Лучший способ перетасовать два массива numpy в унисон

Question

У меня есть два массива numpy разной формы, но одинаковой длины (ведущее измерение).Я хочу перетасовать каждый из них, чтобы соответствующие элементы продолжали соответствовать, т.е.перетасуйте их в унисон относительно ведущих индексов.

Этот код работает и иллюстрирует мои цели:

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

Например:

>>> 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]))

Однако это кажется неуклюжим, неэффективным и медленным и требует копирования массивов — я бы предпочел перетасовать их на месте, поскольку они будут довольно большими.

Есть ли лучший способ сделать это?Мои основные цели — более быстрое выполнение и меньшее использование памяти, но элегантный код тоже не помешал бы.

Еще одна мысль, которая у меня возникла, заключалась в следующем:

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)

Это работает... но это немного пугает, так как я не вижу никакой гарантии, что это продолжит работать - например, это не похоже на то, что гарантированно выживет в версии numpy.

Answer 1

Ваше «страшное» решение мне не кажется страшным.Вызов shuffle() поскольку две последовательности одинаковой длины приводят к одинаковому количеству вызовов генератора случайных чисел, и это единственные «случайные» элементы в алгоритме перемешивания.Сбрасывая состояние, вы гарантируете, что вызовы генератора случайных чисел дадут те же результаты при втором вызове shuffle(), поэтому весь алгоритм будет генерировать одну и ту же перестановку.

Если вам это не нравится, другим решением было бы хранить ваши данные в одном массиве вместо двух с самого начала и создать два представления в этом одном массиве, имитируя два массива, которые у вас есть сейчас.Вы можете использовать один массив для перетасовки, а представления — для всех других целей.

Пример:Предположим, массивы a и b выглядеть так:

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.]])

Теперь мы можем построить один массив, содержащий все данные:

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.]])

Теперь мы создаем представления, имитирующие оригинал. a и b:

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

Данные a2 и b2 делится с c.Чтобы перетасовать оба массива одновременно, используйте numpy.random.shuffle(c).

В производственном коде вы, конечно, попытаетесь избежать создания исходного кода. a и b вообще и сразу создать c, a2 и b2.

Это решение может быть адаптировано к случаю, когда a и b имеют разные типы dtypes.

Answer 2

Вы можете использовать Numpy's Индексирование массива:

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

Это приведет к созданию отдельных разведенных массивов из унисон.

Answer 3

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)

Чтобы узнать больше, см. http://scikit- learn.org/stable/modules/generated/sklearn.utils.shuffle.html.

Answer 4

Очень простое решение:

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

два массива X, Y теперь оба случайным образом перетасовываются так же

Answer 5

Джеймс написал в 2015 году решение что полезно. Но он добавил случайную переменную состояния, которая не требуется. В следующем коде случайное состояние из Numpy автоматически предполагается.

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)

Answer 6

Перемешать любое количество массивов вместе, на месте, используя только numpy.

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)

И можно использовать как это

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])

Несколько вещей, чтобы примечание:

• Утверждение гарантирует, что все входные массивы имеют одинаковую длину вдоль их первого измерения.
• Массивы перетасовали на месте их первым измерением - ничего не возвращалось.
• Случайное семя в пределах положительного диапазона INT32.
• Если требуется повторяемое перетасование, значение семян может быть установлено.

После перемещения данные могут быть разделены с использованием np.split или упоминается с использованием ломтиков - в зависимости от приложения.

Answer 7

Вы можете сделать массив, как:

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

Затем поместите это:

np.random.shuffle(s)

Теперь используйте это как аргумент ваших массивов. Теми же перетасовывающие аргументы возвращают одинаковые перетасовывающие векторы.

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

Answer 8

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]

Answer 9

Один из способов, в котором устойчивое спрей можно сделать для подключенных списков, используют семя (это может быть случайным) и с использованием Numpy.random.shuffle, чтобы сделать перетаситель.

# 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)

Вот и все. Это так же будет перемещать как и b. Это также сделано в месте, которое всегда плюс.

Редактировать, не используйте np.random.seed () Использование np.random.randomstate вместо

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

При звонке это просто пройти в любом семене, чтобы накормить случайное состояние:

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

Выход:

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

Редактировать: фиксированный код для повторного семена случайного состояния

Answer 10

Есть известная функция, которая может справиться с этим:

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

Просто настройка test_size до 0 избегает расщепления и дать вам смягчать данные. Хотя он обычно используется для разделения поезда и тестирования данных, он также делает их тоже.
От документация

Сплит массивов или матрицы в случайных поездов и тестовых подмножествах

Быстрая утилита, которая обертывает входную проверку и следующую (Shufflesplit (). Split (x, y)) и приложение для ввода данных в один вызов для разделения (и, необязательно, подводных) данных в Oneliner.

Answer 11

Скажем, у нас есть два массива: а б.

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

Сначала мы можем получить индексы строк путем перебивания первого измерения

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

Затем используйте расширенную индексацию. Здесь мы используем те же индексы, чтобы перетасовать оба массива в унисон.

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

Это эквивалентно

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]]

Answer 12

Если вы хотите избежать копирования массивов, то я бы предложил, чтобы вместо того, чтобы создавать список перестановок, вы проходите каждый элемент в массиве и случайным образом поменяете его в другую позицию в массиве

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]

Это реализует алгоритм Shuffle Shuffle Knuth-Fisher-Yates.

Answer 13

С примером это то, что я делаю:

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)

Answer 14

Я расширил Random Python .Shuffle (), чтобы взять второй Arg:

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]

Таким образом, я могу быть уверен, что спреивание происходит на месте, и функция не слишком длинная или сложная.