1.对于一维数据

import random
import numpy as np
a=[i for i in range(5)]
a=np.array(a)
print("a: \n",a)random.shuffle(a)
print('random.shuffle:\n',a) np.random.shuffle(a)
print('np.random.shuffle:\n',a)

输出结果为：

# a:
#  [0 1 2 3 4]
# random.shuffle:
#  [1 3 2 0 4]
# np.random.shuffle:
#  [2 3 0 4 1]

因此针对一维数据，可认为是随机排序。

2.对于多维数据

以二维为例：

2.1 random.shuffle操作np.array格式数组

import random
import numpy as np
a = []
for i in range(5):a.append([i]*5)
a=np.array(a)
print("a: \n",a)for _ in range(2):random.shuffle(a)
print('random.shuffle:\n',a) for _ in range(20):random.shuffle(a)
print('random.shuffle:\n',a)

输出为：

a: [[0 0 0 0 0][1 1 1 1 1][2 2 2 2 2][3 3 3 3 3][4 4 4 4 4]]
random.shuffle:[[0 0 0 0 0][1 1 1 1 1][1 1 1 1 1][2 2 2 2 2][4 4 4 4 4]]
random.shuffle:[[0 0 0 0 0][0 0 0 0 0][0 0 0 0 0][0 0 0 0 0][0 0 0 0 0]]

若数组的数据类型为np.array，则random.shuffle()执行的是非放回采样。显然循环n次后，数组中各行元素一致。

2.2 random.shuffle及np.random.shuffle操作python list格式数组

import random
import numpy as np
a = []
for i in range(5):a.append([i]*5)
print("a: \n",a)for _ in range(20):random.shuffle(a)
print('random.shuffle:\n',a) for _ in range(20):np.random.shuffle(a)
print('np.random.shuffle:\n',a)

输出为：

a: [[0, 0, 0, 0, 0], [1, 1, 1, 1, 1], [2, 2, 2, 2, 2], [3, 3, 3, 3, 3], [4, 4, 4, 4, 4]]
random.shuffle:[[1, 1, 1, 1, 1], [0, 0, 0, 0, 0], [3, 3, 3, 3, 3], [2, 2, 2, 2, 2], [4, 4, 4, 4, 4]]
np.random.shuffle:[[3, 3, 3, 3, 3], [2, 2, 2, 2, 2], [4, 4, 4, 4, 4], [0, 0, 0, 0, 0], [1, 1, 1, 1, 1]]

此输出是我们希望的结果。

2.3 numpy.random.shuffle操作np.array格式数组

import random
import numpy as npa = []
for i in range(5):a.append([i]*5)
a=np.array(a)
print("a: \n",a)for _ in range(20):np.random.shuffle(a)
print('np.random.shuffle:\n',a)

输出为：

a: [[0 0 0 0 0][1 1 1 1 1][2 2 2 2 2][3 3 3 3 3][4 4 4 4 4]]
np.random.shuffle:[[2 2 2 2 2][1 1 1 1 1][3 3 3 3 3][0 0 0 0 0][4 4 4 4 4]]

此输出也是我们希望的结果。

3.结论

综上可归纳如下：

数组shuffle	random.shuffle	numpy.random.shuffle
一维	OK	OK
多维np.array()	不放回采样	OK
多维python list数组	OK	OK

这也算是一个小坑吧。

random.shuffle和numpy.random.shuffle用法一样吗？相关推荐

Python语言学习：三种随机函数random.seed()、numpy.random.seed()、set_random_seed()及random_normal的简介、使用方法(固定种子)详细攻略
Python语言学习:三种随机函数random.seed().numpy.random.seed().set_random_seed()及random_normal的简介.使用方法(固定种子)之详细攻 ...
[转载] python numpy.random.randn()与numpy.random.rand()的区别 (正态分布公式)（标准正态分布 standard normal distribution
参考链接: Python中的numpy.random.randn 引用文章: numpy.random.randn()与numpy.random.rand()的区别 https://www.cnblo ...
numpy.random.rand()，numpy.random.randn()，numpy.random.normal()函数介绍和示例
numpy.random.rand(),numpy.random.randn(),numpy.random.normal()函数介绍和示例 1. numpy.random.rand() 均匀分布范围 ...
python random randint_python中numpy.random.randint用法
numpy.random.randint(low, high=None, size=None, dtype='l') 函数的作用是,返回一个随机整型数,范围从低(包括)到高(不包括),即[low, h ...
numpy.random.randn()与numpy.random.rand()的区别（转）
numpy中有一些常用的用来产生随机数的函数,randn()和rand()就属于这其中. numpy.random.randn(d0, d1, -, dn)是从标准正态分布中返回一个或多个样本值. ...
numpy.random.rand、numpy.random.randn
numpy.random.rand(d0,d1,-,dn) 返回一个或一组服从"0~1"均匀分布的随机样本值.随机样本取值范围是[0,1),不包括1 print(np.random ...
random.randint()与numpy.random.randint()的区别
random.randint() import random for n in range(5):for i in range(10):print(random.randint(1,5),end=' ...
numpy.random.randn()用法
在python数据分析的学习和应用过程中,经常需要用到numpy的随机函数,由于随机函数random的功能比较多,经常会混淆或记不住,下面我们一起来汇总学习下. import numpy as np ...
numpy.random.randn()与rand()的区别
1.numpy中有一些常用的用来产生随机数的函数,randn()和rand()就属于这其中. numpy.random.randn(d0, d1, -, dn)是从标准正态分布中返回一个或多个样本值 ...

random.shuffle和numpy.random.shuffle用法一样吗？

random.shuffle和numpy.random.shuffle的使用

1.对于一维数据

2.对于多维数据

2.1 random.shuffle操作np.array格式数组

2.2 random.shuffle及np.random.shuffle操作python list格式数组

2.3 numpy.random.shuffle操作np.array格式数组

3.结论

random.shuffle和numpy.random.shuffle用法一样吗？相关推荐

最新文章

热门文章