同时打乱数据集和标签的几种方式

最好先将数据转换为numpy数组的格式。

方法一：使用np.random.shuffle

state = np.random.get_state()
np.random.shuffle(train)
np.random.set_state(state)
np.random.shuffle(label)

或者这么使用：

需要注意的是，如果数组类型是：['a','b','c','d']，(4,)

我们要先将其转换为[['a'],['b'],['c'],['d']]，(4,1)

 train_row = list(range(len(train_label)))
 random.shuffle(train_row)
 train_image = train_image[train_row,:]
 train_label = train_label[train_row,:]

方法二：使用np.random.permutation()

shuffle_ix = np.random.permutation(np.arange(len(train_data)))
train_data = train_data[shuffle_ix,:]
train_label = train_label[shuffle_ix,:]

方法三：使用pytorch中的Dataset，还可以设置batchsize的大小

dataset = torch.utils.data.TensorDataset(data, target)      # 设置数据集
train_iter = torch.utils.data.DataLoader(dataset, batch_size, shuffle=True) # 设置获取数据方式

 举个例子：

import numpy as np
tes = np.array([['a'],['b'],['c'],['d']])
shuffle_ix = np.random.permutation(len(tes))
shuffle_ix = list(shuffle_ix)
print(shuffle_ix)
tes = tes[shuffle_ix,:]

[1, 3, 0, 2]

array([['b'],
       ['d'],
       ['a'],
       ['c']], dtype='<U1')

参考：

https://blog.csdn.net/sinat_38682860/article/details/108813209