Question

NumPy（或者可能是TensorFlow）中是否有API用于执行多个阵列的同步混洗（具有相同的第一维）？

例如，如果我有两个具有维度（N，A）和（N，B）的数组，并且我想随机化每个N个元素的排序，同时保持第一个数组的元素之间的关联，第二个。

是否有用于完成此操作的API或Python习惯用法？

请注意，将这些组合成N个元组的单个数组，然后使用random.shuffle进行混洗可能是我接受的一个选项，但是我无法让它工作：恢复原始数组（尽管我已经管理过了）凌乱，因为combined_array[:,0]将维度（N，）与对象作为元素，而不是维度（N，A），除非它是{ {3}} [x for x in combined_array[:,0]

Answer 1

permutation = numpy.random.permutation(N)

arr1_shuffled = arr1[permutation]
arr2_shuffled = arr2[permutation]

选择一个排列并将其用于两个数组。

Answer 2

一种简单的解决方法，无需触摸或组合原始集合即可使用随机化的双射函数，该函数映射到数组中元素的索引。然后，您可以使用该函数（映射）并将其应用于两个（或任何数字）数组以获得混洗结果。

这个一般的想法可以应用于任何类型的集合，并不仅限于Numpy数组。

执行此操作的最简单方法是使用所有索引的随机列表，然后，随机迭代同步数组，只需遍历混洗索引列表并访问当前索引处的元素：

from random import shuffle

# These would be your input lists (or arrays, doesn’t really matter)
list1 = […]
list2 = […]

# generate a list of all indexes
indexes = list(range(len(list1)))

# shuffle the indexes
shuffle(indexes)

for i in indexes:
    print(list1[i], list2[i])

当然您也可以使用它来创建新订单的新列表/数组。

是否存在用于同步改组Python数组的习惯用法或API？

2 个答案: