如何用Python实现类似np.random.permutation的随机排列功能？

本文共计617个文字，预计阅读时间需要3分钟。

一：函数介绍 + np.random.permutation() + 总体来说，它是一个随机排列函数，即将输入的数据进行随机排序。官方文档指出，此函数只能针对一维数据进行随机排列，对于多维数据，只能对第一维度的数据进行排序。

一:函数介绍

np.random.permutation() 总体来说他是一个随机排列函数,就是将输入的数据进行随机排列,官方文档指出,此函数只能针对一维数据随机排列,对于多维数据只能对第一维度的数据进行随机排列。

简而言之：np.random.permutation函数的作用就是按照给定列表生成一个打乱后的随机列表

在处理数据集时，通常可以使用该函数进行打乱数据集内部顺序，并按照同样的顺序进行标签序列的打乱。

二:实例2.1 直接处理数组或列表数

import numpy as np data = np.array([1,2,3,4,5,6,7]) a = np.random.permutation(data) b = np.random.permutation([5,0,9,0,1,1,1]) print(a) print( "data:", data ) print(b)

2.2 间接处理：不改变原数据（对数组下标的处理）

label = np.array([1,2,3,4,5,6,7]) a = np.random.permutation(np.arange(len(label))) print("Label[a] :" ,label[a] )

补：一般只能用于N维数组 只能将整数标量数组转换为标量索引

why?label1[a1] label1是列表，a1是列表下标的随机排列 但是！ 列表结构没有标量索引 label1[a1]报错

label1=[1,2,3,4,5,6,7] print(len(label1)) a1 = np.random.permutation(np.arange(len(label1)))#有结果 print(a1) print("Label1[a1] :" ,label1[a1] )#这列表结构没有标量索引 所以会报错

2.3 实例：鸢尾花数据中对鸢尾花的随机打乱(可以直接用）

from sklearn import svm from sklearn import datasets #sklearn 的数据集 iris = datasets.load_iris() iris_x = iris.data iris_y = iris.target indices = np.random.permutation(len(iris_x)) #此时 打乱的是数组的下标的排序 print(indices) print(indices[:-10])#到倒数第10个为止 print(indices[-10:])#最后10个 # print(type(iris_x)) <class 'numpy.ndarray'> #9:1分类 #iris_x_train = iris_x[indices[:-10]]#使用的数组打乱后的下标 #iris_y_train = iris_y[indices[:-10]] #iris_x_test= iris_x[indices[-10:]] #iris_y_test= iris_y[indices[-10:]]

数组下标 即标量索引的重新分布情况： 下标是0开始