NumPy Shuffle 兩個陣列

打亂兩個相關陣列時，必須同步改變它們的列順序。如果一個陣列中的第 i 列對應到另一個陣列中的第 i 列，例如特徵列及其標籤，兩個陣列就必須使用相同的排列順序。若分別打亂，這種對應關係就會被破壞。以下範例使用雙欄特徵陣列和標籤陣列；每列中相符的值能清楚呈現兩者如何對齊。

同步打亂兩個陣列，保留對應列的關係

對兩個陣列套用相同的列順序。每個輸入陣列的第一個維度長度必須相同。若陣列有多個欄位，共用的順序會選取完整的列，因此列中的值會保持在一起。

使用固定順序執行此範例，方便檢查相符的特徵列與標籤：

本節中的程式碼以及顯示的標籤或輸出仍為英文。

import numpy as np

features = np.array([[10, 100], [20, 200], [30, 300]])
labels = np.array([1, 2, 3])
order = np.array([2, 0, 1])

print(features[order])
print(labels[order])

[[ 30 300]
 [ 10 100]
 [ 20 200]]
[3 1 2]

此處使用固定順序只是為了示範；若要隨機排列，請使用下方其中一種打亂方法產生的順序。

使用 sklearn.utils.shuffle()

sklearn.utils.shuffle() 可以接收多個陣列，並對它們套用一致的排列順序，然後回傳打亂後的陣列供你指派使用。安裝 scikit-learn 後，先用 from sklearn.utils import shuffle 匯入函式，再呼叫 features_shuffled, labels_shuffled = shuffle(features, labels)。將所有相關陣列一併傳入同一次呼叫，回傳結果中的各列就會維持配對。若專案已使用 scikit-learn，這種方法會很方便。每次呼叫產生的隨機順序可能不同；這個函式會回傳結果供你指派，不會就地重新排列來源陣列。

匯入函式和呼叫它都需要 scikit-learn，而不是每個 Python 環境都安裝了這個套件。若環境中已安裝，請先執行匯入，再指派兩個回傳的陣列。這個需要特定相依套件的呼叫僅以語法形式展示，並未作為範例執行；下方的 NumPy 節提供不需要 scikit-learn、可執行的替代方法。

使用 NumPy 共用同一個排列順序

numpy.random.permutation(features.shape[0]) 會產生一組經過打亂的列索引。將它存入 order，再用 features[order] 和 labels[order] 選取資料。NumPy 的進階索引會產生索引後的結果，來源陣列仍保留原始順序。保留 order，即可再次使用完全相同的排列、將它套用到其他陣列，或與資料一起保存以供後續使用。產生並保留索引順序，也能避免依賴特定的隨機狀態介面。

此處只產生一組順序，並用它索引兩個陣列。輸出的列順序會變動，但特徵與標籤仍會保持配對：

本節中的程式碼以及顯示的標籤或輸出仍為英文。

import numpy as np

features = np.array([[10, 100], [20, 200], [30, 300]])
labels = np.array([1, 2, 3])
order = np.random.permutation(features.shape[0])

features_shuffled = features[order]
labels_shuffled = labels[order]
print(features_shuffled)
print(labels_shuffled)

使用 NumPy 打亂共用的索引陣列

numpy.random.shuffle() 會就地修改傳入的序列。使用 order = np.arange(features.shape[0]) 建立索引陣列，再以 np.random.shuffle(order) 打亂它，接著用 features[order] 和 labels[order] 選取兩個來源陣列的資料。這樣可以保留來源資料，同時明確指定列的順序。若有其他陣列，也可以使用相同做法：對每個需要對齊的陣列套用同一組打亂後的索引。只有 order 會被就地打亂；索引後的結果是另外產生的陣列。如果其他程式碼可能修改 order，而你之後仍需要保留這個排列，請先複製一份。

此範例只會修改 order；兩個來源陣列都使用同一組打亂後的索引：

本節中的程式碼以及顯示的標籤或輸出仍為英文。

import numpy as np

features = np.array([[10, 100], [20, 200], [30, 300]])
labels = np.array([1, 2, 3])
order = np.arange(features.shape[0])
np.random.shuffle(order)

features_shuffled = features[order]
labels_shuffled = labels[order]
print(features_shuffled)
print(labels_shuffled)

檢查形狀、變更行為與可重現性

陣列的第一個維度必須相容，也就是沿著 axis 0 的長度必須相同，但其餘維度可以不同。例如，特徵列矩陣可以搭配一維標籤陣列。套用索引順序前，先檢查各陣列的第一個維度大小，確保每個索引都適用於所有陣列。

三種方法修改的對象各不相同。sklearn.utils.shuffle() 會回傳打亂後的陣列供你指派。numpy.random.permutation() 會回傳一組新的索引順序；用它索引陣列便會產生重新排列的結果。numpy.random.shuffle() 會修改傳入的索引陣列；在這些範例中，它不會直接打亂來源陣列。無論使用哪種方法，只有讓所有相關陣列使用相同順序，才能維持彼此的對應關係。

若要重現相同排列，請保留產生的索引陣列，並再次將它套用到原始陣列，或將它與資料一起保存。重用相同的索引順序，就能重現相同排列，而不必依賴未指定的隨機狀態 API。若需要新的獨立排列，請重新產生一組順序。這些範例不保證會產生特定的輸出順序。