shuffle vs permute numpy答案

【问题标题】：shuffle vs permute numpyshuffle vs permute numpy
【发布时间】：2013-03-06 15:10:19
【问题描述】：

numpy.random.shuffle(x) 和 numpy.random.permutation(x) 有什么区别？

我已经阅读了文档页面，但是当我只想随机打乱数组的元素时，我无法理解两者之间是否有任何区别。

更准确地说，假设我有一个数组 x=[1,4,2,8]。

如果我想生成x的随机排列，那么shuffle(x)和permutation(x)有什么区别？

【问题讨论】：

标签： python numpy scipy permutation shuffle

【解决方案1】：

np.random.permutation与np.random.shuffle有两个不同之处：

如果传递一个数组，它将返回一个打乱后的数组副本； np.random.shuffle 就地打乱数组
如果传递一个整数，它将返回一个打乱的范围，即np.random.shuffle(np.arange(n))

如果 x 是整数，则随机置换 np.arange(x)。如果 x 是一个数组，则复制一份并随机打乱元素。

源代码可能有助于理解这一点：

3280        def permutation(self, object x):
...
3307            if isinstance(x, (int, np.integer)):
3308                arr = np.arange(x)
3309            else:
3310                arr = np.array(x)
3311            self.shuffle(arr)
3312            return arr

【讨论】：

在panda.Index 上使用时，只有permutation 有效，shuffle 无效。这个案例如何适合您的解释？
@Heisenberg permutation 将其参数强制转换为 ndarray（通过复制）； pandas.Index 与 shuffle 无法处理它的 ndarray 有很大不同，但可以处理从它创建的 ndarray。

【解决方案2】：

除了@ecatmur 所说的，np.random.permutation 在您需要打乱有序对时很有用，尤其是在分类方面：

from np.random import permutation
from sklearn.datasets import load_iris
iris = load_iris()
X = iris.data
y = iris.target

# 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]

【讨论】：

我不断收到这个：TypeError：只有整数标量数组可以转换为标量索引
为了澄清@hlin117，这仅在 x 和 y 是 numpy 数组时才有效。如果您尝试使用 python 内置列表来执行此操作，则会抛出 TypeError。

【解决方案3】：

添加@ecatmur，这里是一个简短的解释。首先，我创建了一个形状为 3,3 且数字从 0 到 8 的数组

import numpy as np
x1 = np.array(np.arange(0,9)).reshape(3,3) #array with shape 3,3 and have numbers from 0 to 8

#step1: using np.random.permutation
x_per = np.random.permutation(x1)
print('x_per:', x_per)
print('x_1:', x_1)
#Inference: x1 is not changed and x_per has its rows randomly changed

#The outcome will be 
x1: [[0 1 2]
     [3 4 5]
     [6 7 8]]
x_per:[[3 4 5]
       [0 1 2]
       [6 7 8]]
#Lets apply shuffling
x2 = np.array(range(9)).reshape(3,3)
x2_shuffle = np.random.shuffle(x2)
print('x2_shuffle:', x2_shuffle)
print('x2', x2)

#Outcome: 
x2_shuffle: None
x2 [[3 4 5]
    [0 1 2]
    [6 7 8]]

关键推断是：当x是一个数组时，numpy.random.permutation(x)和numpy.random.shuffle(x)都可以随机排列x中的元素第一个轴。 numpy.random.permutation(x) 实际上返回一个新变量并且原始数据没有改变。其中 numpy.random.shuffle(x) 已更改原始数据并且不返回新变量。我只是试图用一个例子来展示，这样它就可以帮助别人。谢谢！！

【讨论】：

【解决方案4】：

permutation() 方法返回一个重新排列的数组（并且保持原始数组不变），该方法将保持原始数组不变并返回一个打乱的数组，例如 x = [1,4,2 ,8] 是原始数组，置换方法将返回重新排列的数组（比如说 [8,4,1,2]）。现在，您有两个数组，原始数组和重新排列的数组。

另一方面，

shuffle() 方法对原始数组进行更改，例如 x = [1,4,2,8] 是原始数组，并且 shuffle 方法将返回 shuffle 数组（假设 shuffled 数组是 [8, 4,1,2]）。现在，原来的数组本身变成了 Shuffled 数组，你只剩下 shuffled 数组了。

参考：-https://www.w3schools.com/python/numpy_random_permutation.asp

【讨论】：