shuffle#

sklearn.utils.shuffle(*arrays, random_state=None, n_samples=None)[source]#

以一致的方式打乱数组或稀疏矩阵。

这是 resample(*arrays, replace=False) 的一个便利别名，用于对集合进行随机排列。

参数:

*arrays可索引数据结构的序列: 可索引数据结构可以是数组、列表、数据框或第一维一致的scipy稀疏矩阵。
random_stateint, RandomState instance or None, default=None: 确定用于打乱数据的随机数生成器。传入一个整数可以在多次函数调用中获得可重现的结果。参见词汇表。
n_samplesint, default=None: 要生成的样本数量。如果设置为None，则自动设置为数组的第一维大小。它不应大于数组的长度。

返回:

shuffled_arrays可索引数据结构的序列: 集合的打乱副本序列。原始数组不受影响。

另请参阅

resample: 以一致的方式重新采样数组或稀疏矩阵。

示例

可以在同一次运行中混合使用稀疏数组和密集数组

>>> import numpy as np
>>> X = np.array([[1., 0.], [2., 1.], [0., 0.]])
>>> y = np.array([0, 1, 2])

>>> from scipy.sparse import coo_matrix
>>> X_sparse = coo_matrix(X)

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

>>> X_sparse
<Compressed Sparse Row sparse matrix of dtype 'float64'
    with 3 stored elements and shape (3, 2)>

>>> X_sparse.toarray()
array([[0., 0.],
       [2., 1.],
       [1., 0.]])

>>> y
array([2, 1, 0])

>>> shuffle(y, n_samples=2, random_state=0)
array([0, 1])