这段代码可以实现我的目标:
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
例如:>>> 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]))
然而,这种方法感觉笨重、效率低下,并且需要复制数组——我更愿意在原地打乱它们,因为数组可能非常大。
有没有更好的方式?更快的执行速度和更低的内存使用是我的主要目标,但优雅的代码也很不错。
我还有一个想法:
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)
这个方法可以用,但有点危险,因为我看不到它会继续工作的保证。比如,它似乎不是那种能够跨越不同 numpy 版本存活下来的东西。