是否存在类似numpy.split的方法，返回numpy.ndarray而非列表？

当数组可以被均匀分割时，**直接使用numpy.reshape**就能实现你要的效果，无需用np.split再堆叠，性能更优（因为reshape在内存连续时是视图操作，不复制数据）。

一维数组示例 #

针对你给出的场景：

import numpy as np
x = np.arange(9.0)
# 直接reshape为(分割份数, 每份元素数)，用-1让numpy自动计算每份的元素数
print(x.reshape(3, -1))
# 输出：
# array([[0., 1., 2.],
#        [3., 4., 5.],
#        [6., 7., 8.]])

更高维数组的分割场景 #

如果是多维数组，比如要把形状为(6, 4)的二维数组按行分割成3份（每份2行），可以直接调整形状为(3, 2, 4)：

arr = np.arange(24).reshape(6, 4)
split_arr = arr.reshape(3, 2, 4)
print(split_arr.shape)  # (3, 2, 4)

如果需要调整轴的顺序来匹配需求，比如把列分割后转为行排列的二维数组：

# 将(6,4)数组按列分割为4份，重组为(4,6)的数组
split_col_trans = arr.T.reshape(4, 6).T

为什么不用np.split？ #

np.split返回列表是因为它支持不均匀分割，而均匀分割的场景下，reshape是更高效的选择——它不需要创建多个子数组再堆叠，直接通过修改数组的形状元数据实现，性能远高于np.split + np.stack的组合。

内容的提问来源于stack exchange，提问作者Monolith