使用python洗牌数组,使用python随机化数组项顺序

import random
random.shuffle(array)

import random
random.shuffle(array)

sklearn

from sklearn.utils import shuffle
X=[1,2,3]
y = ['one', 'two', 'three']
X, y = shuffle(X, y, random_state=0)
print(X)
print(y)

[2, 1, 3]
['two', 'one', 'three']

优点:您可以同时随机选择多个阵列,而不会中断映射。“随机_状态”可以控制重复行为的洗牌。

random.shuffle 方法实际上并没有返回任何内容—它只是对给定的列表进行排序。如果您想连锁调用或仅能在一行中声明一个无序数组,您可以执行以下操作:

    import random
    def my_shuffle(array):
        random.shuffle(array)
        return array

然后您可以执行以下操作:

    for suit in my_shuffle(['hearts', 'spades', 'clubs', 'diamonds']):

以防您需要一个可以使用的新阵列 sample

import random
new_array = random.sample( array, len(array) )

在处理常规Python列表时, random.shuffle() 正如前面的答案所示,我们将完成这项工作。

但是到了 ndarray numpy.array random.shuffle 似乎打破了原有的 恩达雷 . 以下是一个例子:

import random
import numpy as np
import numpy.random

a = np.array([1,2,3,4,5,6])
a.shape = (3,2)
print a
random.shuffle(a) # a will definitely be destroyed
print a

np.random.shuffle(a)

喜欢 随机洗牌 , np.random.shuffle

可以使用随机键对数组进行排序

sorted(array, key = lambda x: random.random())

键只能读取一次,因此排序期间比较项仍然有效。

但是看起来像 random.shuffle(array)

这是O(log(N))btw

除了前面的答复外,我还想介绍另一个功能。

numpy.random.shuffle random.shuffle 执行原地洗牌。但是,如果要返回一个无序数组 numpy.random.permutation 是要使用的函数。

我不知道我用过 random.shuffle()

def shuffle(arr):
    for n in range(len(arr) - 1):
        rnd = random.randint(0, (len(arr) - 1))
        val1 = arr[rnd]
        val2 = arr[rnd - 1]

        arr[rnd - 1] = val1
        arr[rnd] = val2

    return arr

# arr = numpy array to shuffle

def shuffle(arr):
    a = numpy.arange(len(arr))
    b = numpy.empty(1)
    for i in range(len(arr)):
        sel = numpy.random.random_integers(0, high=len(a)-1, size=1)
        b = numpy.append(b, a[sel])
        a = numpy.delete(a, sel)
    b = b[1:].astype(int)
    return arr[b]

注意 random.shuffle() 不应在多维数组上使用,因为它会导致重复。

import numpy as np
x = np.zeros((10, 2, 3))

for i in range(10):
   x[i, ...] = i*np.ones((2,3))

因此,沿着第一个轴,第i个元素对应于2x3矩阵,其中所有元素都等于i。

np.random.shuffle(x) ,数组将根据需要沿第一个轴洗牌。然而,使用 random.shuffle(x) len(np.unique(x)) 洗牌后,你会得到10(如预期)的 np.random.shuffle() .