Python中数据的高效分割

考虑以下代码

one, two = sales.random_split(0.5, seed=0)
set_1, set_2 = one.random_split(0.5, seed=0)
set_3, set_4 = two.random_split(0.5, seed=0)

在这段代码中，我试图将

Sales

（类似于Pandas DataFrame）中的数据随机分成大约4个相等的部分

---

什么是Pythonic/effective方法来实现这一点？

请分享您的意见，说明为什么这更有效？我还看到您正在使用

NumPy

，这意味着我需要将

SFrame

转换为

NumPy数组

。它不会因为转换而增加开销吗？@ KurrMaMaDe:我还没有测试过它是否比原来的代码快，但是我认为这个代码是高效的和数字的。尝试一下，看看它是否能加快速度。如果没有，也许还是坚持你原来的想法。我相信，如果需要，您可以在最后将

集合

转换回

Sframes

。您能否澄清一下，为什么这不是Pythonic或高效的方法？我能看到的一个问题是，创建一个不是二次幂的折叠数，但这听起来与你所问的不同。

np.random.seed(0)
np.random.shuffle(arr) # in-place
sets = np.array_split(arr, 4)