为何在循环中使用numpy shuffle无法打乱数组指定列？

你的代码核心问题是错误操作了原数组X_test的元素，而非拷贝后的X_test_s：

• 你先通过X_test_s = X_test.copy()得到原数组的拷贝，但循环里tempmat = X_test[i]取的是原数组的视图，对tempmat的修改会直接改变原数组X_test，之后再把这个修改后的视图赋值给X_test_s[i]，相当于把原数组的修改结果同步到拷贝数组，完全没起到单独打乱X_test_s的作用。
• 另外，np.random.shuffle是原地打乱数组，temp2 = tempmat[:,1]得到的是视图，执行shuffle后已经直接修改了tempmat的对应列，不需要额外执行tempmat[:,1] = temp2。

修正后的简化代码 #

X_test_s = X_test.copy()
for i in range(len(X_test_s)):
    # 直接操作拷贝数组的第i个样本的第2列（索引为1）
    np.random.shuffle(X_test_s[i][:, 1])

执行这段代码后，X_test_s[3][:,1]会输出打乱后的结果，且原数组X_test的对应列不会被修改。

更高效的向量化实现（避免循环） #

如果数据量较大，可通过numpy向量化操作提升效率：

X_test_s = X_test.copy()
# 为每个样本的第2列生成随机排序索引
shuffled_indices = np.random.rand(X_test_s.shape[0], X_test_s.shape[1]).argsort(axis=1)
# 根据索引重新排列第2列元素
X_test_s[:, :, 1] = X_test_s[np.arange(X_test_s.shape[0])[:, None], shuffled_indices, 1]

内容的提问来源于stack exchange，提问作者eng