如何将NumPy数组随机分割为n个不等大小的子数组？

这里有个简单高效的方法，不用手动拟合分布：

基础随机分割（允许子数组大小重复） #

核心思路是生成n-1个随机分割点，直接用np.split完成分割：

import numpy as np

x = np.arange(1, 100, 1)
n = 10

# 生成n-1个不重复的随机分割点（范围在1到len(x)-1之间）
split_points = np.sort(np.random.choice(len(x)-1, n-1, replace=False)) + 1
# 分割数组
result = np.split(x, split_points)

# 验证结果：打印每个子数组的长度
for i, part in enumerate(result):
    print(f"子数组{i+1}长度：{len(part)}")

解释：

• np.random.choice(len(x)-1, n-1, replace=False)：从0到len(x)-2中选n-1个不重复的数，加1后变成1到len(x)-1的分割索引
• np.sort保证分割点按升序排列，避免分割出错
• np.split会根据分割点把原数组拆成n个连续的子数组

严格不等大小的分割 #

如果需要每个子数组的大小都不一样，可以加个循环校验：

import numpy as np

x = np.arange(1, 100, 1)
n = 10

while True:
    split_points = np.sort(np.random.choice(len(x)-1, n-1, replace=False)) + 1
    # 计算每个子数组的长度
    sizes = np.diff(np.concatenate([[0], split_points, [len(x)]]))
    # 检查所有长度是否唯一
    if len(np.unique(sizes)) == n:
        break

result = np.split(x, split_points)

# 验证结果
for i, part in enumerate(result):
    print(f"子数组{i+1}长度：{len(part)}")

这个方法通过循环生成分割点，直到所有子数组长度都不重复为止，逻辑简单易理解，比手动拟合伯努利分布高效得多。

内容的提问来源于stack exchange，提问作者Vladislav