Python 随机洗牌numpy数组每行中的项目

我有一个numpy数组，如下所示：

Xtrain = np.array([[1, 2, 3],
                   [4, 5, 6],
                   [1, 7, 3]])

output = np.array([[3, 2, 1],
                   [4, 6, 5],
                   [7, 3, 1]])

我想分别洗牌每一行的项目，但不希望每一行的洗牌相同（在几个示例中，只是洗牌列顺序）

例如，我希望输出如下所示：

Xtrain = np.array([[1, 2, 3],
                   [4, 5, 6],
                   [1, 7, 3]])

output = np.array([[3, 2, 1],
                   [4, 6, 5],
                   [7, 3, 1]])

如何以有效的方式随机洗牌每一行？我的实际np数组超过100000行和1000列。

来自：

---

由于您只想洗牌列，因此只需对矩阵执行转置操作：

In [86]: np.random.shuffle(Xtrain.T)

In [87]: Xtrain
Out[87]: 
array([[2, 3, 1],
       [5, 6, 4],
       [7, 3, 1]])

注意，在2D数组中，每行洗牌的是行而不是项。i、 e.更改行的位置。因此，如果更改转置矩阵行的位置，实际上就是在对原始数组的列进行洗牌

如果仍然需要完全独立的无序排列，可以为每行创建随机索引，然后使用简单的索引创建最终数组：

In [172]: def crazyshuffle(arr):
     ...:     x, y = arr.shape
     ...:     rows = np.indices((x,y))[0]
     ...:     cols = [np.random.permutation(y) for _ in range(x)]
     ...:     return arr[rows, cols]
     ...: 

演示：

---

我们可以创建一个随机二维矩阵，按每行对其进行排序，然后使用

argsort

给出的索引矩阵对目标矩阵进行重新排序

target = np.random.randint(10, size=(5, 5))
# [[7 4 0 2 5]
# [5 6 4 8 7]
# [6 4 7 9 5]
# [8 6 6 2 8]
# [8 1 6 7 3]]

shuffle_helper = np.argsort(np.random.rand(5,5), axis=1)
# [[0 4 3 2 1]
# [4 2 1 3 0]
# [1 2 3 4 0]
# [1 2 4 3 0]
# [1 2 3 0 4]]

target[np.arange(shuffle_helper.shape[0])[:, None], shuffle_helper]
# array([[7, 5, 2, 0, 4],
#       [7, 4, 6, 8, 5],
#       [4, 7, 9, 5, 6],
#       [6, 6, 8, 2, 8],
#       [1, 6, 7, 8, 3]])

解释

• 我们使用

  np.random.rand

  和

  argsort

  来模拟洗牌的效果

• random.rand

  提供随机性
• 然后，我们使用

  argsort

  和

  axis=1

  来帮助对每一行进行排序。这将创建可用于重新排序的索引

---

假设您有一个形状为100000 x 1000的数组

a

b = np.random.choice(100000 * 1000, (100000, 1000), replace=False)
ind = np.argsort(b, axis=1)
a_shuffled = a[np.arange(100000)[:,np.newaxis], ind]

---

我不知道这是否比循环快，因为它需要排序，但有了这个解决方案，也许你会发明更好的东西，例如用

np.argpartition

而不是

np.argsort

这个解决方案无论如何都是无效的，但我很有兴趣思考它，所以写下来。基本上，您可以展开数组，创建一个行标签数组和一个索引数组。您洗牌索引数组，并用它索引原始数组和行标签数组。然后对行标签应用stableargsort以将数据收集到行中。应用该索引并重塑和中提琴，数据按行独立洗牌：

import numpy as np

r, c = 3, 4  # x.shape

x = np.arange(12) + 1  # Already raveled 
inds = np.arange(x.size)
rows = np.repeat(np.arange(r).reshape(-1, 1), c, axis=1).ravel()

np.random.shuffle(inds)
x = x[inds]
rows = rows[inds]

inds = np.argsort(rows, kind='mergesort')
x = x[inds].reshape(r, c)

---

这是一个你可以使用的熊猫：

df=pd.数据帧（X_列）
_=df.apply（lambda x:np.random.shuffle（x.values），axis=1，raw=False）
df.values

---

如果您想洗牌列，请将关键字更改为

axis=0

。

@Kasramvd根据np文档，多维数组仅沿第一个轴洗牌：

>>>>>arr=np.arange（9）。重塑（（3,3））>>np.random.shuffle（arr）>>arr数组（[3,4,5]，[6,7,8]，[0,1,2]）

Yes

suffle（）

不接受轴参数。这里有一个类似的问题tho@Kasramvd如果我理解的话，这个问题是要改变行顺序，而不是行中的实际值。这比直接排序原始行更好吗？@MadPhysicast直接排序原始行将导致相同的结果，并且不留任何随机性。我刚刚得到了它。您使用的是

argsort

有一个axis参数来补偿

shuffle

的不足。Clever@MadPhysicist确切地谢谢你花时间来理解这个想法。