2つの派手な配列を一斉にシャッフルするより良い方法

形状が異なるが、長さは同じ（先頭の次元）の2つの乱雑な配列があります。それぞれの要素をシャッフルして、対応する要素が引き続き対応するようにします。

このコードは機能し、私の目標を示しています：

def shuffle_in_unison(a, b):
    assert len(a) == len(b)
    shuffled_a = numpy.empty(a.shape, dtype=a.dtype)
    shuffled_b = numpy.empty(b.shape, dtype=b.dtype)
    permutation = numpy.random.permutation(len(a))
    for old_index, new_index in enumerate(permutation):
        shuffled_a[new_index] = a[old_index]
        shuffled_b[new_index] = b[old_index]
    return shuffled_a, shuffled_b

例えば：

>>> a = numpy.asarray([[1, 1], [2, 2], [3, 3]])
>>> b = numpy.asarray([1, 2, 3])
>>> shuffle_in_unison(a, b)
(array([[2, 2],
       [1, 1],
       [3, 3]]), array([2, 1, 3]))

ただし、これは不格好で非効率的で低速に感じられ、配列のコピーを作成する必要があります。非常に大きくなるので、代わりに配列を入れ替えます。

これについてより良い方法はありますか？実行の高速化とメモリ使用量の削減が私の主な目標ですが、エレガントなコードもいいでしょう。

私が持っていたもう一つの考えはこれでした：

def shuffle_in_unison_scary(a, b):
    rng_state = numpy.random.get_state()
    numpy.random.shuffle(a)
    numpy.random.set_state(rng_state)
    numpy.random.shuffle(b)

これは機能します...しかし、それが機能することを保証することはほとんどないので、それは少し怖いです-たとえば、numpyバージョン全体で存続することが保証されているようなものではありません。

あなたの「怖い」解決策は私には怖くないようです。呼び出しshuffle()乱数生成器への呼び出しの数が同じで、同じ長さの結果の二つの配列のために、これらはシャッフルアルゴリズムで唯一の「ランダム」な要素です。状態をリセットすることにより、乱数ジェネレーターへの呼び出しがへの2番目の呼び出しで同じ結果を与えることを保証するshuffle()ため、アルゴリズム全体で同じ順列が生成されます。

これが気に入らない場合は、別の解決策として、最初から2つではなく1つの配列にデータを格納し、現在の2つの配列をシミュレートするこの1つの配列に2つのビューを作成します。単一の配列をシャッフルに使用し、ビューを他のすべての目的に使用できます。

例：レッツは、配列を前提とaし、bこのような外観を：

a = numpy.array([[[  0.,   1.,   2.],
                  [  3.,   4.,   5.]],

                 [[  6.,   7.,   8.],
                  [  9.,  10.,  11.]],

                 [[ 12.,  13.,  14.],
                  [ 15.,  16.,  17.]]])

b = numpy.array([[ 0.,  1.],
                 [ 2.,  3.],
                 [ 4.,  5.]])

これで、すべてのデータを含む単一の配列を作成できます。

c = numpy.c_[a.reshape(len(a), -1), b.reshape(len(b), -1)]
# array([[  0.,   1.,   2.,   3.,   4.,   5.,   0.,   1.],
#        [  6.,   7.,   8.,   9.,  10.,  11.,   2.,   3.],
#        [ 12.,  13.,  14.,  15.,  16.,  17.,   4.,   5.]])

次に、オリジナルaとをシミュレートするビューを作成しますb。

a2 = c[:, :a.size//len(a)].reshape(a.shape)
b2 = c[:, a.size//len(a):].reshape(b.shape)

a2およびのデータはとb2共有されていcます。両方のアレイを同時にシャッフルするには、を使用しますnumpy.random.shuffle(c)。

生産コードでは、あなたはもちろん、オリジナルの作成を回避しようとするaと、b作成し、すぐにすべてに及びc、a2そしてb2。

このソリューションは、さまざまなdtype aをb持つケースに適応できます。

NumPyの配列インデックスを使用できます。

def unison_shuffled_copies(a, b):
    assert len(a) == len(b)
    p = numpy.random.permutation(len(a))
    return a[p], b[p]

これにより、ユニゾンシャッフルされた個別の配列が作成されます。

X = np.array([[1., 0.], [2., 1.], [0., 0.]])
y = np.array([0, 1, 2])
from sklearn.utils import shuffle
X, y = shuffle(X, y, random_state=0)

詳細については、http：//scikit-learn.org/stable/modules/generated/sklearn.utils.shuffle.htmlを参照してください

非常にシンプルなソリューション：

randomize = np.arange(len(x))
np.random.shuffle(randomize)
x = x[randomize]
y = y[randomize]

2つの配列x、yは両方とも同じ方法でランダムにシャッフルされます。

Jamesは2015年に役立つsklearn ソリューションを書きました。しかし、彼はランダムな状態変数を追加しましたが、これは必要ありません。以下のコードでは、numpyからのランダムな状態が自動的に想定されます。

X = np.array([[1., 0.], [2., 1.], [0., 0.]])
y = np.array([0, 1, 2])
from sklearn.utils import shuffle
X, y = shuffle(X, y)

from np.random import permutation
from sklearn.datasets import load_iris
iris = load_iris()
X = iris.data #numpy array
y = iris.target #numpy array

# Data is currently unshuffled; we should shuffle 
# each X[i] with its corresponding y[i]
perm = permutation(len(X))
X = X[perm]
y = y[perm]

NumPyのみを使用して、任意の数の配列をインプレースで一緒にシャッフルします。

import numpy as np


def shuffle_arrays(arrays, set_seed=-1):
    """Shuffles arrays in-place, in the same order, along axis=0

    Parameters:
    -----------
    arrays : List of NumPy arrays.
    set_seed : Seed value if int >= 0, else seed is random.
    """
    assert all(len(arr) == len(arrays[0]) for arr in arrays)
    seed = np.random.randint(0, 2**(32 - 1) - 1) if set_seed < 0 else set_seed

    for arr in arrays:
        rstate = np.random.RandomState(seed)
        rstate.shuffle(arr)

そして、このように使用できます

a = np.array([1, 2, 3, 4, 5])
b = np.array([10,20,30,40,50])
c = np.array([[1,10,11], [2,20,22], [3,30,33], [4,40,44], [5,50,55]])

shuffle_arrays([a, b, c])

注意すべきいくつかの点：

• アサートは、すべての入力配列が最初の次元に沿って同じ長さであることを保証します。
• 配列は最初の次元でインプレースでシャッフルされます-何も返されません。
• 正のint32範囲内のランダムシード。
• 反復可能なシャッフルが必要な場合は、シード値を設定できます。

シャッフル後、np.splitアプリケーションに応じて、データをスライスを使用して分割したり、スライスを使用して参照したりできます。

あなたは次のような配列を作ることができます：

s = np.arange(0, len(a), 1)

次にシャッフルします：

np.random.shuffle(s)

このsを配列の引数として使用します。同じシャッフルされた引数は、同じシャッフルされたベクトルを返します。

x_data = x_data[s]
x_label = x_label[s]

接続されたリストに対してインプレースシャッフルを実行できる1つの方法は、シード（ランダムである可能性があります）を使用し、numpy.random.shuffleを使用してシャッフルを実行することです。

# Set seed to a random number if you want the shuffling to be non-deterministic.
def shuffle(a, b, seed):
   np.random.seed(seed)
   np.random.shuffle(a)
   np.random.seed(seed)
   np.random.shuffle(b)

それでおしまい。これにより、aとbの両方がまったく同じ方法でシャッフルされます。これもインプレースで行われ、常にプラスになります。

編集、np.random.seed（）を使用せず、代わりにnp.random.RandomStateを使用

def shuffle(a, b, seed):
   rand_state = np.random.RandomState(seed)
   rand_state.shuffle(a)
   rand_state.seed(seed)
   rand_state.shuffle(b)

呼び出すときは、任意のシードを渡してランダムな状態をフィードします。

a = [1,2,3,4]
b = [11, 22, 33, 44]
shuffle(a, b, 12345)

出力：

>>> a
[1, 4, 2, 3]
>>> b
[11, 44, 22, 33]

編集：ランダムな状態を再シードするようにコードを修正

これを処理できるよく知られた関数があります：

from sklearn.model_selection import train_test_split
X, _, Y, _ = train_test_split(X,Y, test_size=0.0)

test_sizeを0に設定するだけで分割が回避され、データがシャッフルされます。通常、トレーニングデータとテストデータを分割するために使用されますが、それらもシャッフルします。ドキュメント
から

配列または行列をランダムトレインとテストサブセットに分割する

入力検証とnext（ShuffleSplit（）。split（X、y））およびアプリケーションをラップして、1つのライナーでデータを分割（およびオプションでサブサンプリング）するための単一の呼び出しにデータを入力するクイックユーティリティ。

aとbの2つの配列があるとします。

a = np.array([[1,2,3],[4,5,6],[7,8,9]])
b = np.array([[9,1,1],[6,6,6],[4,2,0]]) 

最初の次元を並べ替えることにより、最初に行インデックスを取得できます

indices = np.random.permutation(a.shape[0])
[1 2 0]

次に、高度なインデックスを使用します。ここでは、同じインデックスを使用して両方の配列を同時にシャッフルしています。

a_shuffled = a[indices[:,np.newaxis], np.arange(a.shape[1])]
b_shuffled = b[indices[:,np.newaxis], np.arange(b.shape[1])]

これは

np.take(a, indices, axis=0)
[[4 5 6]
 [7 8 9]
 [1 2 3]]

np.take(b, indices, axis=0)
[[6 6 6]
 [4 2 0]
 [9 1 1]]

配列のコピーを避けたい場合は、順列リストを生成する代わりに、配列内のすべての要素を調べ、配列内の別の位置にランダムにスワップすることをお勧めします

for old_index in len(a):
    new_index = numpy.random.randint(old_index+1)
    a[old_index], a[new_index] = a[new_index], a[old_index]
    b[old_index], b[new_index] = b[new_index], b[old_index]

これは、Knuth-Fisher-Yatesシャッフルアルゴリズムを実装します。

これは非常に単純な解決策のようです：

import numpy as np
def shuffle_in_unison(a,b):

    assert len(a)==len(b)
    c = np.arange(len(a))
    np.random.shuffle(c)

    return a[c],b[c]

a =  np.asarray([[1, 1], [2, 2], [3, 3]])
b =  np.asarray([11, 22, 33])

shuffle_in_unison(a,b)
Out[94]: 
(array([[3, 3],
        [2, 2],
        [1, 1]]),
 array([33, 22, 11]))

例では、これは私がやっていることです：

combo = []
for i in range(60000):
    combo.append((images[i], labels[i]))

shuffle(combo)

im = []
lab = []
for c in combo:
    im.append(c[0])
    lab.append(c[1])
images = np.asarray(im)
labels = np.asarray(lab)

Pythonのrandom.shuffle（）を拡張して、2番目の引数を取ります。

def shuffle_together(x, y):
    assert len(x) == len(y)

    for i in reversed(xrange(1, len(x))):
        # pick an element in x[:i+1] with which to exchange x[i]
        j = int(random.random() * (i+1))
        x[i], x[j] = x[j], x[i]
        y[i], y[j] = y[j], y[i]

そうすることで、シャッフルがインプレースで行われ、関数が長すぎたり複雑になったりしないことが確実になります。

ただ使うnumpy...

最初に2つの入力配列をマージします。1D配列はlabels（y）で、2D配列はdata（x）で、NumPy shuffleメソッドでそれらをシャッフルします。最後にそれらを分割して戻ります。

import numpy as np

def shuffle_2d(a, b):
    rows= a.shape[0]
    if b.shape != (rows,1):
        b = b.reshape((rows,1))
    S = np.hstack((b,a))
    np.random.shuffle(S)
    b, a  = S[:,0], S[:,1:]
    return a,b

features, samples = 2, 5
x, y = np.random.random((samples, features)), np.arange(samples)
x, y = shuffle_2d(train, test)