random.shuffle洗牌机器学习数据集时数据重复丢失，求解决方案

异常原因 #

你遇到的问题核心是Python标准库的random.shuffle()不适合直接处理numpy数组：

• random.shuffle是为Python原生可变序列（比如列表）设计的，它通过交换序列中的元素实现洗牌。
• 当传入numpy数组时，它会将数组的每一行视为一个"元素"进行交换，但numpy数组的行是原数组的**视图（view）**而非独立副本，洗牌过程中会出现元素引用错乱，最终导致数据重复、类别样本丢失这类异常。

正确的数据集洗牌方式 #

针对numpy数组，推荐以下几种可靠的洗牌方法：

1. 用numpy原生的np.random.shuffle()（原地洗牌） #

这是最直接的方案，专门针对numpy数组设计，会原地打乱数组的第一维度（即样本维度）：

np.random.shuffle(data)

2. 用np.random.permutation()（返回新数组） #

如果不想修改原数组，这个方法会返回一个打乱后的新数组，原数组保持不变：

shuffled_data = np.random.permutation(data)

3. 用PyTorch的索引洗牌（适合深度学习场景） #

如果你已经用到了PyTorch，可以通过生成随机索引来实现洗牌：

# 生成随机排列的索引
idx = torch.randperm(data.shape[0])
# 转换为tensor后索引，再转回numpy（如果需要）
shuffled_data = torch.tensor(data)[idx].numpy()

4. 转成列表洗牌（不推荐，仅作参考） #

如果一定要用random.shuffle，可以先把numpy数组转成Python列表，洗牌后再转回numpy数组（大样本下效率低）：

data_list = data.tolist()
random.shuffle(data_list)
shuffled_data = np.array(data_list)

额外小提示 #

你生成样本时，Y0和Y1用了同一个X数组，这会导致两类样本的分布完全对应（只是均值偏移），如果需要更真实的随机样本，可以分别生成X0和X1：

X0 = np.random.randn(10,2)
X1 = np.random.randn(10,2)
Y0 = mu0 + X0@L.T 
Y1 = mu1 + X1@L.T

内容的提问来源于stack exchange，提问作者Scott