我有两个不同形状的numpy数组，但长度相同（领先维度）。我想要改变它们中的每一个，使得相应的元素继续对应 - 即，相对于它们的前导索引一致地混洗它们。
此代码有效，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, 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，这感觉笨重，低效和缓慢，并且它需要制作阵列的副本 - 我宁愿将它们原位洗牌，因为它们会非常大。
有没有更好的方法来解决这个问题？更快的执行速度和更低的内存使用率是我的主要目标，但优雅的代码也会很好。
我有另外一个想法是：
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)
这有点......但它有点可怕，因为我看不出它会继续工作 - 例如，它看起来不像是保证在numpy版本中存活的那种东西。
你的“可怕”解决方案对我来说并不可怕。为相同长度的两个序列调用shuffle()导致对随机数生成器的相同调用次数，并且这些是随机数算法中唯一的“随机”元素。通过重置状态，您可以确保在第二次调用shuffle()时对随机数生成器的调用将给出相同的结果，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两个数组，并在此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混洗，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.]])
我们现在可以构造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。要同时对两个阵列进行洗牌，请使用numpy.random.shuffle(c)。
在生产代码中，你当然会尽量避免创建原始的a和b并立即创建c，a2和b2。
该解决方案可以适应a和b具有不同dtypes的情况。
有一个众所周知的功能可以解决这个问题：
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将避免拆分并为您提供随机数据。虽然它通常用于分割列车和测试数据，但它确实会对它们进行改组。 来自documentation
将数组或矩阵拆分为随机序列和测试子集
包含输入验证和下一个（ShuffleSplit（）。split（X，y））和应用程序的快速实用程序，用于将数据输入到单个调用中，以便在oneliner中拆分（并可选地进行子采样）数据。
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时对两个数组进行混洗。
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]]
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，然后将它随机交换到数组中的另一个位置
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 shuffle算法。
举个例子，这就是我正在做的事情：
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)
我扩展了python的random.shuffle（）以获取第二个arg：
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]
这样我可以确定洗牌就地发生，而且功能不是太长或太复杂。
你可以使用NumPy的array indexing：
def unison_shuffled_copies(a, b):
assert len(a) == len(b)
p = numpy.random.permutation(len(a))
return a[p], b[p]
这将导致创建单独的unison-shuffled数组。
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，请参阅http://scikit-learn.org/stable/modules/generated/sklearn.utils.shuffle.html
很简单的解决方案
randomize = np.arange(len(x))
np.random.shuffle(randomize)
x = x[randomize]
y = y[randomize]
现在，两个数组x，y都以相同的方式随机洗牌
詹姆斯在2015年写了一个有用的sklearn solution。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，自动假设来自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)
仅使用NumPy就地将任意数量的阵列就地混合在一起。
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)
并且可以像这样使用
a = np.array([1, 2, 3, 4, 5])
b = np.array([10,20,30,40,50])
c = np.array([[1,10,11], [2,20,22], [3,30,33], [4,40,44], [5,50,55]])
shuffle_arrays([a, b, c])
有几点需要注意：
在shuffle之后，可以使用np.split分割数据或使用切片引用数据 - 具体取决于应用程序。
你可以做一个像这样的数组：
s = np.arange(0, len(a), 1)
然后洗牌：
np.random.shuffle(s)
现在使用此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]
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]
可以对连接列表进行就地重排的一种方法是使用种子（它可以是随机的）并使用numpy.random.shuffle来进行混洗。
# 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)
而已。这将以完全相同的方式洗牌a和b。这也是就地完成的，这总是一个加号。
def shuffle(a, b, seed):
rand_state = np.random.RandomState(seed)
rand_state.shuffle(a)
rand_state.seed(seed)
rand_state.shuffle(b)
在调用它时只需传入任何种子来提供随机状态：
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：修复了重新播种随机状态的代码