使用百分比分割Numpy ndarray的最有效方法是什么？

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ndarray分为3部分，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

这是一种方式 -

# 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：

使用大数据时，np.split可能会变慢，因此，我们可以在那里使用循环 -

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，尽管有更多更好的方法可以做到这一点。它需要一秒钟才能实现，甚至不需要调试（因为它非常简单）

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))]

但要注意的一些事情

1. 这是圆形的，因此你可以得到一个只有大约20-60-20分割的东西
2. 你得到一个元素列表，所以你可能不得不用np.asarray()重新调整它们
3. 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）
4. 如果你在分裂之前得到一次指数（indices = list(range(a.shape[0]))），你也可以改变它们，从而同时处理数据改组