Question

假设我有一个维度为r的数组(n, m)。我想改组那个数组的列。

如果我使用numpy.random.shuffle(r)，它会改变行。我怎么才能洗牌？因此，第一列成为第二列，第三列成为第一列，等等。

示例：

输入：

array([[  1,  20, 100],
       [  2,  31, 401],
       [  8,  11, 108]])

输出：

array([[  20, 1, 100],
       [  31, 2, 401],
       [  11,  8, 108]])

Answer 1

在问我想的时候，也许我可以改变转置阵列：

 np.random.shuffle(np.transpose(r))

它看起来像是完成了这项工作。我很感激评论，知道这是否是实现这一目标的好方法。

Answer 2

对于一般轴，您可以遵循以下模式：

>>> import numpy as np
>>> 
>>> a = np.array([[  1,  20, 100, 4],
...               [  2,  31, 401, 5],
...               [  8,  11, 108, 6]])
>>> 
>>> print a[:, np.random.permutation(a.shape[1])]
[[  4   1  20 100]
 [  5   2  31 401]
 [  6   8  11 108]]
>>> 
>>> print a[np.random.permutation(a.shape[0]), :]
[[  1  20 100   4]
 [  2  31 401   5]
 [  8  11 108   6]]
>>>

Answer 3

所以，离你的答案更进一步：

编辑：我很容易误解这是如何工作的，所以我在每一步都插入了对矩阵状态的理解。

r == 1 2 3
     4 5 6
     6 7 8

r = np.transpose(r)  

r == 1 4 6
     2 5 7
     3 6 8           # Columns are now rows

np.random.shuffle(r)

r == 2 5 7
     3 6 8 
     1 4 6           # Columns-as-rows are shuffled

r = np.transpose(r)  

r == 2 3 1
     5 6 4
     7 8 6           # Columns are columns again, shuffled.

然后将以适当的形状返回，并重新排列列。

矩阵转置的转置==那个矩阵，或者，[A ^ T] ^ T == A.所以，你需要在shuffle之后进行第二次转置（因为转置不是shuffle）以使它再次处于适当的形状。

编辑：OP的答案会跳过存储转置，而是让shuffle在r上运行，就像它一样。

Answer 4

还有另一种方法，它不使用换位并且显然更快：

np.take(r, np.random.permutation(r.shape[1]), axis=1, out=r)

CPU 时间：用户 1.14 毫秒，系统：1.03 毫秒，总计：2.17 毫秒。挂墙时间：3.89 毫秒

其他答案中的方法：np.random.shuffle(r.T)

CPU 时间：用户 2.24 ms，系统：0 ns，总计：2.24 ms 挂墙时间：5.08 毫秒

我使用 r = np.arange(64*1000).reshape(64, 1000) 作为输入。

Answer 5

一般情况下，如果你想沿轴i洗牌一个numpy数组：

def shuffle(x, axis = 0):
    n_axis = len(x.shape)
    t = np.arange(n_axis)
    t[0] = axis
    t[axis] = 0
    xt = np.transpose(x.copy(), t)
    np.random.shuffle(xt)
    shuffled_x = np.transpose(xt, t)
    return shuffled_x

shuffle(array, axis=i)

Answer 6

>>> print(s0)
>>> [[0. 1. 0. 1.]
     [0. 1. 0. 0.]
     [0. 1. 0. 1.]
     [0. 0. 0. 1.]]
>>> print(np.random.permutation(s0.T).T)
>>> [[1. 0. 1. 0.]
     [0. 0. 1. 0.]
     [1. 0. 1. 0.]
     [1. 0. 0. 0.]]

np.random.permutation（），进行行排列。

用Numpy洗牌阵列

6 个答案: