我有一个像下面这样的numpy数组：
Xtrain = np.array([[1, 2, 3],
[4, 5, 6],
[1, 7, 3]])
我想分别对每行的项进行随机播放，但不希望每行的shuffle相同（在几个示例中只是随机播放列顺序）。
例如，我想要一个如下输出：
output = np.array([[3, 2, 1],
[4, 6, 5],
[7, 3, 1]])
如何以有效的方式随机随机地随机移动每一行？我的实际np数组超过100000行和1000列。
由于您只想对列进行随机播放，因此您只需执行该操作即可 洗牌 转换你的矩阵：
In [86]: np.random.shuffle(Xtrain.T)
In [87]: Xtrain
Out[87]:
array([[2, 3, 1],
[5, 6, 4],
[7, 3, 1]])
注意 random.suffle（） 在2D数组上混洗行而不是每行中的项目。即改变行的位置。因此，如果你改变转置矩阵行的位置，你实际上是在改组原始数组的列。
如果您仍然想要一个完全独立的shuffle，您可以为每一行创建随机索引，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：
In [173]: crazyshuffle(Xtrain)
Out[173]:
array([[1, 3, 2],
[6, 5, 4],
[7, 3, 1]])
In [174]: crazyshuffle(Xtrain)
Out[174]:
array([[2, 3, 1],
[4, 6, 5],
[1, 3, 7]])
这种解决方案无论如何都没有效率，但我很乐意考虑它，所以写下来。基本上，您对数组进行了ravel，并创建了一个行标签数组和一个索引数组。您将索引数组洗牌，并使用该数组索引原始和行标签数组。然后你申请一个 稳定 argsort到行标签以将数据收集到行中。应用该索引并重新整形和中提琴，数据由行独立洗牌：
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 IDEOne链接
从： https://github.com/numpy/numpy/issues/5173
def disarrange(a, axis=-1):
"""
Shuffle `a` in-place along the given axis.
Apply numpy.random.shuffle to the given axis of `a`.
Each one-dimensional slice is shuffled independently.
"""
b = a.swapaxes(axis, -1)
# Shuffle `b` in-place along the last axis. `b` is a view of `a`,
# so `a` is shuffled in place, too.
shp = b.shape[:-1]
for ndx in np.ndindex(shp):
np.random.shuffle(b[ndx])
return
我们可以创建一个随机的二维矩阵，按行排序，然后使用给定的索引矩阵 argsort 重新排序目标矩阵。
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]])
说明
np.random.rand 和 argsort 模仿改组的效果。 random.rand 给出随机性。argsort 同 axis=1 帮助排列每一行。这将创建可用于重新排序的索引。让我们说你有阵列 a 形状100000 x 1000。
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更快，因为它需要排序，但有了这个解决方案，你可能会发明更好的东西，例如 np.argpartition 代替 np.argsort