
- NumPy 教程
- NumPy - 首頁
- NumPy - 簡介
- NumPy - 環境配置
- NumPy 陣列
- NumPy - Ndarray 物件
- NumPy - 資料型別
- NumPy 陣列的建立和操作
- NumPy - 陣列建立函式
- NumPy - 陣列操作
- NumPy - 從現有資料建立陣列
- NumPy - 從數值範圍建立陣列
- NumPy - 陣列迭代
- NumPy - 陣列重塑
- NumPy - 陣列連線
- NumPy - 陣列堆疊
- NumPy - 陣列分割
- NumPy - 陣列扁平化
- NumPy - 陣列轉置
- NumPy 索引和切片
- NumPy - 索引與切片
- NumPy - 高階索引
- NumPy 陣列屬性和運算
- NumPy - 陣列屬性
- NumPy - 陣列形狀
- NumPy - 陣列大小
- NumPy - 陣列步長
- NumPy - 陣列元素大小
- NumPy - 廣播
- NumPy - 算術運算
- NumPy - 陣列加法
- NumPy - 陣列減法
- NumPy - 陣列乘法
- NumPy - 陣列除法
- NumPy 高階陣列運算
- NumPy - 交換陣列軸
- NumPy - 位元組交換
- NumPy - 複製與檢視
- NumPy - 元素級陣列比較
- NumPy - 陣列過濾
- NumPy - 陣列連線
- NumPy - 排序、搜尋和計數函式
- NumPy - 陣列搜尋
- NumPy - 陣列並集
- NumPy - 查詢唯一行
- NumPy - 建立日期時間陣列
- NumPy - 二元運算子
- NumPy - 字串函式
- NumPy - 數學函式
- NumPy - 統計函式
- NumPy - 矩陣庫
- NumPy - 線性代數
- NumPy - Matplotlib
- NumPy - 使用 Matplotlib 繪製直方圖
- NumPy - NumPy 的 I/O 操作
- NumPy 排序和高階操作
- NumPy - 陣列排序
- NumPy - 沿軸排序
- NumPy - 使用花式索引排序
- NumPy - 結構化陣列
- NumPy - 建立結構化陣列
- NumPy - 操作結構化陣列
- NumPy - 欄位訪問
- NumPy - 記錄陣列
- NumPy - 載入陣列
- NumPy - 儲存陣列
- NumPy - 向陣列追加值
- NumPy - 交換陣列列
- NumPy - 向陣列插入軸
- NumPy 處理缺失資料
- NumPy - 處理缺失資料
- NumPy - 識別缺失值
- NumPy - 刪除缺失資料
- NumPy - 缺失資料插補
- NumPy 效能最佳化
- NumPy - 使用陣列進行效能最佳化
- NumPy - 使用陣列進行向量化
- NumPy - 陣列的記憶體佈局
- NumPy 線性代數
- NumPy - 線性代數
- NumPy - 矩陣庫
- NumPy - 矩陣加法
- NumPy - 矩陣減法
- NumPy - 矩陣乘法
- NumPy - 元素級矩陣運算
- NumPy - 點積
- NumPy - 矩陣求逆
- NumPy - 行列式計算
- NumPy - 特徵值
- NumPy - 特徵向量
- NumPy - 奇異值分解
- NumPy - 求解線性方程組
- NumPy - 矩陣範數
- NumPy 元素級矩陣運算
- NumPy - 求和
- NumPy - 求平均值
- NumPy - 求中位數
- NumPy - 求最小值
- NumPy - 求最大值
- NumPy 集合運算
- NumPy - 唯一元素
- NumPy - 交集
- NumPy - 並集
- NumPy - 差集
- NumPy 有用資源
- NumPy 編譯器
- NumPy - 快速指南
- NumPy - 有用資源
- NumPy - 討論
NumPy split() 函式
NumPy 的split()函式將一個數組沿著指定的軸分成多個子陣列。如果給定一個整數,則可以將陣列分成大小相等的子陣列;如果給定一個列表,則可以在指定的索引處進行分割。
此函式對於將資料分解成更小的塊以便於操作和分析特別有用。
語法
NumPy split() 函式的語法如下:
numpy.split(ary, indices_or_sections, axis=0)
引數
以下是 NumPy split() 函式的引數:
- ary(array_like): 要分割的輸入陣列。
- indices_or_sections(int 或 1-D array): 如果是整數 (N),則陣列將被分成 N 個相等的部分。如果是一個數組,則陣列中的值指示在哪裡分割陣列。
- axis(int, 可選): 要分割的軸,預設為 0,即沿行分割。
返回值
此函式返回一個列表,其中包含分割結果的子陣列。
示例 1
下面的示例演示了 NumPy split() 函式如何將一個包含 9 個元素的陣列分成 3 個相等的子陣列:
import numpy as np # Create an array arr = np.arange(9) print("Original array:") print(arr) # Split the array into 3 equal parts result = np.split(arr, 3) print("\nSplit array into 3 equal parts:") for i, sub_array in enumerate(result): print(f"Sub-array {i+1}:") print(sub_array)
輸出
Original array: [0 1 2 3 4 5 6 7 8] Split array into 3 equal parts: Sub-array 1: [0 1 2] Sub-array 2: [3 4 5] Sub-array 3: [6 7 8]
示例 2
在此示例中,我們演示如何沿著列 (axis=1) 將一個二維陣列分成 2 個子陣列:
import numpy as np # Create a 2D array arr = np.arange(16).reshape(4, 4) print("Original 2D array:") print(arr) # Split the 2D array into 2 sub-arrays along columns result = np.split(arr, 2, axis=1) print("\nSplit 2D array into 2 sub-arrays along columns:") for i, sub_array in enumerate(result): print(f"Sub-array {i+1}:") print(sub_array)
輸出
Original 2D array: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15]] Split 2D array into 2 sub-arrays along columns: Sub-array 1: [[ 0 1] [ 4 5] [ 8 9] [12 13]] Sub-array 2: [[ 2 3] [ 6 7] [10 11] [14 15]]
numpy_array_manipulation.htm
廣告