Автор оригинала: Team Python Pool.

5 Невероятных применений Numpy Shuffle С примерами

Привет гики и добро пожаловать в этой статье мы рассмотрим NumPy shuffle, также известный как NumPy random shuffle(). Наряду с этим, для общего лучшего понимания, мы рассмотрим его синтаксис и параметр. Затем мы рассмотрим несколько примеров, чтобы лучше понять эту тему. Но сначала попробуем получить краткое представление о функции через ее определение.

Тасовка-это обычное слово, которое мы используем ежедневно, начиная от тасовки колоды карт и заканчивая различными чеками в миске. Перетасовка обычно означает упорядочивание объектов случайным образом или в беспорядочной манере. Функция NumPy shuffle помогает нам, позволяя изменять позиции элементов в массиве NumPy. Это станет намного яснее после рассмотрения некоторых примеров. Но сначала давайте рассмотрим его синтаксис и параметры.

Синтаксис и параметры

np.random.shuffle(x)

Это общий синтаксис, связанный с функцией. В отличие от многих других функций NumPy, с ним связано не так много параметров.

X: ndarray или изменяемая последовательность

Этот параметр представляет массив, список или изменяемую последовательность, к которой пользователь хочет применить функцию.

Возвращать:

NumPy random shuffle() сама функция не возвращает Ничего, поскольку она работает на месте.

Примеры

Теперь мы закончили со всей теоретической частью. Мы подробно рассмотрели его синтаксис и параметры. Пришло время обсудить различные примеры, которые помогут лучше понять тему. Давайте начнем с примера элементарного уровня,

1. Для 1-d массива

import numpy as ppool
.arange(8)
print(a)
ppool.random.shuffle(a)
print(a)

Выход:

[0 1 2 3 4 5 6 7]
[7 5 2 1 0 3 4 6]

Здесь мы можем увидеть фундаментальный пример для NumPy shuffle. Для этого мы сначала импортировали модуль NumPy. После чего мы использовали другую функцию NumPy под названием “orange”. Эта функция предоставляет нам разнесенные значения в пределах указанного предела. Затем мы использовали функцию shuffle и, наконец, напечатали результат. Здесь мы можем наблюдать изменения и эффект функции перемешивания.

Для href=”https://en.wikipedia.org/wiki/Array_data_structure#One-dimensional_arrays”>1-d массивы, мы можем использовать функцию array для определения массива. Кроме того, мы должны следовать всем аналогичным шагам. Вы можете увидеть пример использования этого ниже. href=”https://en.wikipedia.org/wiki/Array_data_structure#One-dimensional_arrays”>1-d массивы, мы можем использовать функцию array для определения массива. Кроме того, мы должны следовать всем аналогичным шагам. Вы можете увидеть пример использования этого ниже.

import numpy as ppool
.array([1,5,7,8])
print(a)
ppool.random.shuffle(a)
print(a)

Выход:

[1 5 7 8]
[5 1 7 8]

2. NumPy shuffle для многомерного массива

import numpy as ppool.arange(12).reshape((6, 2))
print(a)
ppool.random.shuffle(a)
print(a)

Выход:

#input
[[ 0  1]
 [ 2  3]
 [ 4  5]
 [ 6  7]
 [ 8  9]
 [10 11]]
#output
[[10 11]
 [ 0  1]
 [ 4  5]
 [ 6  7]
 [ 8  9]
 [ 2  3]]

Здесь мы можем увидеть пример многомерного массива. Мы проделали те же шаги, что и в предыдущих примерах. Кроме того, помимо функции “arrange”, мы использовали функцию “shape” NumPy. Функция reshape помогает нам создать массив в соответствии с выбором. Отдых вы можете определить разницу между результатами. До тасовки и после тасовки.

3. Перетасуйте список

import numpy as ppool
list =["PYTHON","PPOOL","WEBSITE"]
print(list)
ppool.random.shuffle(list)
print(list)

Выход:

['PYTHON', 'PPOOL', 'WEBSITE']
['PPOOL', 'WEBSITE', 'PYTHON']

Здесь мы использовали функцию NumPy shuffle для списка. Список здесь содержит несколько строк. Функция shuffle здесь также предназначена для создания беспорядочного вывода для него.

4. NumPy shuffle rows

import numpy as ppool.random.random((3,4))
print(a)
ppool.random.shuffle(a)
print(a)

Выход:

[[0.10643543 0.8306541  0.94395107 0.62732634]
 [0.01638072 0.57944138 0.62131248 0.92049832]
 [0.03665327 0.42699486 0.37938069 0.47964699]]

[[0.10643543 0.8306541  0.94395107 0.62732634]
 [0.03665327 0.42699486 0.37938069 0.47964699]
 [0.01638072 0.57944138 0.62131248 0.92049832]]

В приведенном выше примере мы можем видеть, как происходит перетасовка строк. Чтобы получить массив для выполнения перетасовки, мы использовали функцию “random.random”. Затем мы использовали нашу функцию, и, наконец, мы можем наблюдать разницу в выходе.

5. NumPy shuffle 2 массива

from sklearn.utils import shuffle
import numpy as np.array([[11, 10], [212, 10], [5, 6]]).array([9,1,0])
X,(X, y)
print(X, y)

Выход:

[[ 11  10]
 [  5   6]
 [212  10]] [9 0 1]

Как будто теперь все примеры, которые мы видели, были связаны только с одним массивом. На этом примере мы можем получить представление о том, как функция может быть применена к 2 массивам одновременно. Для этого мы сначала импортировали shuffle из sklearn utils. Затем мы импортировали функцию NumPy. Затем мы определили 2 массива, после чего использовали функцию shuffle. Здесь вывод проверяет наш код.

Вывод

Эта статья посвящена NumPy shuffle, также известному как NumPy random shuffle(). Кроме того, мы также рассмотрели его синтаксис и параметры. Для лучшего понимания мы рассмотрели несколько примеров. Мы варьировали синтаксис и рассматривали выходные данные для каждого случая. В конце концов, мы можем сделать вывод, что NumPy shuffle-это функция, которая помогает перетасовать массив NumPy.

Надеюсь, эта статья смогла развеять все сомнения. Но если у вас есть какие-либо нерешенные вопросы, не стесняйтесь писать их ниже в разделе комментариев. Прочитав это, почему бы не прочитать unhashable type: list error next.