如何取消洗牌数据？

Question

可能存在从shuffle 函数从sklearn.utils 返回的方法？ 我更好地解释了我的问题：我使用shuffle 函数来随机化两个矩阵的行：

A_s, B_s = shuffle(A, B, random_state = 1)

接下来我在某些操作中使用两个矩阵A_s，B_s，并获得另一个具有相同维度的矩阵C_s：例如C_s = f(A_s, B_s)。如何回到C 的原始顺序为A 和B？

我在想类似于sklearn.preprocessing.MinMaxScaler((0,+1)) 的东西，在我回来后使用sklearn.inverse_transform()。

Answer 1

这不一定是可能的，这取决于您选择的f。如果f 是可逆的，并且您跟踪行被洗牌的方式，那么即使效率不高，也是可能的。 sklearn.utils shuffle 方法不会“跟踪”矩阵被洗牌的方式。你可能想自己动手。要生成随机洗牌，请生成range(len(A)) 的随机排列，然后按该顺序迭代交换行。要检索原始矩阵，您只需反转排列即可。这将允许您为 f 的某些选择恢复 C（例如矩阵加法）

（编辑，OP 要求提供更多信息）

这对我有用，但可能有更有效的方法：

import numpy as np

def shuffle(A,axis=0,permutation=None):
    A = np.swapaxes(A,0,axis)
    if permutation is None:
        permutation = np.random.permutation(len(A))
    temp = np.copy(A[permutation[0]])
    for i in range(len(A)-1):
        A[permutation[i]] = A[permutation[i+1]]
    A[permutation[-1]] = temp
    A = np.swapaxes(A,0,axis)
    return A, permutation

A = np.array([[1,2],[3,4],[5,6],[7,8]])
print A
B, p = shuffle(A) #NOTE: shuffle is in place, so A is the same object as B!!!!
print "shuffle A"
print B
D, _ = shuffle(B,permutation=p[::-1])
print "unshuffle B to get A"
print D

B = np.copy(B)
C = A+B
print "A+B"
print C

A_s, p = shuffle(A)
B_s, _ = shuffle(B, permutation = p)
C_s = A_s + B_s

print "shuffle A and B, then add"
print C_s

print "unshuffle that to get the original sum"
CC, _ = shuffle(C_s, permutation=p[::-1])
print CC