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。

这是一个便捷别名，相当于 resample(*arrays, replace=False)，用于对集合进行随机排列。

参数:

*arrays可索引数据结构的序列: 可索引的数据结构可以是数组、列表、数据框（dataframe）或具有一致第一维度的 scipy 稀疏矩阵。
random_stateint, RandomState instance or None, default=None: 决定用于打乱数据的随机数生成。传入一个整数以在多次函数调用中获得可重现的结果。参见术语表。
n_samplesint, default=None: 要生成的样本数量。如果保持为 None，则自动设置为数组的第一维度。它不应大于数组的长度。

返回:

shuffled_arrays可索引数据结构的序列: 打乱后的集合副本序列。原始数组不会受到影响。

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_array
>>> X_sparse = coo_array(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 array 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])

Gallery examples#