Question

我很惊讶numpy.split产生list而不是array。我本来以为返回一个array会更好，因为numpy已经做了很多工作，使数组比列表更有用。任何人都可以证明numpy返回list而不是array的理由吗？为什么对于numpy开发人员做出更好的编程决定？

Answer 1

一条评论指出，如果缝隙不均匀，则结果不能是数组，至少不是具有相同dtype的数组。充其量只能是object dtype。

但是让我们考虑等长子数组的情况：

In [124]: x = np.arange(10)
In [125]: np.split(x,2)
Out[125]: [array([0, 1, 2, 3, 4]), array([5, 6, 7, 8, 9])]
In [126]: np.array(_)     # make an array from that
Out[126]: 
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

但是我们可以不分割而得到相同的数组-只需重塑：

In [127]: x.reshape(2,-1)
Out[127]: 
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

现在查看split的代码。它只是将任务传递给array_split。忽略有关替代轴的细节，

sub_arys = []
for i in range(Nsections):
    # st and end from `div_points
    sub_arys.append(sary[st:end])
return sub_arys

换句话说，它只是遍历数组并返回连续的切片。这些（通常）是原始图片的视图。

所以split并不复杂。您可以自己生成这样的子数组列表，而无需大量的numpy专业知识。

另一点。文档指出split可以用适当的stack反转。 concatenate（和族）采用数组列表。如果给出一个数组数组或一个更高的dim数组，它将有效地在第一个维度上进行迭代，例如concatenate(arr) => concatenate(list(arr))。

Answer 2

实际上您是对的，它会返回一个列表

type(b)

它将返回type(b[0]) type(b[1])作为列表，因此，文档中没有任何错误，我也首先认为文档是错误的，它不会返回数组，但是当我检查时

{{1}}

它返回的类型为ndarray。

这意味着它返回了ndarrary的列表。

返回列表而不是数组的numpy.split的理由？

2 个答案: