Python Numpy：随机分割数组

我有一个numpy形状阵列，其中包含许多（本例中为200个）单色64x64像素图像，因此具有以下形状：

>>> a.shape
(200L, 1L, 64L, 64L)

我想将这些图像拆分为3个新数组，

a1

、

a2

、

a3

，其中它们将分别包含80%、10%和10%的图像，我将按以下方式进行操作（我不希望它们在

a

中是连续的）：

将numpy导入为np
随机输入
a=--从文件中读取图像--
a1=numpy.empty（（0,1,64,64））
a2=numpy.empty（（0,1,64,64））
a3=numpy.空（（0,1,64,64））
对于范围（200）中的i:#200是图像数
温度=a[-1]
a=np.delete（a，-1,0）
rand=random.random（）
如果兰德<0.8：
a1=np.append（a1[temp]，0）
elsif rand<0.9：
a2=np.append（a2[temp]，0）
其他：
a3=np.追加（a3[temp]，0）

我尝试在列表上模拟在

O（1）

时间执行的

pop

和

append

，但对于numpy数组是否也适用？ 有什么方法可以更高效（更快）地处理大量（数千）图像吗？

这里有一个使用-

1） 形状检查：

In [205]: a = np.random.rand(200,1,64,64)

In [206]: a1,a2,a3 = np.vsplit(a[np.random.permutation(a.shape[0])],(160,180))

In [207]: a.shape
Out[207]: (200, 1, 64, 64)

In [208]: a1.shape
Out[208]: (160, 1, 64, 64)

In [209]: a2.shape
Out[209]: (20, 1, 64, 64)

In [210]: a3.shape
Out[210]: (20, 1, 64, 64)

2） 对玩具数据进行值检查，以确保我们拾取的是随机图像，而不是用于分割的连续图像：

In [212]: a
Out[212]: 
array([[5, 8, 4],
       [7, 7, 6],
       [3, 2, 7],
       [1, 4, 8],
       [4, 1, 0],
       [2, 1, 3],
       [6, 5, 2],
       [2, 4, 5],
       [6, 6, 5],
       [5, 2, 5]])

In [213]: a1,a2,a3 = np.vsplit(a[np.random.permutation(a.shape[0])],(6,8))

In [214]: a1
Out[214]: 
array([[1, 4, 8],
       [7, 7, 6],
       [6, 6, 5],
       [2, 4, 5],
       [4, 1, 0],
       [5, 2, 5]])

In [215]: a2
Out[215]: 
array([[3, 2, 7],
       [2, 1, 3]])

In [216]: a3
Out[216]: 
array([[6, 5, 2],
       [5, 8, 4]])

---

很好，简单的解决方案，谢谢！在我的简单测试中，O（n）复杂度似乎足够快。顺便说一句，我知道这不是我最初的问题，但记忆呢？这会同时导致

a

和内存中的分割块，有没有办法不复制

a

？

In [205]: a = np.random.rand(200,1,64,64)

In [206]: a1,a2,a3 = np.vsplit(a[np.random.permutation(a.shape[0])],(160,180))

In [207]: a.shape
Out[207]: (200, 1, 64, 64)

In [208]: a1.shape
Out[208]: (160, 1, 64, 64)

In [209]: a2.shape
Out[209]: (20, 1, 64, 64)

In [210]: a3.shape
Out[210]: (20, 1, 64, 64)

In [212]: a
Out[212]: 
array([[5, 8, 4],
       [7, 7, 6],
       [3, 2, 7],
       [1, 4, 8],
       [4, 1, 0],
       [2, 1, 3],
       [6, 5, 2],
       [2, 4, 5],
       [6, 6, 5],
       [5, 2, 5]])

In [213]: a1,a2,a3 = np.vsplit(a[np.random.permutation(a.shape[0])],(6,8))

In [214]: a1
Out[214]: 
array([[1, 4, 8],
       [7, 7, 6],
       [6, 6, 5],
       [2, 4, 5],
       [4, 1, 0],
       [5, 2, 5]])

In [215]: a2
Out[215]: 
array([[3, 2, 7],
       [2, 1, 3]])

In [216]: a3
Out[216]: 
array([[6, 5, 2],
       [5, 8, 4]])