python 實(shí)現(xiàn)以相同規(guī)律打亂多組數(shù)據(jù)
在深度學(xué)習(xí)的數(shù)據(jù)訓(xùn)練過(guò)程中,雖然tensorflow和pytorch都會(huì)自帶打亂數(shù)據(jù)進(jìn)行訓(xùn)練的方法,但是當(dāng)我們自己生成數(shù)據(jù),或者某些情況下依然要自己手動(dòng)打亂順序。
這里介紹如何以相同規(guī)律打亂X,Y兩組數(shù)據(jù),多組數(shù)據(jù)相同道理。
第一種:(X,Y是list的格式,不是array)
產(chǎn)生相同的種子(seed)打亂順序:
import random seed =50 x_batch, y_batch,start_num = train_load_order_sharp_5_9(image_list, num, start_num,length) #加載我所有的數(shù)據(jù),這里想x_batch,Y_batch是list的格式,要注意 random.seed(seed) random.shuffle(x_batch) random.seed(seed)#一定得重復(fù)在寫(xiě)一遍,和上面的seed要相同,不然y_batch和x_batch打亂順序會(huì)不一樣 random.shuffle(y_batch)
第二種:zip的方式,更加高效:(同第一種,X,Y是list的格式,不是array)
from random import shuffle shuffle_data=True if shuffle_data: c = list(zip(x_batch,y_batch)) shuffle(c) x_batch,y_batch = zip(*c)
舉個(gè)例子:
>>> a=[1,2,3,4] >>> b=[11,22,33,44] >>> c=list(zip(a,b)) >>> shuffle(c) >>> a,b = zip(*c) >>> a (2, 4, 3, 1) >>> b (22, 44, 33, 11) #這里就讓a,b以相同的規(guī)律被打亂
補(bǔ)充:python打亂列表的方法解決問(wèn)題_Python 如何隨機(jī)打亂列表(List)排序
現(xiàn)在有一個(gè)list:[1,2,3,4,5,6],我需要把這個(gè)list在輸出的時(shí)候,是以一種隨機(jī)打亂的形式輸出。
專(zhuān)業(yè)點(diǎn)的術(shù)語(yǔ):將一個(gè)容器中的數(shù)據(jù)每次隨機(jī)逐個(gè)遍歷一遍。
注意:不是生成一個(gè)隨機(jī)的list集。
環(huán)境:
Python 3.6
解決方案:
方案一:
有人可能會(huì)通過(guò)Random內(nèi)置函數(shù),來(lái)間接實(shí)現(xiàn)想要的結(jié)果。但是這種方式,太原始,也不夠優(yōu)雅,而且有種重復(fù)造輪子的嫌疑。這里我就不貼我自己通過(guò)random實(shí)現(xiàn)的效果了。
方案二:
Random中有一個(gè)random.shuffle()方法提供了完美的解決方案。代碼如下:
x = [1,2,3,4,5,6] random.shuffle(x) print(x)
輸出結(jié)果:
第一次輸出內(nèi)容:[6, 5, 1, 3, 2, 4]
第二次輸出內(nèi)容:[6, 1, 3, 5, 2, 4]
第三次輸出內(nèi)容:[5, 3, 1, 2, 4, 6]
從結(jié)果我們可以看出,輸出是完全隨機(jī)的,代碼量就兩行,不需要random,不需要for循環(huán)。
源碼解讀:
def shuffle(self, x, random=None): """Shuffle list x in place, and return None.
原位打亂列表,不生成新的列表。
Optional argument random is a 0-argument
function returning a random float in [0.0, 1.0);
if it is the default None,
the standard random.random will be used.
可選參數(shù)random是一個(gè)從0到參數(shù)的函數(shù),返回[0.0,1.0)中的隨機(jī)浮點(diǎn);
如果random是缺省值None,則將使用標(biāo)準(zhǔn)的random.random()。
""" if random is None: randbelow = self._randbelow for i in reversed(range(1, len(x))): # pick an element in x[:i+1] with which to exchange x[i] j = randbelow(i + 1) x[i], x[j] = x[j], x[i] else: _int = int for i in reversed(range(1, len(x))): # pick an element in x[:i+1] with which to exchange x[i] j = _int(random() * (i + 1)) x[i], x[j] = x[j], x[i]
注意 :
從代碼的注釋?zhuān)覀兛吹絩andom.shuffle()是對(duì)原list做修改,如果需要保留原list,請(qǐng)注意這個(gè)細(xì)節(jié)。
以上為個(gè)人經(jīng)驗(yàn),希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教。
相關(guān)文章
python 統(tǒng)計(jì)list中各個(gè)元素出現(xiàn)的次數(shù)的幾種方法
這篇文章主要介紹了python 統(tǒng)計(jì)list中各個(gè)元素出現(xiàn)的次數(shù)的幾種方法,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-02-02keras模型保存為tensorflow的二進(jìn)制模型方式
這篇文章主要介紹了keras模型保存為tensorflow的二進(jìn)制模型方式,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2020-05-05使用Selenium實(shí)現(xiàn)微博爬蟲(chóng)(預(yù)登錄、展開(kāi)全文、翻頁(yè))
這篇文章主要介紹了使用Selenium實(shí)現(xiàn)微博爬蟲(chóng)(預(yù)登錄、展開(kāi)全文、翻頁(yè)),文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2021-04-04Python直接使用plot()函數(shù)畫(huà)圖的方法實(shí)例
Python非常簡(jiǎn)單而又非常強(qiáng)大,它的功能之一就是畫(huà)出漂亮的圖表,實(shí)現(xiàn)數(shù)據(jù)的可視化,下面這篇文章主要給大家介紹了關(guān)于Python直接使用plot()函數(shù)畫(huà)圖的相關(guān)資料,需要的朋友可以參考下2022-05-05解決python3安裝pandas出錯(cuò)的問(wèn)題
這篇文章主要介紹了解決python3安裝pandas出錯(cuò)的問(wèn)題,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方,望不吝賜教2021-05-05mac 上配置Pycharm連接遠(yuǎn)程服務(wù)器并實(shí)現(xiàn)使用遠(yuǎn)程服務(wù)器Python解釋器的方法
這篇文章主要介紹了mac 上如何配置Pycharm連接遠(yuǎn)程服務(wù)器并實(shí)現(xiàn)使用遠(yuǎn)程服務(wù)器Python解釋器,本文通過(guò)圖文并茂的形式給大家介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2020-03-03python PyQt5的窗口界面的各種交互邏輯實(shí)現(xiàn)
PyQt5是一個(gè)Python綁定庫(kù),用于Qt C++ GUI框架,它允許開(kāi)發(fā)者使用Python語(yǔ)言創(chuàng)建跨平臺(tái)的應(yīng)用程序,并利用豐富的Qt圖形用戶界面功能,本文介紹了python中PyQt5窗口界面的各種交互邏輯實(shí)現(xiàn),需要的朋友可以參考下2024-07-07