NumPy - 排列和重排

什么是排列和重排?

排列和重排是用于以随机顺序重新排列数组元素的技术。重排会就地修改数组，而排列则会创建一个元素重新排列的新数组。

这些操作对于数据增强、引导程序和测试算法的鲁棒性等任务非常有用。

使用 NumPy 重排数组

NumPy 提供了 numpy.random.shuffle() 函数来就地重排数组元素。这意味着原始数组被修改，元素被随机重新排列。

示例

如下例所示，数组元素被原地打乱，这意味着原始数组被修改，元素被随机重新排列 -

import numpy as np

# 定义一个数组
array = np.array([1, 2, 3, 4, 5])

# 原地打乱数组
np.random.shuffle(array)
print("打乱后的数组:", array)

以下是得到的输出 -

打乱后的数组:[1 2 5 4 3]

使用NumPy

与混洗不同，排列会创建一个新数组，其中元素随机重新排列，而不会修改原始数组。 NumPy 提供了 numpy.random.permutation() 函数来生成排列。

示例

以下示例中，原始数组保持不变，并生成一个元素随机重新排列的新数组 -

import numpy as np

# 定义一个数组
array = np.array([1, 2, 3, 4, 5])

# 生成数组的排列
permuted_array = np.random.permutation(array)
print("原始数组:", array)
print("排列后的数组:", permuted_array)

结果如下 -

原始数组:[1 2 3 4 5]
置换数组:[4 2 5 1 3]

对多维数组进行混排

NumPy 还支持对多维数组进行混排。对多维数组进行随机打乱时，只有第一个轴会被随机打乱。

示例

在此示例中，只有二维数组的行会被随机打乱，而每行中的元素仍保持其原始顺序 -

import numpy as np

# 定义一个二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 原地随机打乱数组
np.random.shuffle(array_2d)
print("随机打乱后的二维数组:", array_2d)

以下是上述代码的输出 -

随机打乱后的二维数组:
[[4 5 6]
[1 2 3]
[7 8 9]]

置换多维数组

与重排类似，您可以生成多维数组的置换。使用 numpy.random.permutation() 函数时，数组会被展平、置换，然后重新整形回其原始维度。

示例

在此示例中，二维数组的行被置换，从而创建一个新的数组，其中的行以不同的顺序重新排列 -

import numpy as np

# 定义一个二维数组
array_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 生成二维数组的置换
permuted_array_2d = np.random.permutation(array_2d)
print("原始二维数组:", array_2d)
print("置换后的二维数组:", permuted_array_2d)

输出结果如下 -

原始二维数组:
[[1 2 3]
[4 5 6]
[7 8 9]]
置换后的二维数组:
[[1 2 3]
[4 5 6]
[7 8 9]]

整数的随机排列

NumPy 还可以使用 numpy.random.permutation() 函数生成一系列整数的随机排列。这对于创建随机整数序列非常有用。

示例

以下示例使用 numpy.random.permutation() 函数生成从 0 到 9 的整数随机排列 -

import numpy as np

# 生成从 0 到 9 的整数随机排列
random_permutation = np.random.permutation(10)
print("从 0 到 9 的整数随机排列:", random_permutation)

以下是获得的输出 -

从 0 到 9 的整数随机排列:[2 8 1 3 4 0 6 7 5 9]

使用特定种子进行混洗

为了确保可重复性，您可以在混洗或生成排列之前设置特定的种子。这样可以确保每次运行代码时都会生成相同的随机数序列。

示例

通过设置种子，可以确保每次执行代码时随机打乱的结果都相同，如下例所示 -

import numpy as np

# 设置种子以确保可重复性
np.random.seed(42)

# 定义一个数组
array = np.array([1, 2, 3, 4, 5])

# 原地打乱数组
np.random.shuffle(array)
print("使用种子 42 打乱后的数组:", array)

# 重置种子并再次打乱以获得相同的结果结果
np.random.seed(42)
np.random.shuffle(array)
print("再次使用种子 42 进行随机打乱的数组:", array)

输出结果如下:-

使用种子 42 进行随机打乱的数组:[2 5 3 1 4]
使用种子 42 进行随机打乱的数组(再次使用种子 42):[5 4 3 2 1]

数据拆分的随机打乱和排列

在机器学习中，随机打乱和排列通常用于将数据集拆分为训练集和测试集。通过随机打乱数据，可以确保训练集和测试集能够代表整个数据集。

示例

在此示例中，数据集被随机打乱，然后拆分为训练集和测试集。这有助于确保训练集和测试集随机分布，并代表整个数据集 -

import numpy as np

# 定义数据集
dataset = np.array([[1, 'A'], [2, 'B'], [3, 'C'], [4, 'D'], [5, 'E']])

# 原地打乱数据集
np.random.shuffle(dataset)
print("打乱后的数据集:", dataset)

# 将数据集拆分为训练集和测试集
train_set = dataset[:3]
test_set = dataset[3:]
print("训练集:", train_set)
print("测试集:", test_set)

以下是获得的输出 -

打乱后的数据集:
[['5' 'E']
['4' 'D']
['2' 'B']
['1' 'A']
['3' 'C']]
训练集:
[['5' 'E']
['4' 'D']
['2' 'B']]
测试集:
[['1' 'A']
['3' 'C']]