python中的np.random.permutation函数怎么使用

时间：2023-05-17 23:56

一:函数介绍

np.random.permutation() 总体来说他是一个随机排列函数,就是将输入的数据进行随机排列,官方文档指出,此函数只能针对一维数据随机排列,对于多维数据只能对第一维度的数据进行随机排列。
简而言之：np.random.permutation函数的作用就是按照给定列表生成一个打乱后的随机列表

在处理数据集时，通常可以使用该函数进行打乱数据集内部顺序，并按照同样的顺序进行标签序列的打乱。

二:实例

2.1 直接处理数组或列表数

import numpy as npdata = np.array([1,2,3,4,5,6,7])a = np.random.permutation(data)b = np.random.permutation([5,0,9,0,1,1,1])print(a)print( "data:", data )print(b)

python中的np.random.permutation函数怎么使用

2.2 间接处理：不改变原数据（对数组下标的处理）

label = np.array([1,2,3,4,5,6,7])a = np.random.permutation(np.arange(len(label)))print("Label[a] :" ,label[a] )

python中的np.random.permutation函数怎么使用

补：一般只能用于N维数组只能将整数标量数组转换为标量索引

why?label1[a1] label1是列表，a1是列表下标的随机排列但是！列表结构没有标量索引 label1[a1]报错

label1=[1,2,3,4,5,6,7]print(len(label1))a1 = np.random.permutation(np.arange(len(label1)))#有结果print(a1)print("Label1[a1] :" ,label1[a1] )#这列表结构没有标量索引 所以会报错

python中的np.random.permutation函数怎么使用

2.3 实例：鸢尾花数据中对鸢尾花的随机打乱(可以直接用）

from sklearn import svmfrom sklearn import datasets #sklearn 的数据集iris = datasets.load_iris()iris_x = iris.datairis_y = iris.targetindices = np.random.permutation(len(iris_x))#此时 打乱的是数组的下标的排序print(indices)print(indices[:-10])#到倒数第10个为止print(indices[-10:])#最后10个# print(type(iris_x))   <class 'numpy.ndarray'>#9:1分类#iris_x_train = iris_x[indices[:-10]]#使用的数组打乱后的下标#iris_y_train = iris_y[indices[:-10]]#iris_x_test= iris_x[indices[-10:]]#iris_y_test= iris_y[indices[-10:]]

数组下标即标量索引的重新分布情况：下标是0开始

python中的np.random.permutation函数怎么使用