迹忆客 专注技术分享

在本教程中，我们将探讨在 Python 中对数组进行重组的各种方法。数组的重组意味着重新排列数组中元素的位置。数组重组的应用之一是在模型训练中，我们需要对数据集进行重组以提高模型的训练质量。它也可以用于统计学的许多应用中。

在 Python 中使用 random.shuffle() 方法对数组进行重组

random.shuffle() 方法接收一个序列作为输入并对其进行重组。这里需要注意的是，random.shuffle() 方法并不返回一个新的序列作为输出，而是对原始序列进行重组。因此，有效的输入序列只能是可变的数据类型，如数组或列表等。

random.shuffle() 方法只对一维序列有效。下面的示例代码演示了如何在 Python 中使用 random.shuffle() 来重组一个数组。

import random
import numpy as np

mylist = ["apple", "banana", "cherry"]
x = np.array((2,3,21,312,31,31,3123,131))

print(x)
print(mylist)

random.shuffle(mylist)
random.shuffle(x)

print(x)
print(mylist)

输出结果如下：

[   2    3   21  312   31   31 3123  131]
['apple', 'banana', 'cherry']
[3123   21  312    3    2  131   31   31]
['banana', 'apple', 'cherry']

在 Python 中使用 sklearn 模块的 shuffle() 方法对一个数组进行重组

sklearn.utils.shuffle(array, random_state, n_samples) 方法将具有相同第一维度的可索引序列如数组、列表或数据框等作为输入，并返回作为输入提供的重组序列的副本。

sklearn.utils.shuffle() 并不改变原始输入，而是返回输入的重组副本。输入可以是单个或多个序列。random_state 参数用于控制数字的随机生成。如果它被设置为某个整数，则该方法每次都会返回相同的重组序列。n_samples 代表样本数，它的默认值等于输入默认值的第一维，不应大于输入数组的长度。

如果输入是 2D，sklearn.utils.shuffle() 方法将只对行进行重组。

下面的示例代码演示了如何在 Python 中使用 sklearn.utils.shuffle() 方法来获取一个重组后的数组。

from sklearn.utils import shuffle
import numpy as np

x= np.array([[1, 2, 3], [ 6, 7, 8], [9, 10, 12]])
y = ['one', 'two', 'three']
z = [4, 5, 6]

print(x)
print(y)
print(z)

x,y,z = shuffle(x, y, z, random_state=0)

print(x)
print(y)
print(z)

输出结果如下：

[[ 1  2  3]
 [ 6  7  8]
 [ 9 10 12]]
['one', 'two', 'three']
[4, 5, 6]
[[ 9 10 12]
 [ 6  7  8]
 [ 1  2  3]]
['three', 'two', 'one']
[6, 5, 4]

注： 本文转载自：https://www.delftstack.com/zh/howto/python/python-shuffle-array/ 。文中示例的正确性已实际运行验证过，并配有截图。如遇到错误代码会进行相应的修改，修改正确之后才会在文中发布。如您发现有代码错误的，请及时告知。