在人工智能领域，特别是在深度学习中会经常遇到数组需要切割或者拼接，python中处理数组分割与拼接的方法很多，本文将介绍使用numpy处理数组拼接与分割的几个函数。
1.数组的分割：
均等分割-numpy.split()
split(ary, indices_or_sections, axis=0)
参数：
ary：要切分的数组
indices_or_sections：如果是一个整数，就用该数平均切分，如果是一个数组，为沿轴切分的位置（左开右闭）
axis：沿着哪个维度进行切向，默认为0，横向切分。为1时，纵向切分
注意：如果根据提供的参数不能实现均等切分，会报错。
运行结果：
2.非均等分割-numpy.array_split()
参数：
ary：要切分的数组
indices_or_sections：如果是一个整数，就用该数平均切分，如果是一个数组，为沿轴切分的位置（左开右闭）
axis：沿着哪个维度进行切向，默认为0，横向切分。为1时，纵向切分
注意：若不能均等切分，不会报错，会根据如下规则切割：若设置数组分割个为n，长度为 L 的数组，前 L % n 个组的大小是 L // n + 1，剩下组的大小是 L // n。其中%表示取余， // 表示下取整。
运行结果：
3.数组的拼接-extend()
注意：该函数只适用于简单的一维数组拼接，且转换过程消耗时间长，对于大量数据的拼接不建议使用。
4.数组的拼接-numpy.append(arr, values, axis=None)
参数：一个数组和一个数值拼接，或者两个数组拼接，不能三个及以上数组拼接。
5.数组的拼接-numpy.concatenate((a1,a2,...), axis=0)
参数:
a1,a2……： 要拼接的数组
axis： 在哪个维度上进行拼接，默认为0
注意：concatenate() 和 append() 相比，concatenate()的效率更高，在机器学习中处理大量数组合并时，常用concatenate()
文章来源：https://mp.weixin.qq.com/s/HUdfJPnvwwAc6WDiyFqw1g
