如何取消数据洗牌？

Question

可能存在从

shuffle

函数返回

sklearn.utils

的方法吗？ 我更好地解释了我的问题：我使用

shuffle

函数来随机化两个矩阵的行：

A_s, B_s = shuffle(A, B, random_state = 1)

接下来，我在某些操作中使用两个矩阵

A_s

，

B_s

，并获得另一个具有相同维度的矩阵

C_s

：例如

C_s = f(A_s, B_s)

。如何将

C

恢复为

A

和

B

的原始顺序？

我正在思考类似于

sklearn.preprocessing.MinMaxScaler((0,+1))

的事情，并且在我回来后使用

sklearn.inverse_transform()

。

Answer 1

不一定可行，取决于您的选择

f

。如果

f

是可逆的，并且您跟踪行的洗牌方式，那么这是可能的，即使效率不高。 sklearn.utils shuffle 方法不会“跟踪”矩阵的洗牌方式。您可能想自己动手。要生成随机洗牌，请生成

range(len(A))

的随机排列，然后按该顺序迭代交换行。要检索原始矩阵，只需反转排列即可。这将允许您针对

f

的某些选择恢复 C（例如矩阵加法）

（编辑，OP 请求额外信息）

这对我有用，但可能有更有效的方法：

import numpy as np

def shuffle(A,axis=0,permutation=None):
    A = np.swapaxes(A,0,axis)
    if permutation is None:
        permutation = np.random.permutation(len(A))
    temp = np.copy(A[permutation[0]])
    for i in range(len(A)-1):
        A[permutation[i]] = A[permutation[i+1]]
    A[permutation[-1]] = temp
    A = np.swapaxes(A,0,axis)
    return A, permutation

A = np.array([[1,2],[3,4],[5,6],[7,8]])
print A
B, p = shuffle(A) #NOTE: shuffle is in place, so A is the same object as B!!!!
print "shuffle A"
print B
D, _ = shuffle(B,permutation=p[::-1])
print "unshuffle B to get A"
print D

B = np.copy(B)
C = A+B
print "A+B"
print C

A_s, p = shuffle(A)
B_s, _ = shuffle(B, permutation = p)
C_s = A_s + B_s

print "shuffle A and B, then add"
print C_s

print "unshuffle that to get the original sum"
CC, _ = shuffle(C_s, permutation=p[::-1])
print CC

Answer 2

import numpy as np


def shuffle(x):
    x_s = x.copy()
    x_s.insert(0, x_s.pop())
    return x_s


def unshuffle(x, shuffle):
    shuffled_ind = shuffle(list(range(len(x))))
    rev_shuffled_ind = np.argsort(shuffled_ind)
    x_unshuffled = np.array(x)[rev_shuffled_ind].tolist()
    return x_unshuffled


x = [1, 2, 3, 4, 5, 6, 7]
x_s = shuffle(x)
print(x_s)
x_r = unshuffle(x_s, shuffle)
print(x_r)

这里迟到的答案。

实际上，你有自己的 shuffle() 函数。

这个想法是对一个序列进行打乱，并使用 np.argsoft() 获取用于打乱的索引。

希望有帮助！

Answer 3

重置或取消随机播放的简单方法

df = df.reset_index(drop=True)