使用Numpy高效对二维数组按行置换

当然有更高效、更简洁的Numpy原生方案来完成逐行随机置换，完全不需要写Python循环！下面给你最直接的单行实现方式，以及原理说明：

核心单行代码 #

arr_rand3 = arr[np.arange(npart)[:, None], np.argsort(np.random.rand(npart, m))]

原理解释 #

• np.random.rand(npart, m) 生成一个和原数组形状相同的随机数矩阵，每个元素都是0到1之间的随机值。
• np.argsort(...) 对每行的随机数进行排序，返回的索引就是该行的随机置换序列——因为随机数的排序位置是完全随机的，正好对应我们需要的每行元素打乱效果。
• np.arange(npart)[:, None] 把行索引转换成列向量（形状为(npart,1)），这样可以和后面的二维索引矩阵进行广播匹配，确保每行都用对应的置换索引去取原数组的元素。

完整示例代码 #

替换你原来的循环部分，完整代码如下：

import numpy as np

arr = np.array([[0,0,0,0,0],[0,4,1,1,1],[0,1,1,2,2],[0,3,2,2,2]])
npart = arr.shape[0]
m = arr.shape[1]

# 直接生成逐行置换后的数组，无需提前初始化零矩阵
arr_rand3 = arr[np.arange(npart)[:, None], np.argsort(np.random.rand(npart, m))]

# 剩下的X和X_rand3初始化可以保留（如果后续需要的话）
X = np.zeros(shape=(m,m), dtype=np.double)
X_rand3 = np.zeros(shape=(m,m), dtype=np.double)

# 打印结果验证
print("原数组：")
print(arr)
print("\n逐行置换后的数组：")
print(arr_rand3)

为什么比循环更好？ #

Numpy的向量化操作是在底层用C实现的，当你的数组规模（尤其是npart很大）时，这种方法的运行速度会远远快于Python的for循环，同时代码也更简洁易读。

内容的提问来源于stack exchange，提问作者rpb