假如我们想要把一个 array-like 的东西拆分成多个小组（或者叫 bucket），给定组的数目或者组的大小，最后一组不足则保持原样。
那么我们想到的可能是 np.array_split() 函数。我们使用其官方例子来说明一下。
例子 1：
把一个含有 8 个元素的列表拆分成 3 组，那么 np.array_split() 的结果是：
>>> x = np.arange(8.0)
>>> np.array_split(x, 3)
[array([ 0., 1., 2.]), array([ 3., 4., 5.]), array([ 6., 7.])]
例子 2：
上面的结果好像看起来没啥问题，那么如果列表中含有 7 个元素呢？
>>> x = np.arange(7.0)
>>> np.array_split(x, 3)
[array([ 0., 1., 2.]), array([ 3., 4.]), array([ 5., 6.])]
结果每组的大小是 322，很明显不是我们想要的结果，我们想要的结果是 331。
再次查看官方文档，可以看到如下关于该函数如何拆分的解释：
For an array of length l that should be split into n sections, it returns l % n sub-arrays of size l//n + 1 and the rest of size l//n.
也就是说，对于一个长度为 l 的数组，该函数是这么拆的：前 l % n 个组的大小是 l // n + 1，剩下组的大小是 l // n。 其中 // 表示下取整，即 np.floor()。
对于例子 1，l 为 8，n 为 3，前 8 % 3 = 2 个组的大小为 8 // 3 + 1 = 3，剩下组的大小为 8 // 3 = 2。
对于例子 2，l 为 7，n 为 3，前 7 % 3 = 1 个组的大小为 7 // 3 + 1 = 3，剩下组的大小为 7 // 3 = 2。
所以，从直观上来讲，该函数倾向于使得拆分后的组大小分布更为「均衡」，有时候可能不是我们想要的结果，值得注意。
另外，还有一个和 np.array_split 比较相似的函数：np.split()，这两个函数的唯一区别是 split() 必须是等分，否则会抛出异常：ValueError: array split does not result in an equal division。
Reference
END
