np.split(array, indices_or_sections, axis) 是最通用的分割函数。

• array: 要分割的数组。

• indices_or_sections: 可以是整数或一维数组。

  • 如果是一个整数 N，则数组将沿指定的轴分割成 N 个相等大小的子数组。如果数组的长度不能被 N 整除，则会抛出 ValueError。

  • 如果是一个一维数组 [index1, index2, ...]，则数组将沿指定的轴在这些索引位置分割。例如，[2, 5] 会在索引 2 和 5 的位置进行分割。

• axis: 指定分割的轴。默认为 0。

代码示例：

import numpy as np
# 一维数组分割
arr = np.arange(10)
result = np.split(arr, 2) # 分割成2个子数组
print("一维数组分割成2个子数组:", result)  # 输出: [array([0, 1, 2, 3, 4]), array([5, 6, 7, 8, 9])]
result = np.split(arr, [3, 6]) # 在索引3和6处分割
print("一维数组在索引3和6处分割:", result)  # 输出: [array([0, 1, 2]), array([3, 4, 5]), array([6, 7, 8, 9])]
# 二维数组分割
arr2d = np.arange(20).reshape(4, 5)
print("原始二维数组:\n", arr2d)
# 沿行分割 (axis=0)
result = np.split(arr2d, 2, axis=0) # 分割成2个子数组
print("沿行分割成2个子数组:\n", result)
# 沿列分割 (axis=1)
result = np.split(arr2d, [2, 4], axis=1) # 在索引2和4处分割
print("沿列在索引2和4处分割:\n", result)
​

图示：

9.2.3 np.hsplit() 和 np.vsplit() 函数详解

np.hsplit() 和 np.vsplit() 分别是 np.split() 的水平和垂直分割的简化版本。

• np.hsplit(array, indices_or_sections) 等价于 np.split(array, indices_or_sections, axis=1)

• np.vsplit(array, indices_or_sections) 等价于 np.split(array, indices_or_sections, axis=0)

代码示例：

import numpy as np
arr2d = np.arange(20).reshape(4, 5)
# 水平分割
result = np.hsplit(arr2d, [2, 4])
print("水平分割:\n", result)
# 垂直分割
result = np.vsplit(arr2d, 2)
print("垂直分割:\n", result)
​

图示：

9.2.4 np.dsplit() 函数详解

np.dsplit() 用于沿深度方向分割三维数组 (axis=2)。

代码示例：

import numpy as np
arr3d = np.arange(27).reshape(3, 3, 3)
print("原始三维数组:\n", arr3d)
result = np.dsplit(arr3d, 3)
print("深度分割:\n", result)
​

图示：

9.2.5 np.array_split() 函数详解

np.array_split(array, indices_or_sections, axis) 类似于 np.split()，但它允许分割成大小不等的子数组。如果 indices_or_sections 是一个整数 N，并且数组的长度不能被 N 整除，np.array_split() 不会抛出错误，而是会创建大小略有不同的子数组。

代码示例：

import numpy as np
arr = np.arange(11)
result = np.array_split(arr, 4) # 分割成4个子数组，大小不等
print("不等大小分割:\n", result)
​

图示：

9.2.6 应用场景

• 数据并行处理： 将大数据集分割成小块，分配给不同的处理器进行并行处理。

• 图像处理： 将图像分割成小块进行处理，例如图像分块压缩或特征提取。

• 机器学习： 将数据集分割成训练集、验证集和测试集。

• 算法实现： 在某些算法中，需要将数据分割成小块进行处理，例如分治算法。

9.2.7 注意事项

• 当使用 np.split() 时，如果指定的分割数量不能整除数组的长度，则会抛出 ValueError。 使用np.array_split()可以避免此问题。

• 分割操作返回的是原始数组的视图 (view)，而不是副本。这意味着修改分割后的子数组可能会影响原始数组。如果需要独立的副本，可以使用 .copy() 方法。

• 理解 axis 参数非常重要，它决定了沿哪个轴进行分割。

9.2.8 总结

NumPy 的数组分割功能为数据处理提供了强大的工具。通过 np.split()、np.hsplit()、np.vsplit()、np.dsplit() 和 np.array_split()，你可以根据不同的需求灵活地分割数组。理解这些函数的用法和注意事项，可以帮助你更有效地处理数据。