Python标签打乱问题

在Python我想打乱数据集的标签来生成噪声数据，但是我使用np.random.shuffle这个函数发现打乱仍有部分标签与打乱前相同，要怎么才能让每个样本的标签与打乱前都不同呢？

不知道你这个问题是否已经解决, 如果还没有解决的话:

• 你看下这篇博客吧, 应该有用👉 ：python的random.shuffle使用存在的问题
• 除此之外, 这篇博客: python：numpy.random模块生成随机数中的 shuffle 部分也许能够解决你的问题, 你可以仔细阅读以下内容或者直接跳转源博客中阅读:
  

  功能
  给定一个数组或list，打乱顺序（同permutation）

  接口

  Docstring:
  shuffle(x)
  
  Modify a sequence in-place by shuffling its contents.
  
  This function only shuffles the array along the first axis of a
  multi-dimensional array. The order of sub-arrays is changed but
  their contents remains the same.
  
  Parameters
  ----------
  x : array_like
      The array or list to be shuffled.
  
  Returns
  -------
  None
  

  实例

  In [32]: x = np.arange(1,7)
  
  In [33]: x
  Out[33]: array([1, 2, 3, 4, 5, 6])
  
  In [34]: np.random.shuffle(x)
  
  In [35]: x
  Out[35]: array([4, 1, 6, 3, 5, 2])
  

• 以下回答来自chatgpt:

  我可以给出一个解决方案。在使用np.random.shuffle()打乱标签之前，我们可以首先生成一个随机排列数组，并将其用作索引来打乱数据集和标签。这样可以确保每个样本的标签与打乱前都不同。具体步骤如下：

  1.从numpy导入random模块

  2.生成一个随机排列的数组，该数组的长度与标签数组相同，其中元素为0到标签数组长度减1的整数序列的随机排列。可以使用random.permutation()方法来生成这个数组。

  3.将生成的随机排列数组用作索引来打乱数据集和标签，可以使用numpy的fancy indexing功能。

  这里是一个代码示例：

  import numpy as np
  
  # 假设标签数组为labels，数据集为dataset
  
  # 生成随机排列的数组
  idx = np.random.permutation(len(labels))
  
  # 使用fancy indexing打乱数据集和标签
  shuffled_dataset = dataset[idx]
  shuffled_labels = labels[idx]
  

  使用以上代码可以保证每个样本的标签与打乱前都不同。

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^