有合并，就有分割。

本节主要讲述如何通过numpy对数组进行横向/纵向分割。

横向/纵向分割数组

首先创建一个6行4列的数组，然后我们对此数组按照横向进行切割，分成3块，这样每块应该有2行，见例子：

import numpy as npa = np.arange(24).reshape(6, 4)print("a=")print(a)print(np.split(a, 3, axis=0))

输出为：

a=[[ 0  1  2  3] [ 4  5  6  7] [ 8  9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23]][array([[0, 1, 2, 3],       [4, 5, 6, 7]]), array([[ 8,  9, 10, 11],       [12, 13, 14, 15]]), array([[16, 17, 18, 19],       [20, 21, 22, 23]])]

上面的分割中把数组分成了等分的3份，如果我们不想分割成等分的，可以写成如下的方式：

import numpy as npa = np.arange(24).reshape(6, 4)print("a=")print(a)print(np.split(a, [3, 5], axis=0))

输出为：

a=[[ 0  1  2  3] [ 4  5  6  7] [ 8  9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23]][array([[ 0,  1,  2,  3],       [ 4,  5,  6,  7],       [ 8,  9, 10, 11]]), array([[12, 13, 14, 15],       [16, 17, 18, 19]]), array([[20, 21, 22, 23]])]

这里[3, 5]进行分割的意思是在第3行和第5行出进行切割。

同理，我们如果把axis设置为1，则可以按照列进行分割，例如，我们把上面的6行4列的数据分割成2列：

import numpy as npa = np.arange(24).reshape(6, 4)print("a=")print(a)print(np.split(a, 2, axis=1))

输出：

a=[[ 0  1  2  3] [ 4  5  6  7] [ 8  9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23]][array([[ 0,  1],       [ 4,  5],       [ 8,  9],       [12, 13],       [16, 17],       [20, 21]]), array([[ 2,  3],       [ 6,  7],       [10, 11],       [14, 15],       [18, 19],       [22, 23]])]

水平分割hsplit

我们也可以用单独的水平或垂直分割函数对数组进行分割。

例如把数组水平分割成两列：

import numpy as npa = np.arange(24).reshape(6, 4)print("a=")print(a)print(np.hsplit(a, 2))

输出：

a=[[ 0  1  2  3] [ 4  5  6  7] [ 8  9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23]][array([[ 0,  1],       [ 4,  5],       [ 8,  9],       [12, 13],       [16, 17],       [20, 21]]), array([[ 2,  3],       [ 6,  7],       [10, 11],       [14, 15],       [18, 19],       [22, 23]])]

垂直分割vsplit

例如：

import numpy as npa = np.arange(24).reshape(6, 4)print("a=")print(a)print(np.vsplit(a, 2))

输出为：

a=[[ 0  1  2  3] [ 4  5  6  7] [ 8  9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23]][array([[ 0,  1,  2,  3],       [ 4,  5,  6,  7],       [ 8,  9, 10, 11]]), array([[12, 13, 14, 15],       [16, 17, 18, 19],       [20, 21, 22, 23]])]