如何不使用for循环实现numpy数组的非重叠均匀切片拆分

你可以直接使用numpy内置的np.split函数实现无循环的非重叠子数组拆分，代码非常简洁，执行效率也远高于Python层的for循环，完全符合你的需求。

适配你现有场景的实现代码 #

import numpy as np

a = np.arange(100)
idx = np.linspace(0, 100, 9).astype(np.int16)
# 直接传入切分点位（np.split不需要首尾的0和数组总长度作为参数，所以取idx[1:-1]即可）
sub_arrays = np.split(a, idx[1:-1])

# 验证输出和你原有逻辑完全一致
for arr in sub_arrays:
    print(arr)

功能说明 #

• np.split生成的所有子数组都是非重叠的，默认返回原数组的视图，不会额外复制数据，处理大型numpy数组时性能优势非常明显。
• 如果你需要的是等长拆分，不需要自定义切分点位，直接传入拆分份数即可：

  # 把数组拆成4个等长的非重叠子数组
  sub_arrays = np.split(a, 4)
  

• 如果数组总长度无法被拆分份数整除，可改用np.array_split，它会自动调整各子数组的长度，不会抛出异常：

  # 把长度100的数组拆成3份，子数组长度分别为34、33、33
  sub_arrays = np.array_split(a, 3)
  

内容的提问来源于stack exchange，提问作者Michael