Python sklearn shuffle用法及代码示例

本文简要介绍python语言中 sklearn.utils.shuffle 的用法。

用法:

sklearn.utils.shuffle(*arrays, random_state=None, n_samples=None)

以一致的方式洗牌数组或稀疏矩阵。

这是resample(*arrays, replace=False) 的方便别名，用于对集合进行随机排列。

参数：

*arrays：可转位序列data-structures

可索引data-structures 可以是具有一致第一维的数组、列表、数据帧或 scipy 稀疏矩阵。

random_state：int、RandomState 实例或无，默认=无

确定用于打乱数据的随机数生成。传递 int 以获得跨多个函数调用的可重现结果。请参阅术语表。

n_samples：整数，默认=无

要生成的样本数。如果保留为 None，则会自动将其设置为数组的第一维。它不应大于数组的长度。

返回：

shuffled_arrays：可转位序列data-structures

集合的洗牌副本的序列。原始数组不受影响。

例子：

可以在同一运行中混合稀疏和密集数组：

>>> 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
<3x2 sparse matrix of type '<... 'numpy.float64'>'
    with 3 stored elements in Compressed Sparse Row format>

>>> 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])