如何沿Numpy数组第2轴拆分，生成指定形状的数组列表？

解决方法：沿指定轴拆分Numpy数组 #

你遇到的问题是因为直接用list(a)时，Numpy默认会沿着轴0（第一个维度）拆分数组，所以得到的是6个形状为(150,29,29,29,1)的数组，和你想要的结果正好相反。

要实现沿轴1（第二个维度，长度150）拆分并得到150个(6,29,29,29,1)的数组，有两种简单的方法：

方法1：列表推导式直接切片（最直观）

直接遍历轴1的每个索引，取出对应切片即可，不需要额外处理维度：

import numpy as np

# 示例数组
original_arr = np.random.rand(6, 150, 29, 29, 29, 1)

# 沿轴1拆分
split_list = [original_arr[:, idx, :, :, :, :] for idx in range(150)]

# 验证形状
print(split_list[0].shape)  # 输出 (6, 29, 29, 29, 1)

方法2：使用np.split配合squeeze

np.split可以指定拆分的轴和份数，但拆分后每个子数组会保留长度为1的轴（比如(6,1,29,29,29,1)），需要用np.squeeze去掉这个多余的轴：

split_arrays = np.split(original_arr, 150, axis=1)
split_list = [np.squeeze(arr, axis=1) for arr in split_arrays]

# 验证形状
print(split_list[0].shape)  # 输出 (6, 29, 29, 29, 1)

为什么这两种方法有效？ #

原数组的维度顺序是(轴0:6, 轴1:150, 轴2:29, 轴3:29, 轴4:29, 轴5:1)，我们需要拆分的是轴1（第二个维度）：

• 列表推导式中[:, idx, :, :, :, :]表示保留轴0的所有元素，取轴1的第idx个元素，保留后面所有轴的元素，正好得到目标形状。
• np.split(original_arr, 150, axis=1)会把轴1平均拆分成150份，每份长度为1，再用squeeze(axis=1)去掉这个长度为1的轴，就得到了想要的形状。

如果你的数组轴1长度不是刚好能被拆分份数整除，np.split会报错，这时候列表推导式的方法更稳妥，因为它不依赖维度长度的整除性。

内容的提问来源于stack exchange，提问作者ssm