Eu tenho duas matrizes numpy de formas diferentes, mas com o mesmo comprimento (dimensão inicial). Quero embaralhar cada um deles, de modo que os elementos correspondentes continuem a corresponder - ou seja, embaralhe-os em uníssono com relação aos seus principais índices.
Este código funciona e ilustra meus objetivos:
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
Por exemplo:
>>> 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]))
No entanto, isso parece desajeitado, ineficiente e lento, e exige uma cópia das matrizes - eu prefiro embaralhá-las no lugar, pois elas são muito grandes.
Existe uma maneira melhor de fazer isso? Execução mais rápida e menor uso de memória são meus principais objetivos, mas um código elegante também seria bom.
Um outro pensamento que eu tinha era o seguinte:
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)
Isso funciona ... mas é um pouco assustador, pois vejo pouca garantia de que continuará funcionando - não parece o tipo de coisa que é garantida para sobreviver em uma versão numpy, por exemplo.