Python机器学习——如何shuffle一个数据集（ndarray类型）

取 shuffle 的过程其实可看做从全排列中随机选择一个的过程。

稍微比较麻烦的是实现特征向量与类别标签的同步shuffle。

如果这里数据集既包含特征向量又包括标签值，可直接调用np.random.shuffle()方法：

>>> np.random.shuffle(training_data)
>>> X = training_data[:, :-1]
>>> y = trianing_data[:, -1]

如果已对数据集的特征向量与类别标签列进行分离，这里提供两种方式进行同步shuffle：

法 I：使用 np.random.shuffle()

>>> training_data = np.hstack(X, y)
>>> np.random.shuffle(training_data)
>>> X = training_data[:, :-1]
>>> y = training_data[:, -1]

法 II：np.random.permutation() 对行索引进行一次全排列

>>> r = np.random.permutation(len(y))
                                # 随机地从全排列中选取一个，实现 shuffle
>>> X = X[r, :] 
>>> y = [r]

按列 shuffle

上文所述皆是对矩阵的行（样本矩阵的每一个样本）进行 shuffle，那么该如何 shuffle 矩阵的列呢（也即样本矩阵的每一个属性）

仍然存在两种方案，

法 I：np.random.shuffle()

因为 np.random.shuffle() 直接对原始矩阵进行修改（返回值为NoneType），且不接受另外的参数，我们可对原始矩阵的转置 

shuffle 之后，再转置

>>> training_data = np.hstack(X, y)
>>> training_data = training_data.T
>>> np.random.shuffle(training_data)
>>> training_data = training_data.T
>>> X = training_data[:, :-1]
>>> y = training_data[:, -1]

法 II：np.random.permutation() 对列索引进行一次全排列

# 此时 y 参与 shuffle
>>> r = np.random.permutation(X.shape[1])

>>> X[:, r]

#-*- encoding:utf-8 -*-import pandas as pdimport numpy as npimport randomdef test3():    df = pd.DataFrame(np.random.randn(4, 2), columns=list('ab'))    print df    m1 = df.values    np.random.shuffle(m1)    df = pd.DataFrame(m1, columns=list('ab'))    print dfdef test4():    '''    np.random.shuffle和random.shuffle是不同的，random.shuffle只能是数组random.shuffle    :return:    '''    list = [20, 16, 10, 5];    np.random.shuffle(list)    print "随机排序列表 : ", list    np.random.shuffle(list)    print "随机排序列表 : ", listtest3()