np.random.shuffle()未按预期工作：矩阵行洗牌问题排查

我想要对矩阵的行进行洗牌，但运行代码后发现洗牌未生效，y_w2v_train_s与y_w2v_train_n首行元素完全一致。以下是我的代码和运行结果：

#prepare the training data
dat_training = data_all_training[sbj]


labels_training = dat_training.select("Label")
labels_test = dat_test.select("Label")



y_w2v_train_n = return_normal_features_for_MEG_training(labels_training, type_emb)
y_w2v_pt_n = return_normal_features_for_MEG_validation(labels_test, type_emb)

y_w2v_train_s = y_w2v_train_n
y_w2v_pt_s = y_w2v_pt_n


np.random.shuffle(y_w2v_train_s)
np.random.shuffle(y_w2v_pt_s)

print("sim", y_w2v_train_s[0,0:10] == y_w2v_train_n[0, 0:10])
print(y_w2v_train_s[0, 0:10])
print(y_w2v_train_n[0, 0:10])
print("shapes", x_train.shape, y_w2v_train.shape, x_test_pt.shape, y_w2v_pt.shape)

运行结果：

sim [ True  True  True  True  True  True  True  True  True  True]
[ 0.12567943  0.38765216  0.05903614  0.35545474  0.15695235 -0.09684472
  0.20318605  0.09171303  0.19060805  0.19470002]
[ 0.12567943  0.38765216  0.05903614  0.35545474  0.15695235 -0.09684472
  0.20318605  0.09171303  0.19060805  0.19470002]
shapes (7200, 99) (7200, 1000) (300, 99) (300, 1000)

问题根源 #

在Python中，y_w2v_train_s = y_w2v_train_n这种赋值方式并没有创建新的数组，只是让y_w2v_train_s成为y_w2v_train_n的引用——两个变量指向内存中同一个numpy数组对象。当你调用np.random.shuffle时，确实对数组做了洗牌，但因为两个变量指向同一个数组，所以y_w2v_train_n也跟着被洗牌了。你打印首行对比时，其实是在对比同一个数组的同一段数据，自然全是True。

修复方案 #

需要创建原数组的副本，再对副本进行洗牌操作，有几种常用方式：

1. 使用numpy数组的copy()方法：

y_w2v_train_s = y_w2v_train_n.copy()
y_w2v_pt_s = y_w2v_pt_n.copy()

2. 使用np.copy()函数：

y_w2v_train_s = np.copy(y_w2v_train_n)
y_w2v_pt_s = np.copy(y_w2v_pt_n)

3. 切片方式创建副本（仅适用于一维或二维数组的浅拷贝，当前场景下可用）：

y_w2v_train_s = y_w2v_train_n[:]
y_w2v_pt_s = y_w2v_pt_n[:]

修改后，y_w2v_train_s是独立的新数组，洗牌操作只会影响它，不会改变原数组y_w2v_train_n，此时再对比两者的首行就能看到洗牌效果了。

内容的提问来源于stack exchange，提问作者Kadaj13