NumPy 中的 numpy.random.permutation() 函数

numpy.random.permutation() 随机排列一个序列，或返回一个排列过的范围。向它传入一个数组，它会返回该数组的一个打乱了的副本——原始数组保持原样。向它传入一个整数 n，它会以随机顺序返回从 0 到 n - 1 的整数。这种复制而非修改的行为，正是它与就地打乱数组的 numpy.random.shuffle() 的全部区别。

在不改变原始数组的情况下进行排列

对于数组，permutation() 会构建一个包含相同元素、但顺序随机的新数组：

import numpy as np

original_array = np.array([1, 2, 3, 4, 5])
shuffled_array = np.random.permutation(original_array)

print("Original Array:", original_array)
print("Shuffled Array:", shuffled_array)

输出：

Original Array: [1 2 3 4 5]
Shuffled Array: [3 1 5 2 4]

shuffled_array 中的顺序是随机的，所以上面的输出只是一个可能的结果，而不是每次执行都会产生的结果。不变的是 original_array：它仍然保存着 [1 2 3 4 5]，这正是当原始顺序在后续仍然重要时——例如，当一个数据集必须与其标签保持对齐时——permutation() 成为正确选择的原因。

对于整数，permutation() 返回一个排列过的范围，这是获取随机索引的一种方便方法：

import numpy as np

n = 5
permuted_indices = np.random.permutation(n)

print("Permuted Indices:", permuted_indices)

输出：

Permuted Indices: [4 0 2 3 1]

同样，确切的顺序在每次执行时都会有所不同。传入一个整数等价于先用 np.arange(n) 构建范围，然后对该数组进行排列。

比较 permutation() 与 shuffle()

这两个函数的区别在于它们返回什么，以及它们对你的数据做了什么。permutation() 返回一个新数组，并且从不触碰它的输入。numpy.random.shuffle() 什么都不返回，而是就地重新排列数组本身：

import numpy as np

original_array = np.array([1, 2, 3, 4, 5])
np.random.shuffle(original_array)

print("Shuffled Original Array:", original_array)

输出：

Shuffled Original Array: [2 5 1 4 3]

在此调用之后，原始顺序就消失了。当你不需要原始顺序并想就地重新排列时，选择 shuffle()；当原始数组必须保留时，选择 permutation()。复制带来的一个实际影响是：在大型数据集上，permutation() 需要为第二个数组准备内存，所以当数据很大时，要在这种便利与额外的内存之间权衡。