303

我有两个不同形状的 numpy 数组，但长度相同（前导维度）。我想对它们中的每一个进行洗牌，以使相应的元素继续对应——即根据它们的前导索引统一洗牌。

此代码有效，并说明了我的目标：

def shuffle_in_unison(a, b):
    assert len(a) == len(b)
    shuffled_a = numpy.empty(a.shape, dtype=a.dtype)
    shuffled_b = numpy.empty(b.shape, dtype=b.dtype)
    permutation = numpy.random.permutation(len(a))
    for old_index, new_index in enumerate(permutation):
        shuffled_a[new_index] = a[old_index]
        shuffled_b[new_index] = b[old_index]
    return shuffled_a, shuffled_b

例如：

>>> a = numpy.asarray([[1, 1], [2, 2], [3, 3]])
>>> b = numpy.asarray([1, 2, 3])
>>> shuffle_in_unison(a, b)
(array([[2, 2],
       [1, 1],
       [3, 3]]), array([2, 1, 3]))

然而，这感觉笨重、低效且缓慢，并且需要制作数组的副本——我宁愿将它们就地洗牌，因为它们会很大。

有没有更好的方法来解决这个问题？更快的执行和更低的内存使用是我的主要目标，但优雅的代码也会很好。

我的另一个想法是：

def shuffle_in_unison_scary(a, b):
    rng_state = numpy.random.get_state()
    numpy.random.shuffle(a)
    numpy.random.set_state(rng_state)
    numpy.random.shuffle(b)

这行得通......但它有点可怕，因为我看不到它会继续工作 - 例如，它看起来不像保证在 numpy 版本中存活的那种东西。

4

17 回答 17

427

您可以使用 NumPy 的数组索引：

def unison_shuffled_copies(a, b):
    assert len(a) == len(b)
    p = numpy.random.permutation(len(a))
    return a[p], b[p]

这将导致创建单独的 unison-shuffled 数组。

于 2011-01-05T08:52:04.143 回答
203 
X = np.array([[1., 0.], [2., 1.], [0., 0.]])
y = np.array([0, 1, 2])
from sklearn.utils import shuffle
X, y = shuffle(X, y, random_state=0)

要了解更多信息，请参阅http://scikit-learn.org/stable/modules/generated/sklearn.utils.shuffle.html

于 2015-06-04T01:46:55.930 回答
81

你的“可怕”解决方案对我来说并不可怕。调用shuffle()两个相同长度的序列会导致对随机数生成器的调用次数相同，这些是 shuffle 算法中唯一的“随机”元素。通过重置状态，您可以确保对随机数生成器的调用将在第二次调用中给出相同的结果shuffle()，因此整个算法将生成相同的排列。

如果您不喜欢这样，另一种解决方案是将数据存储在一个数组中，而不是从一开始就存储在两个数组中，然后在这个单一数组中创建两个视图，模拟您现在拥有的两个数组。您可以将单个数组用于洗牌，并将视图用于所有其他目的。

示例：让我们假设数组看起来像这样a：b

a = numpy.array([[[  0.,   1.,   2.],
                  [  3.,   4.,   5.]],

                 [[  6.,   7.,   8.],
                  [  9.,  10.,  11.]],

                 [[ 12.,  13.,  14.],
                  [ 15.,  16.,  17.]]])

b = numpy.array([[ 0.,  1.],
                 [ 2.,  3.],
                 [ 4.,  5.]])

我们现在可以构造一个包含所有数据的数组：

c = numpy.c_[a.reshape(len(a), -1), b.reshape(len(b), -1)]
# array([[  0.,   1.,   2.,   3.,   4.,   5.,   0.,   1.],
#        [  6.,   7.,   8.,   9.,  10.,  11.,   2.,   3.],
#        [ 12.,  13.,  14.,  15.,  16.,  17.,   4.,   5.]])

现在我们创建模拟原始的视图a和b：

a2 = c[:, :a.size//len(a)].reshape(a.shape)
b2 = c[:, a.size//len(a):].reshape(b.shape)

和的数据a2与b2共享c。要同时洗牌两个数组，请使用numpy.random.shuffle(c).

在生产代码中，您当然会尽量避免创建原始的aandb并立即创建c, a2and b2.

该解决方案可以适用于具有不同 dtypea的情况。b

于 2011-01-05T11:35:28.077 回答
40

非常简单的解决方案：

randomize = np.arange(len(x))
np.random.shuffle(randomize)
x = x[randomize]
y = y[randomize]

两个数组 x,y 现在都以相同的方式随机打乱

于 2016-06-08T18:45:00.363 回答
26

詹姆斯在 2015 年写了一个有用的 sklearn解决方案。但是他添加了一个随机状态变量，这不是必需的。在下面的代码中，自动假定来自 numpy 的随机状态。

X = np.array([[1., 0.], [2., 1.], [0., 0.]])
y = np.array([0, 1, 2])
from sklearn.utils import shuffle
X, y = shuffle(X, y)
于 2018-05-30T13:58:27.633 回答
25 
from np.random import permutation
from sklearn.datasets import load_iris
iris = load_iris()
X = iris.data #numpy array
y = iris.target #numpy array

# Data is currently unshuffled; we should shuffle 
# each X[i] with its corresponding y[i]
perm = permutation(len(X))
X = X[perm]
y = y[perm]
于 2019-03-25T23:23:18.543 回答
19

仅使用 NumPy 将任意数量的数组就地混洗在一起。

import numpy as np


def shuffle_arrays(arrays, set_seed=-1):
    """Shuffles arrays in-place, in the same order, along axis=0

    Parameters:
    -----------
    arrays : List of NumPy arrays.
    set_seed : Seed value if int >= 0, else seed is random.
    """
    assert all(len(arr) == len(arrays[0]) for arr in arrays)
    seed = np.random.randint(0, 2**(32 - 1) - 1) if set_seed < 0 else set_seed

    for arr in arrays:
        rstate = np.random.RandomState(seed)
        rstate.shuffle(arr)

并且可以这样使用

a = np.array([1, 2, 3, 4, 5])
b = np.array([10,20,30,40,50])
c = np.array([[1,10,11], [2,20,22], [3,30,33], [4,40,44], [5,50,55]])

shuffle_arrays([a, b, c])

需要注意的几点：

  • 断言确保所有输入数组沿它们的第一维具有相同的长度。
  • 数组按它们的第一个维度就地打乱 - 没有返回。
  • 正 int32 范围内的随机种子。
  • 如果需要可重复的随机播放，可以设置种子值。

洗牌后，可以使用切片拆分数据np.split或使用切片引用数据 - 取决于应用程序。

于 2018-07-25T19:12:27.140 回答
12

你可以制作一个像这样的数组：

s = np.arange(0, len(a), 1)

然后洗牌：

np.random.shuffle(s)

现在使用 this 作为你的数组的参数。相同的洗牌参数返回相同的洗牌向量。

x_data = x_data[s]
x_label = x_label[s]
于 2018-04-01T11:59:17.903 回答
7

有一个众所周知的函数可以处理这个问题：

from sklearn.model_selection import train_test_split
X, _, Y, _ = train_test_split(X,Y, test_size=0.0)

只需将 test_size 设置为 0 即可避免拆分并为您提供打乱的数据。虽然它通常用于拆分训练和测试数据，但它也确实对它们进行了洗牌。
从文档

将数组或矩阵拆分为随机训练和测试子集

将输入验证和 next(ShuffleSplit().split(X, y)) 和应用程序包装起来的快速实用程序，以将数据输入到单个调用中，以便在单行中拆分（以及可选的子采样）数据。

于 2018-11-07T19:55:43.023 回答
6

可以对连接列表进行就地改组的一种方法是使用种子（它可以是随机的）并使用 numpy.random.shuffle 进行改组。

# Set seed to a random number if you want the shuffling to be non-deterministic.
def shuffle(a, b, seed):
   np.random.seed(seed)
   np.random.shuffle(a)
   np.random.seed(seed)
   np.random.shuffle(b)

而已。这将以完全相同的方式洗牌 a 和 b。这也是就地完成的，这总是一个优点。

编辑，不要使用 np.random.seed() 使用 np.random.RandomState 代替

def shuffle(a, b, seed):
   rand_state = np.random.RandomState(seed)
   rand_state.shuffle(a)
   rand_state.seed(seed)
   rand_state.shuffle(b)

当调用它时，只需传入任何种子来提供随机状态：

a = [1,2,3,4]
b = [11, 22, 33, 44]
shuffle(a, b, 12345)

输出：

>>> a
[1, 4, 2, 3]
>>> b
[11, 44, 22, 33]

编辑：修复了重新播种随机状态的代码

于 2017-11-30T23:56:13.323 回答
6

这似乎是一个非常简单的解决方案：

import numpy as np
def shuffle_in_unison(a,b):

    assert len(a)==len(b)
    c = np.arange(len(a))
    np.random.shuffle(c)

    return a[c],b[c]

a =  np.asarray([[1, 1], [2, 2], [3, 3]])
b =  np.asarray([11, 22, 33])

shuffle_in_unison(a,b)
Out[94]: 
(array([[3, 3],
        [2, 2],
        [1, 1]]),
 array([33, 22, 11]))
于 2020-04-17T03:00:44.497 回答
2

假设我们有两个数组：a 和 b。

a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[9,1,1],[6,6,6],[4,2,0]])

我们可以首先通过排列第一个维度来获得行索引

indices = np.random.permutation(a.shape[0])
[1 2 0]

然后使用高级索引。在这里，我们使用相同的索引来统一打乱两个数组。

a_shuffled = a[indices[:,np.newaxis], np.arange(a.shape[1])]
b_shuffled = b[indices[:,np.newaxis], np.arange(b.shape[1])]

这相当于

np.take(a, indices, axis=0)
[[4 5 6]
 [7 8 9]
 [1 2 3]]

np.take(b, indices, axis=0)
[[6 6 6]
 [4 2 0]
 [9 1 1]]
于 2018-12-05T18:30:49.690 回答
1

如果您想避免复制数组，那么我建议您不要生成排列列表，而是遍历数组中的每个元素，并将其随机交换到数组中的另一个位置

for old_index in len(a):
    new_index = numpy.random.randint(old_index+1)
    a[old_index], a[new_index] = a[new_index], a[old_index]
    b[old_index], b[new_index] = b[new_index], b[old_index]

这实现了 Knuth-Fisher-Yates 洗牌算法。

于 2011-01-05T07:38:53.670 回答
0

在我看来，最短和最简单的方法是使用种子：

random.seed(seed)
random.shuffle(x_data)
# reset the same seed to get the identical random sequence and shuffle the y
random.seed(seed)
random.shuffle(y_data)
于 2021-09-22T01:34:17.037 回答
0

举个例子，这就是我正在做的事情：

combo = []
for i in range(60000):
    combo.append((images[i], labels[i]))

shuffle(combo)

im = []
lab = []
for c in combo:
    im.append(c[0])
    lab.append(c[1])
images = np.asarray(im)
labels = np.asarray(lab)
于 2016-02-10T05:52:51.627 回答
0

我扩展了 python 的 random.shuffle() 以获取第二个参数：

def shuffle_together(x, y):
    assert len(x) == len(y)

    for i in reversed(xrange(1, len(x))):
        # pick an element in x[:i+1] with which to exchange x[i]
        j = int(random.random() * (i+1))
        x[i], x[j] = x[j], x[i]
        y[i], y[j] = y[j], y[i]

这样我就可以确定改组发生在原地，并且函数不会太长或太复杂。

于 2017-10-30T14:15:47.587 回答
0

只需使用numpy...

首先合并两个输入数组，一维数组是标签（y），二维数组是数据（x），并使用 NumPyshuffle方法对它们进行混洗。最后将它们分开并返回。

import numpy as np

def shuffle_2d(a, b):
    rows= a.shape[0]
    if b.shape != (rows,1):
        b = b.reshape((rows,1))
    S = np.hstack((b,a))
    np.random.shuffle(S)
    b, a  = S[:,0], S[:,1:]
    return a,b

features, samples = 2, 5
x, y = np.random.random((samples, features)), np.arange(samples)
x, y = shuffle_2d(train, test)
于 2020-04-02T21:30:02.910 回答