Numpy笔记 · Permutation

Posted 2022-12-26 bluishglc

Numpy中的Permutation(意为置换)是指对一个数据集以随机顺序重新排序（其实就是一个“打乱顺序的洗牌操作”），该函数为：

numpy.random.permutation

与Permutation相类似的是shuffle, 区别在于shuffle直接在原来的数组上进行操作，改变原来数组的顺序，无返回值。而permutation不直接在原来的数组上进行操作，而是返回一个新的打乱顺序的数组，并不改变原来的数组。

如下代码演示了Permutation函数的工作方式：首先生成一个20个元素的自增数列，并转置为一个5行4列的DataFrame，然后通过np.random.permutation(5)创建了一个数组，我们注意一下这个数组的特点：参数5决定了数组由5个元素组成，从0到4，但是元素顺序是随机的。把这个数组给到df的take方法，df的take方法将以数组中的元素的值作为新的索引重新进行排序，如下图所示，将Permutation数组[1, 3, 0, 2, 4]给到take方法，意味着：原来df(二维数组)中的第1行（从0行开始计）将作为第0行，故：4 5 6 7这一行成为了新df中的第0行，同理，原来df中的第3行将作为第1行，故：12 13 14 15这一行成为了新df中的第1行。

在Handson ML一书中，有一个Permutation的典型应用场景：进行训练数据集和测试数据集的切分，切分时，一个重要的原则是：选择的记录应该是随机的，所以我们可以利用permutation先生成随机的索引数组，然后按期望的比例划走训练记录和测试记录的索引子集，最后通过iloc方法基于这些索引将数据切分出去：

import numpy as np
def split_train_test(data, test_ratio):
	# 顾名思义，返回的索引集合已经是shuffle过的了
	shuffled_indices = np.random.permutation(len(data))
	test_set_size = int(len(data) * test_ratio)
	test_indices = shuffled_indices[:test_set_size]
	train_indices = shuffled_indices[test_set_size:]
	return data.iloc[train_indices], data.iloc[test_indices]