Comment utiliser la fonction np.random.permutation en python

1 : Introduction à la fonction

np.random.permutation() Dans l'ensemble, c'est une fonction d'arrangement aléatoire, qui organise aléatoirement les données d'entrée. Le document officiel souligne que cette fonction ne peut organiser aléatoirement que des données unidimensionnelles, et pour les données multidimensionnelles, elle ne peut organiser aléatoirement les données que dans la première. dimension.

En bref : La fonction de la fonction np.random.permutation est de générer une liste aléatoire brouillée selon la liste donnée

#🎜 🎜#Lors du traitement d'un ensemble de données, vous pouvez généralement utiliser cette fonction pour mélanger l'ordre interne de l'ensemble de données et mélanger la séquence d'étiquettes dans le même ordre.

2 : Exemple

2.1 Traitement direct de tableaux ou de listes

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 Traitement indirect : Ne modifie pas les données d'origine (traitement des indices du tableau)

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

Supplément : Généralement, il ne peut être utilisé que pour N-dimensions tableaux et ne peut être que Convertir un tableau scalaire entier en index scalaire lister les indices mais! La structure de la liste n'a pas d'erreur d'index scalaire label1[a1]

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

a1 = np.random.permutation(np.arange(len(label1)))#有结果

print(a1)

print("Label1[a1] :" ,label1[a1] )#这列表结构没有标量索引 所以会报错

2.3 Exemple : mélange aléatoire de fleurs d'iris dans les données de fleurs d'iris (peut être utilisé directement )

from sklearn import svm
from sklearn import datasets #sklearn 的数据集
iris = datasets.load_iris()
iris_x = iris.data
iris_y = iris.target
indices = np.random.permutation(len(iris_x))

#此时 打乱的是数组的下标的排序
print(indices)
print(indices[:-10])#到倒数第10个为止
print(indices[-10:])#最后10个

# print(type(iris_x))   <class &#39;numpy.ndarray&#39;>

#9:1分类
#iris_x_train = iris_x[indices[:-10]]#使用的数组打乱后的下标
#iris_y_train = iris_y[indices[:-10]]
#iris_x_test= iris_x[indices[-10:]]
#iris_y_test= iris_y[indices[-10:]]

La redistribution des indices de tableau, c'est-à-dire les index scalaires : Les indices commencent à 0

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!