split dan array_split

Kebalikan dari menggabungkan adalah memecah. Sering kali array yang besar perlu dibagi menjadi potongan-potongan lebih kecil: memproses data per batch, memisahkan segmen atas dan bawah sebuah tabel, atau memotong catatan penjualan pada indeks tertentu. NumPy menyediakan keluarga fungsi split untuk keperluan ini; np.split adalah bentuk utamanya, sedangkan np.array_split adalah versinya yang mengizinkan pembagian tidak merata.

Bab ini membahas dua cara memanggil np.split (jumlah bagian dan daftar indeks), kesalahan yang muncul saat pembagian tidak merata, solusi dengan np.array_split, serta fungsi turunan np.vsplit dan np.hsplit.

Memecah Merata dengan np.split #

Bentuk pemanggilan paling dasar memberikan satu bilangan bulat sebagai argumen kedua: array dibagi menjadi sebanyak itu bagian dengan panjang yang sama persis.

import numpy as np

a = np.arange(6)
bagian = np.split(a, 3)
print(bagian)
print(np.array_equal(a, np.concatenate(bagian)))

Output yang Dihasilkan:

[array([0, 1]), array([2, 3]), array([4, 5])]
True

Mari kita uraikan:

1. Baris 3 (np.arange(6)): array enam elemen (0..5) dibuat sebagai bahan uji.
2. Baris 4 (np.split(a, 3)): hasilnya berupa list Python berisi tiga array, masing-masing (2,); syaratnya panjang array (6) habis dibagi jumlah bagian (3).
3. Baris 5 (np.array_equal(...)): menyambung kembali semua potongan dengan np.concatenate menghasilkan array yang sama persis dengan a, terbukti dari nilai True. Pola putar-balik split lalu concatenate ini jadi bukti bahwa pemecahan tidak menghilangkan satu elemen pun.

Memotong pada Indeks Tertentu #

Argumen kedua np.split juga menerima daftar indeks sebagai titik-titik potong. Dengan daftar berisi n indeks, array terbagi menjadi n + 1 bagian.

import numpy as np

penjualan = np.array([10, 20, 30, 40, 50, 60])
potongan = np.split(penjualan, [2, 5])
for p in potongan:
    print(p)

Output yang Dihasilkan:

[10 20]
[30 40 50]
[60]

Cara membaca titik potong [2, 5]:

1. Bagian pertama: irisan [:2], yaitu dua elemen awal [10 20].
2. Bagian kedua: irisan [2:5], yaitu [30 40 50].
3. Bagian ketiga: irisan [5:], yaitu sisa [60]; bagian terakhir boleh kosong bila titik potong terletak di ujung luar panjang array.

Ketika Pembagian Tidak Merata #

np.split bersikap ketat: bila panjang array tidak habis dibagi jumlah bagian, fungsi ini memunculkan ValueError alih-alih menghasilkan bagian yang tidak seimbang. Fungsi np.array_split menerima permintaan yang sama tanpa protes; bagian-bagian awal dibuat lebih besar agar semua elemen terbagi habis.

import numpy as np

a = np.arange(7)
try:
    np.split(a, 3)
except ValueError as e:
    print("ValueError:", e)
bagian = np.array_split(a, 3)
for p in bagian:
    print(p, len(p))

Output yang Dihasilkan:

ValueError: array split does not result in an equal division
[0 1 2] 3
[3 4] 2
[5 6] 2

Aturan pembagian np.array_split mudah diprediksi. Dengan panjang array s dan jumlah bagian q, sisa s % q didistribusikan satu per satu ke bagian-bagian terdepan. Pada contoh di atas 7 % 3 = 1, sehingga satu bagian pertama berisi 3 elemen dan dua bagian sisanya masing-masing 2 elemen; memecah 10 elemen menjadi 4 bagian menghasilkan ukuran 3, 3, 2, 2.

vsplit dan hsplit #

Keluarga split juga punya versi searah sumbu pada array dua dimensi: np.vsplit memotong searah baris (setara np.split dengan axis=0), sedangkan np.hsplit memotong menyamping searah kolom (setara axis=1).

import numpy as np

m = np.arange(8).reshape(4, 2)
atas, bawah = np.vsplit(m, 2)
print(atas)
print(bawah)
kiri, kanan = np.hsplit(m, 2)
print(kiri.shape, kanan.shape)

Output yang Dihasilkan:

[[0 1]
 [2 3]]
[[4 5]
 [6 7]]
(4, 1) (4, 1)

Penjelasan contoh di atas:

1. Baris 3 (np.arange(8).reshape(4, 2)): matriks empat baris dua kolom dibuat; keduanya habis dibagi 2 sehingga pemecahan merata dimungkinkan.
2. Baris 4 (np.vsplit(m, 2)): hasilnya list berisi dua array (2, 2); list tersebut langsung dibongkar ke variabel atas dan bawah.
3. Baris 7 (np.hsplit(m, 2)): pemotongan menyamping menghasilkan dua array (4, 1), yaitu kolom kiri dan kolom kanan m.

Pola kerja yang lazim di lapangan adalah memecah dengan split, memproses tiap potongan secara terpisah, lalu menyatukan hasilnya kembali dengan np.concatenate — cara kerja np.concatenate sudah dibahas pada Chapter concatenate.