更快的numpy.random.shuffle有长度限制吗？

我正在使用

numpy.random.shuffle

来洗牌数据列表。列表的长度很大，所以我想随机抽取一些数据来做我的工作

我使用以下代码实现此功能：

# data_list is a numpy array of shape (num_data,)
index = np.arange(data_list.size)
np.random.shuffle(index)
index = index[:len_limit]
data = data_list[index]

但由于指数很大，洗牌的速度很慢

---

有什么改进性能的建议吗？

这是一个常见问题。我使用以下方法：

替换图纸

idxs = np.random.randint(0, high=len(data), size=(N,))
result = data[idxs]

import random
idxs = random.sample(xrange(len(data)), N)
result = data[idxs]

无需更换的图纸

idxs = np.random.randint(0, high=len(data), size=(N,))
result = data[idxs]

import random
idxs = random.sample(xrange(len(data)), N)
result = data[idxs]

其中，

data

是原始数据集，

N

是所需样本数。只要使用

replace=False
尝试，这两种方法都应该比随机播放快

示例（使用与问题中相同的变量）：

您需要numpy版本1.7.0或更高版本。
很酷，很高兴他们最终将此添加到numpy中。这绝对是一个缺失的功能。清晰的答案。谢谢。虽然它方便多了，但我担心它与OP的代码完全一样，只是使用了
np.random.permutation
而不是
np.random.shuffle
，请看。@Jaime:既然你提到了它，我记得我看过那段代码了。我忘了是Python库（在
random.sample
中）具有选择方法的启发式。还有一个关于性能的公开问题：谢谢。当您要保存索引时，此方法优于选择。