Python 同时洗牌两个numpy阵列的更好方法
我有两个不同形状的numpy数组,但长度相同(前导尺寸)。我想对每一个元素进行洗牌,这样对应的元素就可以继续对应——也就是说,根据它们的领先指数对它们进行一致的洗牌 这段代码有效,并说明了我的目标:Python 同时洗牌两个numpy阵列的更好方法,python,numpy,random,shuffle,numpy-ndarray,Python,Numpy,Random,Shuffle,Numpy Ndarray,我有两个不同形状的numpy数组,但长度相同(前导尺寸)。我想对每一个元素进行洗牌,这样对应的元素就可以继续对应——也就是说,根据它们的领先指数对它们进行一致的洗牌 这段代码有效,并说明了我的目标: def shuffle_in_unison(a, b): assert len(a) == len(b) shuffled_a = numpy.empty(a.shape, dtype=a.dtype) shuffled_b = numpy.empty(b.shape, dt
def shuffle_in_unison(a, b):
assert len(a) == len(b)
shuffled_a = numpy.empty(a.shape, dtype=a.dtype)
shuffled_b = numpy.empty(b.shape, dtype=b.dtype)
permutation = numpy.random.permutation(len(a))
for old_index, new_index in enumerate(permutation):
shuffled_a[new_index] = a[old_index]
shuffled_b[new_index] = b[old_index]
return shuffled_a, shuffled_b
例如:
>>> a = numpy.asarray([[1, 1], [2, 2], [3, 3]])
>>> b = numpy.asarray([1, 2, 3])
>>> shuffle_in_unison(a, b)
(array([[2, 2],
[1, 1],
[3, 3]]), array([2, 1, 3]))
然而,这感觉笨拙、低效且缓慢,并且需要制作数组的副本——我宁愿将它们洗牌,因为它们会非常大
有没有更好的办法?更快的执行速度和更低的内存使用率是我的主要目标,但优雅的代码也不错
我的另一个想法是:
def shuffle_in_unison_scary(a, b):
rng_state = numpy.random.get_state()
numpy.random.shuffle(a)
numpy.random.set_state(rng_state)
numpy.random.shuffle(b)
这是可行的…但有点可怕,因为我看不出它能继续工作的保证--例如,它看起来不像是保证在整个numpy版本中都能存在的那种东西。如果你想避免复制数组,那么我建议你不要生成排列列表,而是遍历数组中的每个元素,然后将其随机交换到阵列中的另一个位置
for old_index in len(a):
new_index = numpy.random.randint(old_index+1)
a[old_index], a[new_index] = a[new_index], a[old_index]
b[old_index], b[new_index] = b[new_index], b[old_index]
这实现了Knuth-Fisher-Yates洗牌算法 您可以使用NumPy的:
这将导致创建单独的unison混洗阵列。您的“可怕”解决方案在我看来并不可怕。对相同长度的两个序列调用shuffle()
会导致对随机数生成器的调用次数相同,而这些是shuffle算法中唯一的“随机”元素。通过重置状态,您可以确保对随机数生成器的调用将在第二次调用shuffle()
时给出相同的结果,因此整个算法将生成相同的排列
如果您不喜欢这样,另一种解决方案是将数据存储在一个数组中,而不是从一开始就存储在两个数组中,并在单个数组中创建两个视图,模拟您现在拥有的两个数组。您可以使用单个数组进行洗牌,并将视图用于所有其他目的
示例:假设数组a
和b
如下所示:
a = numpy.array([[[ 0., 1., 2.],
[ 3., 4., 5.]],
[[ 6., 7., 8.],
[ 9., 10., 11.]],
[[ 12., 13., 14.],
[ 15., 16., 17.]]])
b = numpy.array([[ 0., 1.],
[ 2., 3.],
[ 4., 5.]])
现在,我们可以构建一个包含所有数据的数组:
c = numpy.c_[a.reshape(len(a), -1), b.reshape(len(b), -1)]
# array([[ 0., 1., 2., 3., 4., 5., 0., 1.],
# [ 6., 7., 8., 9., 10., 11., 2., 3.],
# [ 12., 13., 14., 15., 16., 17., 4., 5.]])
现在,我们创建模拟原始a
和b
的视图:
a2 = c[:, :a.size//len(a)].reshape(a.shape)
b2 = c[:, a.size//len(a):].reshape(b.shape)
a2
和b2
的数据与c
共享。要同时洗牌两个数组,请使用numpy.random.shuffle(c)
在生产代码中,您当然会尽量避免创建原始的a
和b
,并立即创建c
、a2
和b2
此解决方案可适用于a
和b
具有不同数据类型的情况
X = np.array([[1., 0.], [2., 1.], [0., 0.]])
y = np.array([0, 1, 2])
from sklearn.utils import shuffle
X, y = shuffle(X, y, random_state=0)
要了解更多信息,请参见带有示例的,这是我正在做的:
combo = []
for i in range(60000):
combo.append((images[i], labels[i]))
shuffle(combo)
im = []
lab = []
for c in combo:
im.append(c[0])
lab.append(c[1])
images = np.asarray(im)
labels = np.asarray(lab)
非常简单的解决方案:
randomize = np.arange(len(x))
np.random.shuffle(randomize)
x = x[randomize]
y = y[randomize]
import numpy as np
def shuffle_in_unison(a,b):
assert len(a)==len(b)
c = np.arange(len(a))
np.random.shuffle(c)
return a[c],b[c]
a = np.asarray([[1, 1], [2, 2], [3, 3]])
b = np.asarray([11, 22, 33])
shuffle_in_unison(a,b)
Out[94]:
(array([[3, 3],
[2, 2],
[1, 1]]),
array([33, 22, 11]))
两个数组x,y现在都以相同的方式随机洗牌我扩展了python的random.shuffle()以获得第二个参数:
def shuffle_together(x, y):
assert len(x) == len(y)
for i in reversed(xrange(1, len(x))):
# pick an element in x[:i+1] with which to exchange x[i]
j = int(random.random() * (i+1))
x[i], x[j] = x[j], x[i]
y[i], y[j] = y[j], y[i]
通过这种方式,我可以确保洗牌发生在适当的位置,并且函数不会太长或太复杂。对连接列表进行适当洗牌的一种方法是使用种子(可能是随机的)并使用numpy.random.shuffle进行洗牌
# Set seed to a random number if you want the shuffling to be non-deterministic.
def shuffle(a, b, seed):
np.random.seed(seed)
np.random.shuffle(a)
np.random.seed(seed)
np.random.shuffle(b)
就这样。这将以完全相同的方式洗牌a和b。这也是在适当的地方完成的,这总是一个加号
编辑,不要使用np.random.seed()而是使用np.random.RandomState
调用它时,只需传入任意种子以提供随机状态:
a = [1,2,3,4]
b = [11, 22, 33, 44]
shuffle(a, b, 12345)
输出:
>>> a
[1, 4, 2, 3]
>>> b
[11, 44, 22, 33]
编辑:修复了重新设置随机状态种子的代码您可以创建如下数组:
s = np.arange(0, len(a), 1)
然后洗牌:
np.random.shuffle(s)
现在使用这个s作为数组的参数。相同的混洗参数返回相同的混洗向量
x_data = x_data[s]
x_label = x_label[s]
詹姆斯在2015年写了一篇有帮助的sklearn。但他添加了一个随机状态变量,这是不需要的。在下面的代码中,将自动假定numpy的随机状态
X = np.array([[1., 0.], [2., 1.], [0., 0.]])
y = np.array([0, 1, 2])
from sklearn.utils import shuffle
X, y = shuffle(X, y)
只使用NumPy将任意数量的数组就地混洗在一起
import numpy as np
def shuffle_arrays(arrays, set_seed=-1):
"""Shuffles arrays in-place, in the same order, along axis=0
Parameters:
-----------
arrays : List of NumPy arrays.
set_seed : Seed value if int >= 0, else seed is random.
"""
assert all(len(arr) == len(arrays[0]) for arr in arrays)
seed = np.random.randint(0, 2**(32 - 1) - 1) if set_seed < 0 else set_seed
for arr in arrays:
rstate = np.random.RandomState(seed)
rstate.shuffle(arr)
需要注意的几点:
- 断言可确保所有输入数组沿方向具有相同的长度 他们的第一维度
- 数组按其第一维度在适当的位置移动-没有返回任何内容
- 正int32范围内的随机种子
- 如果需要可重复的洗牌,则可以设置种子值
洗牌后,可以使用
np拆分数据。拆分或使用切片引用数据-具体取决于应用程序。有一个众所周知的函数可以处理此问题:
from sklearn.model_selection import train_test_split
X, _, Y, _ = train_test_split(X,Y, test_size=0.0)
只需将test_size设置为0,就可以避免拆分,并为您提供无序数据。
虽然它通常用于分割训练和测试数据,但它也会对它们进行洗牌。
从
将数组或矩阵拆分为随机序列和测试子集
快速实用程序,包装输入验证和
接下来(ShuffleSplit().split(X,y))和应用程序将数据输入到
单个调用,用于在
一行
假设我们有两个数组:a和b
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[9,1,1],[6,6,6],[4,2,0]])
我们首先可以通过排列第一维来获得行索引
indices = np.random.permutation(a.shape[0])
[1 2 0]
然后使用高级索引。
在这里,我们使用相同的索引来同步洗牌两个数组
a_shuffled = a[indices[:,np.newaxis], np.arange(a.shape[1])]
b_shuffled = b[indices[:,np.newaxis], np.arange(b.shape[1])]
这相当于
np.take(a, indices, axis=0)
[[4 5 6]
[7 8 9]
[1 2 3]]
np.take(b, indices, axis=0)
[[6 6 6]
[4 2 0]
[9 1 1]]
只需使用numpy
首先合并两个输入数组1D数组是标签(y)和2D数组是数据(x),并使用NumPyshuffle
方法将它们洗牌。最后把他们分开再回来
将numpy导入为np
def shuffle_2d(a、b):
行=a.shape[0]
如果b.形状!=(第1行):
b=b.重塑((行,1))
S=np.hstack((b,a))
np.random.shuffle(S)
b、 a=S[:,0],S[:,1:]
返回a,b
特征,样本=2,5
x、 y=np.random.random((样本,特征)),np.arange(样本)
x、 y=shuffle_2d(训练、测试)
这似乎是一个非常简单的解决方案:
randomize = np.arange(len(x))
np.random.shuffle(randomize)
x = x[randomize]
y = y[randomize]
import numpy as np
def shuffle_in_unison(a,b):
assert len(a)==len(b)
c = np.arange(len(a))
np.random.shuffle(c)
return a[c],b[c]
a = np.asarray([[1, 1], [2, 2], [3, 3]])
b = np.asarray([11, 22, 33])
shuffle_in_unison(a,b)
Out[94]:
(array([[3, 3],
[2, 2],
[1, 1]]),
array([33, 22, 11]))
让我对实现自己的洗牌算法感到谨慎;部分原因是
from np.random import permutation
from sklearn.datasets import load_iris
iris = load_iris()
X = iris.data #numpy array
y = iris.target #numpy array
# Data is currently unshuffled; we should shuffle
# each X[i] with its corresponding y[i]
perm = permutation(len(X))
X = X[perm]
y = y[perm]
import numpy as np
def shuffle_in_unison(a,b):
assert len(a)==len(b)
c = np.arange(len(a))
np.random.shuffle(c)
return a[c],b[c]
a = np.asarray([[1, 1], [2, 2], [3, 3]])
b = np.asarray([11, 22, 33])
shuffle_in_unison(a,b)
Out[94]:
(array([[3, 3],
[2, 2],
[1, 1]]),
array([33, 22, 11]))