Python機器學習——如何shuffle一個資料集（ndarray型別）

取 shuffle 的過程其實可看做從全排列中隨機選擇一個的過程。

稍微比較麻煩的是實現特徵向量與類別標籤的同步shuffle。

如果這裡資料集既包含特徵向量又包括標籤值，可直接呼叫np.random.shuffle()方法：

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

如果已對資料集的特徵向量與類別標籤列進行分離，這裡提供兩種方式進行同步shuffle：

1. 使用 np.random.shuffle()

• X, y 同時進行 shuffle

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

• 根據 indices 進行shuffle

  indices = np.arange(X.shape[0])
  np.random.shuffle(indices)
  X = X[indices]
  y = y[indices]
  

2. np.random.permutation() 對行索引進行一次全排列

>>> r = np.random.permutation(len(y))
								# 隨機地從全排列中選取一個，實現 shuffle
>>> X = X[r, :] 
>>> y = [r]

3. shuffle

上文所述皆是對矩陣的行（樣本矩陣的每一個樣本）進行 shuffle，那麼該如何 shuffle 矩陣的列呢（也即樣本矩陣的每一個屬性）。

仍然存在兩種方案，

• np.random.shuffle()

  因為 np.random.shuffle() 直接對原始矩陣進行修改（返回值為NoneType），且不接受另外的引數，我們可對原始矩陣的轉置 shuffle 之後，再轉置

  >>> 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]
  

• np.random.permutation() 對列索引進行一次全排列

  # 此時 y 參與 shuffle
  >>> r = np.random.permutation(X.shape[1])
  >>> X[:, r]