Question

嗨，我是Python和Numpy的新手，我想问一下将ndarray分成3个部分的最有效方法是什么：20％，60％和20％

    import numpy as np
    row_indices = np.random.permutation(10)

让我们假设ndarray有10个项目： [7 9 3 1 2 4 5 6 0 8] 预期结果是将ndarray分成3个部分，例如part1，part2和part3。
第1部分： [7 9]
第2部分： [3 1 2 4 5]
第3部分： [0 8]

Answer 1

这是一种方法-

# data array
In [85]: a = np.array([7, 9, 3, 1, 2, 4, 5, 6, 0, 8])

# percentages (ratios) array
In [86]: p = np.array([0.2,0.6,0.2]) # must sum upto 1

In [87]: np.split(a,(len(a)*p[:-1].cumsum()).astype(int))
Out[87]: [array([7, 9]), array([3, 1, 2, 4, 5, 6]), array([0, 8])]

替代np.split：

np.split在处理大数据时可能会变慢，因此，我们也可以在其中使用循环-

split_idx = np.r_[0,(len(a)*p.cumsum()).astype(int)]
out = [a[i:j] for (i,j) in zip(split_idx[:-1],split_idx[1:])]

Answer 2

我通常只是寻求最明显的解决方案，尽管有很多更奇妙的方法可以做到这一点。实现需要花费一秒钟的时间，甚至不需要调试（因为它非常简单）

No appropriate parametric role variant available for 'Zipi'

一些注意事项

这是四舍五入的，因此您可以获得大约20-60-20分割的结果
您会返回一个元素列表，因此您可能必须使用part1 = [a[i, ...] for i in range(int(a.shape[0] * 0.2))] part2 = [a[i, ...] for i in range(int(a.shape[0] * 0.2), int(len(a) * 0.6))] part3 = [a[i, ...] for i in range(int(a.shape[0] * 0.6), len(a))]重新对它们进行numpyfy
您可以使用此方法为同一元素索引多个对象（例如标签和输入）
如果在分割（np.asarray()）之前一次获得索引，则还可以将它们进行混洗，从而同时处理数据混洗

使用百分比拆分Numpy ndarray的最有效方法是什么？

2 个答案: