混洗和拆分 2 个 numpy 数组，以保持它们彼此之间的顺序答案

【问题标题】：Shuffle and split 2 numpy arrays so as to maintain their ordering with respect to each other混洗和拆分 2 个 numpy 数组，以保持它们彼此之间的顺序
【发布时间】：2019-02-27 01:08:47
【问题描述】：

我有 2 个 numpy 数组 X 和 Y，形状 X：[4750, 224, 224, 3] 和 Y：[4750,1]。

X 是训练数据集，Y 是每个条目的正确输出标签。

我想将数据拆分为训练和测试，以验证我的机器学习模型。因此，我想随机拆分它们，以便在对 X 和 Y 应用随机拆分后它们都具有正确的顺序。即，X 的每一行在拆分后正确地具有其相应的标签不变。

我怎样才能达到上述目标？

【问题讨论】：

标签： python numpy

【解决方案1】：

我会这样做

def split(x, y, train_ratio=0.7):
  x_size = x.shape[0]
  train_size = int(x_size * train_ratio)
  test_size = x_size - train_size
  train_indices = np.random.choice(x_size, size=train_size, replace=False)
  mask = np.zeros(x_size, dtype=bool)
  mask[train_indices] = True
  x_train, y_train = x[mask], y[mask]
  x_test, y_test = x[~mask], y[~mask]
  return (x_train, y_train), (x_test, y_test)

我只需（随机）为我的训练集选择所需数量的索引，剩下的将用于测试集。

然后使用掩码选择训练和测试样本。

【讨论】：

【解决方案2】：

您还可以使用 scikit-learn train_test_split 仅使用 2 行代码来拆分数据：

from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, Y, test_size=0.33)

【讨论】：

【解决方案3】：

sklearn.model_selection.train_test_split是个不错的选择！

但是要自己制作一个

import numpy as np

def my_train_test_split(X, Y, train_ratio=0.8):
    """return X_train, Y_train, X_test, Y_test"""
    n = X.shape[0]
    split = int(n * train_ratio)
    index = np.arange(n)
    np.random.shuffle(index)
    return X[index[:split]], Y[index[:split]], X[index[split:]], Y[index[split:]]

【讨论】：