Skip to main content
 首页 » 编程设计

python之如何反洗牌数据

2025年02月15日11虾米哥

可能存在从 sklearn.utils 的函数 shuffle 返回的方法? 我更好地解释了我的问题:我使用 shuffle 函数随机化两个矩阵的行:

A_s, B_s = shuffle(A, B, random_state = 1)

接下来,我在某些操作中使用了两个矩阵 A_s、B_s,并获得了另一个具有相同维度的矩阵 C_s:例如C_s = f(A_s, B_s)。如何回到C原来的顺序为A和B?

我在想类似于 sklearn.preprocessing.MinMaxScaler((0,+1)) 的东西,在我回来使用 sklearn.inverse_transform() 之后。

请您参考如下方法:

不一定可以,取决于你选择的f。如果 f 是可逆的,并且您跟踪行被打乱的方式,那么即使效率不高,这也是可能的。 sklearn.utils shuffle 方法不会“跟踪”矩阵被洗牌的方式。你可能想自己动手。要生成随机洗牌,请生成 range(len(A)) 的随机排列,然后按该顺序迭代交换行。要检索原始矩阵,您只需反转排列即可。这将允许您为 f 的某些选择恢复 C(例如矩阵加法)

(编辑,OP 要求提供更多信息)

这对我有用,但可能还有更有效的方法:

import numpy as np 
 
def shuffle(A,axis=0,permutation=None): 
    A = np.swapaxes(A,0,axis) 
    if permutation is None: 
        permutation = np.random.permutation(len(A)) 
    temp = np.copy(A[permutation[0]]) 
    for i in range(len(A)-1): 
        A[permutation[i]] = A[permutation[i+1]] 
    A[permutation[-1]] = temp 
    A = np.swapaxes(A,0,axis) 
    return A, permutation 
 
A = np.array([[1,2],[3,4],[5,6],[7,8]]) 
print A 
B, p = shuffle(A) #NOTE: shuffle is in place, so A is the same object as B!!!! 
print "shuffle A" 
print B 
D, _ = shuffle(B,permutation=p[::-1]) 
print "unshuffle B to get A" 
print D 
 
B = np.copy(B) 
C = A+B 
print "A+B" 
print C 
 
A_s, p = shuffle(A) 
B_s, _ = shuffle(B, permutation = p) 
C_s = A_s + B_s 
 
print "shuffle A and B, then add" 
print C_s 
 
print "unshuffle that to get the original sum" 
CC, _ = shuffle(C_s, permutation=p[::-1]) 
print CC