注意random.shuffle()不应该用于多维数组，因为它会导致重复。

假设你想要沿着数组的第一个维度洗牌，我们可以创建以下测试示例，

import numpy as np
x = np.zeros((10, 2, 3))

for i in range(10):
   x[i, ...] = i*np.ones((2,3))

沿着第一个轴，第i个元素对应于一个2x3矩阵其中所有的元素都等于i。

如果我们对多维数组使用正确的洗牌函数，即np.random.shuffle(x)，数组将按照需要沿着第一个轴洗牌。但是，使用random.shuffle(x)将导致重复。你可以在洗牌后运行len(np.unique(x))来检查这一点，使用np.random.shuffle()会得到10(正如预期的那样)，但使用random.shuffle()时只有5左右。

我不知道我使用了random。shuffle()，但它返回'None'给我，所以我写了这个，可能对别人有帮助

def shuffle(arr):
    for n in range(len(arr) - 1):
        rnd = random.randint(0, (len(arr) - 1))
        val1 = arr[rnd]
        val2 = arr[rnd - 1]

        arr[rnd - 1] = val1
        arr[rnd] = val2

    return arr

import random
random.shuffle(array)

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。

除了前面的回复，我想介绍另一个功能。

numpy。random。shuffle和random。进行原地洗牌。但是，如果你想返回一个打乱的数组，可以使用numpy.random.permutation函数。