python训练数据时打乱训练数据与标签的两种方法_np.random.shuffle获取原本的下标-优快云博客

本文介绍使用Python的NumPy库实现数据集打乱的两种方法：一种通过打乱索引来节省内存并确保每次打乱不同；另一种利用随机数种子直接打乱数据，保证每次打乱顺序一致。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import numpy as np  
  
data = np.array([[1,1],[2,2],[3,3],[4,4],[5,5]])  
y = np.array([1,2,3,4,5])
  
print '-------第1种方法：通过打乱索引从而打乱数据,好处是1:数据量很大时能够节约内存,2每次都不一样----------'  
data = np.array([[1,1],[2,2],[3,3],[4,4],[5,5]])  
data_num, _= data.shape #得到样本数  
index = np.arange(data_num)  # 生成下标  
np.random.shuffle(index)  
print '-------原数据：----------'  
print '数据：',data  
print '标签：', y
print '-------打乱数据：----------'  
print '数据：',data[index]  
print '标签：',y[index]

print '-------第2种方法：直接的打乱数据,利用随机数种子，好处：每次打乱的顺序是固定的----------'  
data = np.array([[1,1],[2,2],[3,3],[4,4],[5,5]])  
y = np.array([1,2,3,4,5])

print '-------原数据：----------'  
print '数据：',data  
print '标签：', y
print '-------打乱数据：----------'  
np.random.seed(116)
np.random.shuffle(data) 
np.random.seed(116)
np.random.shuffle(y) 
print '数据：',data  
print '标签：', y