python中的np.random.permutation函數(shù)怎么使用

本文小編為大家詳細介紹“python中np.random.permutation函數(shù)怎么使用”，內(nèi)容詳細，步驟清晰，細節(jié)處理妥當，希望這篇“python中np.random.permutation函數(shù)怎么使用”文章能幫助大家解決疑惑，下面跟著小編的思路慢慢深入，一起來學(xué)習(xí)新知識吧。

一:函數(shù)介紹

np.random.permutation() 總體來說他是一個隨機排列函數(shù),就是將輸入的數(shù)據(jù)進行隨機排列,官方文檔指出,此函數(shù)只能針對一維數(shù)據(jù)隨機排列,對于多維數(shù)據(jù)只能對第一維度的數(shù)據(jù)進行隨機排列。

簡而言之：np.random.permutation函數(shù)的作用就是按照給定列表生成一個打亂后的隨機列表

在處理數(shù)據(jù)集時，通?？梢允褂迷摵瘮?shù)進行打亂數(shù)據(jù)集內(nèi)部順序，并按照同樣的順序進行標簽序列的打亂。

二:實例

2.1 直接處理數(shù)組或列表數(shù)

import numpy as np

data = np.array([1,2,3,4,5,6,7])
a = np.random.permutation(data)
b = np.random.permutation([5,0,9,0,1,1,1])
print(a)
print( "data:", data )
print(b)

2.2 間接處理：不改變原數(shù)據(jù)（對數(shù)組下標的處理）

label = np.array([1,2,3,4,5,6,7])
a = np.random.permutation(np.arange(len(label)))
print("Label[a] :" ,label[a] )

補：一般只能用于N維數(shù)組 只能將整數(shù)標量數(shù)組轉(zhuǎn)換為標量索引

why?label1[a1]  label1是列表，a1是列表下標的隨機排列 但是！ 列表結(jié)構(gòu)沒有標量索引 label1[a1]報錯

label1=[1,2,3,4,5,6,7]
print(len(label1))

a1 = np.random.permutation(np.arange(len(label1)))#有結(jié)果

print(a1)

print("Label1[a1] :" ,label1[a1] )#這列表結(jié)構(gòu)沒有標量索引 所以會報錯

2.3 實例：鳶尾花數(shù)據(jù)中對鳶尾花的隨機打亂(可以直接用）

from sklearn import svm
from sklearn import datasets #sklearn 的數(shù)據(jù)集
iris = datasets.load_iris()
iris_x = iris.data
iris_y = iris.target
indices = np.random.permutation(len(iris_x))

#此時 打亂的是數(shù)組的下標的排序
print(indices)
print(indices[:-10])#到倒數(shù)第10個為止
print(indices[-10:])#最后10個

# print(type(iris_x))   <class 'numpy.ndarray'>

#9:1分類
#iris_x_train = iris_x[indices[:-10]]#使用的數(shù)組打亂后的下標
#iris_y_train = iris_y[indices[:-10]]
#iris_x_test= iris_x[indices[-10:]]
#iris_y_test= iris_y[indices[-10:]]

數(shù)組下標 即標量索引的重新分布情況： 下標是0開始

讀到這里，這篇“python中np.random.permutation函數(shù)怎么使用”文章已經(jīng)介紹完畢，想要掌握這篇文章的知識點還需要大家自己動手實踐使用過才能領(lǐng)會，如果想了解更多相關(guān)內(nèi)容的文章，歡迎關(guān)注億速云行業(yè)資訊頻道。