python中np.random.permutation函數(shù)實(shí)例詳解
一:函數(shù)介紹
np.random.permutation() 總體來(lái)說(shuō)他是一個(gè)隨機(jī)排列函數(shù),就是將輸入的數(shù)據(jù)進(jìn)行隨機(jī)排列,官方文檔指出,此函數(shù)只能針對(duì)一維數(shù)據(jù)隨機(jī)排列,對(duì)于多維數(shù)據(jù)只能對(duì)第一維度的數(shù)據(jù)進(jìn)行隨機(jī)排列。
簡(jiǎn)而言之：np.random.permutation函數(shù)的作用就是按照給定列表生成一個(gè)打亂后的隨機(jī)列表
在處理數(shù)據(jù)集時(shí)，通?？梢允褂迷摵瘮?shù)進(jìn)行打亂數(shù)據(jù)集內(nèi)部順序，并按照同樣的順序進(jìn)行標(biāo)簽序列的打亂。
二:實(shí)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?cè)瓟?shù)據(jù)（對(duì)數(shù)組下標(biāo)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(bǔ)：一般只能用于N維數(shù)組 只能將整數(shù)標(biāo)量數(shù)組轉(zhuǎn)換為標(biāo)量索引
why?label1[a1] label1是列表，a1是列表下標(biāo)的隨機(jī)排列 但是！ 列表結(jié)構(gòu)沒(méi)有標(biāo)量索引 label1[a1]報(bào)錯(cuò)
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(méi)有標(biāo)量索引 所以會(huì)報(bào)錯(cuò)
2.3 實(shí)例：鳶尾花數(shù)據(jù)中對(duì)鳶尾花的隨機(jī)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(shí) 打亂的是數(shù)組的下標(biāo)的排序 print(indices) print(indices[:-10])#到倒數(shù)第10個(gè)為止 print(indices[-10:])#最后10個(gè) # print(type(iris_x))?? <class 'numpy.ndarray'> #9:1分類(lèi) #iris_x_train = iris_x[indices[:-10]]#使用的數(shù)組打亂后的下標(biāo) #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(biāo) 即標(biāo)量索引的重新分布情況： 下標(biāo)是0開(kāi)始
總結(jié)
到此這篇關(guān)于python中np.random.permutation函數(shù)的文章就介紹到這了,更多相關(guān)python np.random.permutation函數(shù)內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
python統(tǒng)計(jì)字符串中指定字符出現(xiàn)次數(shù)的方法
這篇文章主要介紹了python統(tǒng)計(jì)字符串中指定字符出現(xiàn)次數(shù)的方法,涉及Python中count函數(shù)的使用技巧,非常具有實(shí)用價(jià)值,需要的朋友可以參考下2015-04-04
Django后端發(fā)送小程序微信模板消息示例(服務(wù)通知)
今天小編就為大家分享一篇Django后端發(fā)送小程序微信模板消息示例(服務(wù)通知)，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2019-12-12
基于Python實(shí)現(xiàn)人臉識(shí)別相似度對(duì)比功能
人臉識(shí)別技術(shù)是一種通過(guò)計(jì)算機(jī)對(duì)人臉圖像進(jìn)行分析和處理,從而實(shí)現(xiàn)自動(dòng)識(shí)別和辨認(rèn)人臉的技術(shù),隨著計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域的快速發(fā)展,人臉識(shí)別技術(shù)取得了長(zhǎng)足的進(jìn)步,本文給大家介紹了基于Python實(shí)現(xiàn)人臉識(shí)別相似度對(duì)比功能,感興趣的朋友可以參考下2024-01-01
在本篇文章里小編給大家整理的是一篇關(guān)于python獲取命令行參數(shù)實(shí)例方法講解內(nèi)容，有興趣的朋友們可以學(xué)習(xí)下。2020-11-11
本文主要介紹了Python中列出目錄中的文件的五種方法小結(jié)，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2023-02-02
Python數(shù)據(jù)可視化JupyterNotebook繪圖生成高清圖片
這篇文章主要為大家介紹了Python數(shù)據(jù)可視化中如何利用Jupyter Notebook繪圖生成高清圖片，有需要的朋友可以借鑒參考下，希望能夠有所幫助2021-09-09
這篇文章主要介紹了Django密碼存儲(chǔ)策略分析，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2020-01-01
plt.figure()參數(shù)使用詳解及運(yùn)行演示
這篇文章主要介紹了plt.figure()參數(shù)使用詳解及運(yùn)行演示，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-01-01
Python?Pygame實(shí)戰(zhàn)之歡樂(lè)打地鼠游戲
打地鼠是一款比較經(jīng)典的敏捷類(lèi)游戲，我們可以在許多商場(chǎng)門(mén)口看到這類(lèi)游戲機(jī)，在電腦和手機(jī)上也有許多類(lèi)似的游戲。本文將用Python中的Pygame庫(kù)實(shí)現(xiàn)這一游戲，需要的可以參考一下2022-02-02
比較詳細(xì)Python正則表達(dá)式操作指南(re使用)
Python 1.5之前版本則是通過(guò) regex 模塊提供 Emecs 風(fēng)格的模式。Emacs 風(fēng)格模式可讀性稍差些，而且功能也不強(qiáng)，因此編寫(xiě)新代碼時(shí)盡量不要再使用 regex 模塊，當(dāng)然偶爾你還是可能在老代碼里發(fā)現(xiàn)其蹤影2008-09-09