如果你想要一个新的数组，你可以使用sample:

import random
new_array = random.sample( array, len(array) )

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)

其他的答案是最简单的，但它是有点烦人的随机。Shuffle方法实际上并不返回任何东西——它只是对给定的列表进行排序。如果你想链式调用，或者只是能够在一行中声明一个洗牌数组，你可以这样做:

    import random
    def my_shuffle(array):
        random.shuffle(array)
        return array

然后你可以这样做:

    for suit in my_shuffle(['hearts', 'spades', 'clubs', 'diamonds']):

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。

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

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。