Ctrl+K

洗牌#

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

以一致的方式洗牌数组或稀疏矩阵。

这是一个方便的别名， resample(*arrays, replace=False) 对这些集合进行随机排列。

参数:
*arrays可索引数据结构序列

可索引数据结构可以是具有一致第一维度的数组、列表、椭圆形结构或Scipy稀疏矩阵。

random_stateint，RandomState实例或无，默认=无

确定用于洗牌数据的随机数生成。传递int以获得跨多个函数调用的可重复结果。看到 Glossary .

n_samplesint，默认=无

要生成的样本数量。如果将其保留为无，则该值会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可索引数据结构序列

收藏品的洗牌副本序列。原始阵列不受影响。

参见

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稀疏和密集阵列：：

>>> 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])
On this page