当处理常规的Python列表时，random.shuffle()将完成工作，就像前面的答案所显示的那样。

但当涉及到ndarray(numpy.array)时，随机。Shuffle似乎破坏了原始ndarray。这里有一个例子:

import random
import numpy as np
import numpy.random

a = np.array([1,2,3,4,5,6])
a.shape = (3,2)
print a
random.shuffle(a) # a will definitely be destroyed
print a

只需使用:np.random.shuffle(a)

像随机的。Shuffle, np.random.shuffle原地打乱数组。

import random
random.shuffle(array)

另一种方法是使用sklearn

from sklearn.utils import shuffle
X=[1,2,3]
y = ['one', 'two', 'three']
X, y = shuffle(X, y, random_state=0)
print(X)
print(y)

输出:

[2, 1, 3]
['two', 'one', 'three']

优点:可以同时随机多个数组，而不会中断映射。'random_state'可以控制可复制行为的变换。

你可以用随机键对数组排序

sorted(array, key = lambda x: random.random())

键只读取一次，所以在排序期间比较项目仍然有效。

但看起来random.shuffle(array)会更快，因为它是用C写的

顺便说一下，这是O(Nlog(N)

import random
random.shuffle(array)

# arr = numpy array to shuffle

def shuffle(arr):
    a = numpy.arange(len(arr))
    b = numpy.empty(1)
    for i in range(len(arr)):
        sel = numpy.random.random_integers(0, high=len(a)-1, size=1)
        b = numpy.append(b, a[sel])
        a = numpy.delete(a, sel)
    b = b[1:].astype(int)
    return arr[b]