x=x[class_id] 在 NumPy 数组上使用时有什么作用答案

【问题标题】：What does x=x[class_id] do when used on NumPy arraysx=x[class_id] 在 NumPy 数组上使用时有什么作用
【发布时间】：2018-02-01 18:37:41
【问题描述】：

我正在学习 Python 并解决机器学习问题。

class_ids=np.arange(self.x.shape[0])
np.random.shuffle(class_ids)
self.x=self.x[class_ids]

这是 NumPy 中的 shuffle 函数，但我无法理解 self.x=self.x[class_ids] 的含义。因为我认为它将数组的值赋予了一个变量。

【问题讨论】：

在赋值语句前后打印self.x。它有什么作用？
Integer array indexing
什么是self.x？你能展示它的初始化吗？
代码的意图似乎是改组self.x，在这种情况下我假设np.random.shuffle(self.x)就足够了
上面的代码是加载omniglot数据集的基本步骤，并尝试对其进行洗牌以进行训练或测试，而self.x是那些形状像self.x = np.reshape( self.x, newshape=(1622, 20, 28, 28, 1)) @PaulRooney

标签： python arrays numpy random shuffle

【解决方案1】：

洗牌self.x 的第一个维度是一种非常复杂的方法。例如：

>>> x = np.array([[1, 1], [2, 2], [3, 3], [4, 4], [5, 5]])
>>> x
array([[1, 1],
       [2, 2],
       [3, 3],
       [4, 4],
       [5, 5]])

然后使用提到的方法

>>> class_ids=np.arange(x.shape[0])  # create an array [0, 1, 2, 3, 4]
>>> np.random.shuffle(class_ids)     # shuffle the array
>>> x[class_ids]                     # use integer array indexing to shuffle x
array([[5, 5],
       [3, 3],
       [1, 1],
       [4, 4],
       [2, 2]])

请注意，同样可以通过使用 np.random.shuffle 来实现，因为文档字符串明确提到：

此函数仅沿多维数组的第一个轴打乱数组。子数组的顺序改变了，但它们的内容保持不变。

>>> np.random.shuffle(x)
>>> x
array([[5, 5],
       [3, 3],
       [1, 1],
       [2, 2],
       [4, 4]])

或使用np.random.permutation:

>>> class_ids = np.random.permutation(x.shape[0])  # shuffle the first dimensions indices
>>> x[class_ids]
array([[2, 2],
       [4, 4],
       [3, 3],
       [5, 5],
       [1, 1]])

【讨论】：

【解决方案2】：

假设 self.x 是一个 numpy 数组：

class_ids 是一维 numpy 数组，在表达式x[class_ids] 中用作integer array index。因为前一行洗牌了class_ids，所以x[class_ids] 计算结果为self.x 按行洗牌。赋值self.x=self.x[class_ids]将洗牌后的数组赋值给self.x

【讨论】：