如何将NumPy数组按固定间隔T拆分且分块长度固定？

针对你提出的需求——将NumPy数组按固定差值T划分数值区间，同时保证每个区间的元素数量固定（不受随机数据分布波动影响），并统计数量及占比，以下提供两种可行方案：

方案一：生成数据时直接控制区间元素数量（适用于随机数据场景） #

如果你的数据是随机生成的，可以直接在生成阶段为每个固定间隔的区间分配指定数量的元素，从根源上保证拆分后各区间的数量稳定。

import numpy as np

# 配置参数
X = 217.4
Y = 221.4
T = 0.8
total_count = 300

# 计算区间数量
interval_num = int((Y - X) / T)
# 每个区间的固定元素数量
per_interval_count = total_count // interval_num

# 生成每个区间的随机数并合并
arr_list = []
intervals = []
for i in range(interval_num):
    start = X + i * T
    end = start + T
    intervals.append((start, end))
    # 在当前区间生成固定数量的随机数
    arr_segment = np.random.uniform(start, end, size=per_interval_count)
    arr_list.append(arr_segment)

# 合并为完整数组
arr = np.concatenate(arr_list)
# 打乱顺序（可选，若不需要顺序则可省略）
np.random.shuffle(arr)

# 按区间拆分并统计
chunks = []
counts = []
ratios = []
for start, end in intervals:
    # 筛选当前区间的元素
    chunk = arr[(arr >= start) & (arr < end)]
    chunks.append(chunk)
    cnt = len(chunk)
    counts.append(cnt)
    ratios.append(cnt / total_count)

# 输出结果
for i in range(interval_num):
    print(f"区间 {i+1} ({intervals[i]}): 数量={counts[i]}，占比={ratios[i]:.2%}")

方案二：对已有数组按固定区间+强制数量分配（适用于已有数据场景） #

如果已有现成的数组，可通过排序后按比例分配元素的方式，确保每个固定间隔区间的元素数量稳定：

import numpy as np

# 示例已有数组（可替换为你的实际数组）
arr = np.random.uniform(217.4, 221.4, size=300)
X = arr.min()
Y = arr.max()
T = 0.8
total_count = len(arr)

# 计算区间数量
interval_num = int((Y - X) / T)
per_interval_count = total_count // interval_num

# 先对数组排序
sorted_arr = np.sort(arr)

# 初始化区间和结果容器
intervals = []
chunks = []
counts = []
ratios = []

# 按数量+区间双重规则拆分
current_idx = 0
for i in range(interval_num):
    start = X + i * T
    end = start + T
    intervals.append((start, end))
    
    # 找到当前区间的元素边界
    interval_mask = (sorted_arr >= start) & (sorted_arr < end)
    interval_elements = sorted_arr[interval_mask]
    
    # 若当前区间元素不足，从相邻区间补充；若过多，截取固定数量
    if len(interval_elements) >= per_interval_count:
        chunk = interval_elements[:per_interval_count]
        # 更新剩余元素的索引
        current_idx += per_interval_count
    else:
        # 取当前区间所有元素，再从后续元素中补全
        needed = per_interval_count - len(interval_elements)
        chunk = np.concatenate([interval_elements, sorted_arr[current_idx+len(interval_elements):current_idx+len(interval_elements)+needed]])
        current_idx += per_interval_count
    
    chunks.append(chunk)
    cnt = len(chunk)
    counts.append(cnt)
    ratios.append(cnt / total_count)

# 输出结果
for i in range(interval_num):
    print(f"区间 {i+1} ({intervals[i]}): 数量={counts[i]}，占比={ratios[i]:.2%}")

关键说明 #

• 方案一通过预分配各区间的随机数数量，彻底避免了分布波动带来的数量差异，适合需要生成可控随机数据的场景。
• 方案二针对已有数据，通过排序+补全/截取的方式保证数量固定，同时尽可能贴合固定间隔的数值区间。

内容的提问来源于stack exchange，提问作者Sparsh Garg