更好地协调两个numpy数组的更好方法

Question

我有两个不同形状的numpy数组，但是长度（引导尺寸）相同。我想对它们中的每一个进行混洗，以使相应的元素继续对应-即相对于其前导索引一致地对它们进行混洗。

该代码有效，并说明了我的目标：

def shuffle_in_unison(a, b):
    assert len(a) == len(b)
    shuffled_a = numpy.empty(a.shape, dtype=a.dtype)
    shuffled_b = numpy.empty(b.shape, dtype=b.dtype)
    permutation = numpy.random.permutation(len(a))
    for old_index, new_index in enumerate(permutation):
        shuffled_a[new_index] = a[old_index]
        shuffled_b[new_index] = b[old_index]
    return shuffled_a, shuffled_b

例如：

>>> a = numpy.asarray([[1, 1], [2, 2], [3, 3]])
>>> b = numpy.asarray([1, 2, 3])
>>> shuffle_in_unison(a, b)
(array([[2, 2],
       [1, 1],
       [3, 3]]), array([2, 1, 3]))

但是，这感觉笨拙，效率低下且速度慢，并且需要复制数组-我宁愿就地对它们进行混洗，因为它们会很大。

有没有更好的方法来解决这个问题？更快的执行速度和更低的内存使用是我的主要目标，但是优雅的代码也将是不错的。

我的另一个想法是：

def shuffle_in_unison_scary(a, b):
    rng_state = numpy.random.get_state()
    numpy.random.shuffle(a)
    numpy.random.set_state(rng_state)
    numpy.random.shuffle(b)

这行得通…但是有点吓人，因为我几乎无法保证它会继续工作-例如，它看起来像不能保证在numpy版本中生存的那种东西。

Answer 1

您的“吓人”解决方案对我来说并不可怕。调用shuffle()两个相同长度的序列会导致对随机数生成器的调用次数相同，这是随机播放算法中唯一的“随机”元素。通过重置状态，可以确保对随机数生成器的调用将在对的第二次调用中给出相同的结果shuffle()，因此整个算法将生成相同的排列。

如果您不喜欢这种方法，那么另一种解决方案是将数据存储在一个数组中，而不是从一开始就存储在两个数组中，然后在此单个数组中创建两个视图以模拟您现在拥有的两个数组。您可以将单个数组用于改组，并将视图用于所有其他目的。

例如：假设数组a和b这个样子的：

a = numpy.array([[[  0.,   1.,   2.],
                  [  3.,   4.,   5.]],

                 [[  6.,   7.,   8.],
                  [  9.,  10.,  11.]],

                 [[ 12.,  13.,  14.],
                  [ 15.,  16.,  17.]]])

b = numpy.array([[ 0.,  1.],
                 [ 2.,  3.],
                 [ 4.,  5.]])

现在我们可以构造一个包含所有数据的数组：

c = numpy.c_[a.reshape(len(a), -1), b.reshape(len(b), -1)]
# array([[  0.,   1.,   2.,   3.,   4.,   5.,   0.,   1.],
#        [  6.,   7.,   8.,   9.,  10.,  11.,   2.,   3.],
#        [ 12.,  13.,  14.,  15.,  16.,  17.,   4.,   5.]])

现在我们创建模拟原始视图a和的视图b：

a2 = c[:, :a.size//len(a)].reshape(a.shape)
b2 = c[:, a.size//len(a):].reshape(b.shape)

和的数据a2与b2共享c。要同时混洗两个数组，请使用numpy.random.shuffle(c)。

在生产代码，你当然会尽量避免创建原始a和b根本，并马上创建c，a2和b2。

该解决方案能够适应的情况下a，并b有不同的dtypes。