numpy.split 返回列表而不是数组的理由是什么？

Question

令我惊讶的是 numpy.split 产生了 list 而不是 array。我原以为 return 和 array 会更好，因为 numpy 已经投入大量工作来使数组比列表更有用。任何人都可以证明 numpy return 使用 list 而不是 array 是合理的吗？为什么这会是 numpy 开发人员做出的更好的编程决定？

Answer 1

有评论指出，如果切缝不均匀，结果不可能是数组，至少不能是相同的dtype。充其量是 object dtype.

但是让我们考虑等长子数组的情况：

In [124]: x = np.arange(10)
In [125]: np.split(x,2)
Out[125]: [array([0, 1, 2, 3, 4]), array([5, 6, 7, 8, 9])]
In [126]: np.array(_)     # make an array from that
Out[126]: 
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

但我们可以在不拆分的情况下获得相同的数组 - 只需重塑：

In [127]: x.reshape(2,-1)
Out[127]: 
array([[0, 1, 2, 3, 4],
       [5, 6, 7, 8, 9]])

现在查看 split 的代码。它只是将任务传递给 array_split。忽略替代轴的细节，它只是

sub_arys = []
for i in range(Nsections):
    # st and end from `div_points
    sub_arys.append(sary[st:end])
return sub_arys

换句话说，它只是遍历数组和 returns 个连续的切片。这些（通常）是对原作的看法。

所以 split 并不是一个复杂的函数。您可以自己生成这样的子数组列表，而无需大量的 numpy 专业知识。

还有一点。文档指出 split 可以用适当的 stack 反转。 concatenate（和家族）采用数组列表。如果给出一个数组数组，或者一个更高的 dim 数组，它会有效地迭代第一维，例如concatenate(arr) => concatenate(list(arr)).

Answer 2

实际上你是对的return是一个列表

import numpy as np 
a=np.random.randint(1,30,(2,2))
b=np.hsplit(a,2)
type(b)

它将 return type(b) 作为列表所以，文档中没有任何错误，我也首先认为文档是错误的它没有 return 数组，但是当我检查

type(b[0])
type(b[1])

它 returned 类型为 ndarray。

这意味着它 return 是 ndarrary 的列表。

numpy.split 返回列表而不是数组的理由是什么？

Rationale for numpy.split returning a list and not an array?

python

numpy

design-decisions